Python中PCA报错：TypeError: 'numpy.ndarray' object is not callable 求助

1. 命名空间冲突 #

报错指向pca = PCA()，说明你的代码环境中已经存在一个名为PCA的numpy数组，导致你想要调用的sklearn.decomposition.PCA类被覆盖，把数组当成函数调用自然触发TypeError。

2. 未定义变量错误 #

PrincipalComponent是未定义的变量名，代码里从未声明过它，这行提取主成分的代码完全无效。

第一步：修复PCA类的调用问题 #

先确保正确导入并使用sklearn的PCA类，避免命名冲突：

# 明确导入PCA类（如果之前未导入）
from sklearn.decomposition import PCA
# 检查之前的代码是否有类似 `PCA = 某个数组` 的赋值，把该变量改名（比如改成pca_array）
# 重新实例化PCA对象
pca = PCA()
PCA_Result = pca.fit_transform(rescaledDataset)

第二步：正确提取第一主成分 #

根据需求二选一：

• 若要降维后数据集的第一主成分列（每个样本在第一主成分上的投影值）：

  componente1 = PCA_Result[:, 0]
  

• 若要PCA模型的第一主成分向量（原始特征的线性组合系数）：

  componente1 = pca.components_[0]
  

额外优化：简化数据缩放代码 #

当前缩放代码重复执行fit操作，可简化为：

scaler = StandardScaler().fit(df_ESG_stock_Selection)
rescaledDataset = pd.DataFrame(scaler.transform(df_ESG_stock_Selection), 
                               columns=df_ESG_stock_Selection.columns,
                               index=df_ESG_stock_Selection.index)

内容的提问来源于stack exchange，提问作者Salvador Macías