Python：“numpy.float64”对象不可调用答案

【问题标题】：Python: 'numpy.float64' object is not callablePython：“numpy.float64”对象不可调用
【发布时间】：2020-10-03 21:26:24
【问题描述】：

下面的代码在 last_mae = mae(val_scaled_price_client, cv_model) 处抛出错误 'numpy.float64' object is not callable。然而，具有相同参数的 mae 函数在循环外使用时工作得很好。

loss_history = [1000.00]

for i in range(10000):

  # train
  iterations = 10

  train_auto_encoder(train_latent_customers=train_latentvars,
                   train_product_customers=train_scaled_price_client,
                   auto_encoder=auto_model,
                   iters=iterations,                              
                   batch_size=128,
                   display_step=20)                                  

  cv_model = auto_model.predict([val_latentvars, val_scaled_price_client_corrupted])
  last_mae = mae(val_scaled_price_client, cv_model)          
  loss_history.append(last_mae)

  if loss_history[-1] < loss_history[-2]:
    iterations += 10

  else:
    break

我在前面的单元格中声明了一个函数 mae，如下所示

# define function to calculate MAE between true and reconstructed values
def mae(y_true, y_pred):

    # get non-zero positions
    cond = np.not_equal(y_true, 0)
    # get number of non-zero elements
    num_non_zero = np.sum(cond)
    # initialize zer matrix
    zero_matrix = np.zeros(shape=y_true.shape)
    # replace 
    predictions_corrected = np.where(cond, y_pred, zero_matrix)
    # get rmse
    mae = np.sum(np.abs(y_true - predictions_corrected)) / num_non_zero
    # return
    return(mae)

【问题讨论】：

看来问题是由于类型转换错误。您将 loss_history 声明为浮点数是否有特定原因。
mae 是一个数字，您可以将其用作函数。很可能您无意中用数字覆盖了 mae 的函数定义。
我将 loss_history 声明为浮点数的原因只是因为 mae 函数返回一个浮点数，我认为这可能是问题所在。 @Stef，我编辑了这篇文章，因为我之前确实定义了一个 mae 函数。
正如我所说：你在mae = np.sum(np.abs(y_true - predictions_corrected)) / num_non_zero 中重新定义了mae。将此更改为return np.sum(np.abs(y_true - predictions_corrected)) / num_non_zero，一切都会好起来的:)
确实，这解决了问题！非常感谢！

标签： python numpy for-loop

【解决方案1】：

问题出在您的mae 函数中。在最后一行中，您使用数字覆盖 mae 的函数定义。如果您在一切正常后调用此函数。一旦你再次调用它（就像在循环中一样），你尝试调用一个数字而不是一个函数，这是不可能的。

只是改变

mae = np.sum(np.abs(y_true - predictions_corrected)) / num_non_zero
# return
return(mae)

到

return np.sum(np.abs(y_true - predictions_corrected)) / num_non_zero

Python 不是 Basic 或 Fortran，您将结果分配给函数名称以返回它:)。

【讨论】：