TypeError: 'numpy.ndarray' object is not callable
Ai pus paranteze după ceva care e un array, nu o funcție. În scikit-learn, atributele învățate (coef_, intercept_, classes_, feature_importances_) sunt valori, nu metode: scrie model.coef_, fără (). Apare și când suprascrii o funcție cu un array, de exemplu predict = model.predict(X).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
„Callable” înseamnă ceva ce poate fi apelat cu paranteze: o funcție sau o metodă. Mesajul spune că în fața parantezelor ( ) se află un numpy.ndarray, adică un tabel de numere, care nu se poate apela.
În ML, cele mai dese cazuri sunt două. Primul: atributele cu _ la final (coef_, intercept_, classes_, cluster_centers_, feature_importances_) sunt array-uri calculate la fit, deci le citești fără paranteze. Al doilea: ai dat unei variabile numele unei funcții, de exemplu accuracy_score = accuracy_score(y, p), iar la următorul apel numele nu mai înseamnă funcția, ci rezultatul ei.
Uită-te la linia din traceback: ce stă imediat înainte de paranteză e array-ul.
De ce apare: cauzele frecvente
1Paranteze după un atribut învățat
print(model.coef_())print(model.coef_)coef_ e un array calculat la antrenare, nu o metodă. Se citește direct.
2Numele unei funcții refolosit pentru rezultat
r2_score = r2_score(y_test, model.predict(X_test))
scor_train = r2_score(y_train, model.predict(X_train))scor_test = r2_score(y_test, model.predict(X_test))
scor_train = r2_score(y_train, model.predict(X_train))După prima linie greșită, r2_score nu mai e funcția, ci un număr. Folosește alte nume pentru rezultate.
3Indexare cu paranteze rotunde
prima = model.predict(X_test)(0)prima = model.predict(X_test)[0]Elementele unui array se iau cu paranteze drepte. Parantezele rotunde înseamnă apel de funcție.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: 'numpy.ndarray' object is not callable, pentru că coef_ și intercept_ sunt citite ca niște metode. Repară cele două rânduri, ca programul să afișeze panta și interceptul dreptei.
from sklearn.linear_model import LinearRegression
# ore de studiu -> nota
X = [[1], [2], [3], [4]]
y = [5, 6, 7, 8]
model = LinearRegression().fit(X, y)
print("Panta:", round(float(model.coef_()[0]), 2))
print("Intercept:", round(float(model.intercept_()), 2))Panta: 1.0 Intercept: 4.0
Indiciu
Scoate parantezele de după coef_ și intercept_.
Reparația
from sklearn.linear_model import LinearRegression
# ore de studiu -> nota
X = [[1], [2], [3], [4]]
y = [5, 6, 7, 8]
model = LinearRegression().fit(X, y)
print("Panta:", round(float(model.coef_[0]), 2))
print("Intercept:", round(float(model.intercept_), 2))De ce merge
coef_ este un array cu o pantă pentru fiecare trăsătură, iar intercept_ un număr, ambele calculate la fit. Le citești direct, fără să le apelezi. Nota crește cu 1 pentru fiecare oră de studiu și pornește de la 4, deci dreapta este nota = 1 * ore + 4.
Alte forme ale mesajului
TypeError: 'numpy.float64' object is not callableTypeError: 'float' object is not callableTypeError: 'DataFrame' object is not callable
Cum o eviți pe viitor
Reține convenția scikit-learn: tot ce se termină cu _ (coef_, n_features_in_, best_params_) e un atribut, fără paranteze; tot ce e verb (fit, predict, score, transform) e metodă, cu paranteze. Nu da variabilelor numele funcțiilor importate (accuracy_score, predict, sum, max). Dacă eroarea apare în notebook, repornește kernelul: o celulă rulată mai devreme poate fi suprascris numele.
Întrebări frecvente
De ce mergea înainte și acum nu?
Probabil ai rulat o linie care a suprascris numele funcției cu un rezultat. În notebook, numele rămâne suprascris până repornești kernelul.
Cum aflu dacă ceva e metodă sau atribut?
Afișează-l fără paranteze: print(type(model.coef_)). Dacă vezi numpy.ndarray, e o valoare; dacă vezi method, se apelează cu paranteze.
Erori înrudite
AttributeError: 'LinearRegression' object has no attribute 'coef_' Atributele cu underscore la final (coef_, intercept_, classes_, feature_importances_) există doar după fit. Antrenează modelul înainte să le citești. Dacă modelul e antrenat, verifică numele atributului: unele modele nu au coef_ (de exemplu arborii). AttributeError: 'numpy.ndarray' object has no attribute 'columns' transform și fit_transform (StandardScaler, SimpleImputer, OneHotEncoder) întorc un tablou numpy, nu un DataFrame, deci nu mai ai .columns, .loc sau nume de coloane. Refă DataFrame-ul cu pd.DataFrame(X, columns=X_vechi.columns) sau cere ieșire pandas cu set_output(transform="pandas"). TypeError: LinearRegression.fit() missing 1 required positional argument: 'y' Ai apelat fit doar cu X, fără țintă. Modelele supervizate (regresie, clasificare) au nevoie de ambele: model.fit(X, y). Doar modelele nesupervizate (KMeans, PCA, StandardScaler) se antrenează cu fit(X). Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
