运行Stack Overflow已采纳方案时报错：'list' object is not callable

一、直接报错原因 #

TypeError: 'list' object is not callable 大概率是你在代码中把combinations这个名字当成了列表变量使用，覆盖了itertools.combinations函数。比如之前定义过combinations = []，导致调用combinations(unique_items, 2)时，实际是在调用一个列表，触发报错。

二、代码逻辑的核心问题（即使修复上述报错仍会失效） #

你错误地将同订单的商品ID直接拼接成字符串，导致后续的商品组合判断完全不符合预期：

• 第一行grp = df.groupby('sale_id')['item'].agg(lambda x: ''.join(x))会把订单内的多个商品ID拼接成单个字符串（如230153+230155变为230153230155），而非保留商品的独立集合，后续无法正确判断订单是否包含目标商品组合。
• 第二行grp.apply(lambda x: ''.join(x)).unique()属于冗余操作，grp已经是每个订单的商品拼接结果，重复执行join毫无意义。

三、修正后的完整代码 #

from itertools import combinations
import pandas as pd

# 按订单分组，将每个订单的商品存储为集合（便于后续子集判断）
grp = df.groupby('sale_id')['item'].agg(set)
# 提取所有订单的商品集合列表
purchases = grp.tolist()
# 获取所有唯一商品ID
unique_items = df['item'].unique()

res = {}
total_orders = len(purchases)

# 遍历所有商品两两组合
for c in combinations(unique_items, 2):
    item_pair = frozenset(c)
    match_count = 0
    # 统计包含该商品组合的订单数
    for order_items in purchases:
        if item_pair.issubset(order_items):
            match_count += 1
    # 计算组合出现的概率
    res[item_pair] = match_count / total_orders

# 输出结果
res

四、关键优化说明 #

• 用agg(set)替代字符串拼接，直接保留每个订单的商品集合，逻辑更准确，后续判断效率更高。
• 删除冗余的apply操作，直接通过tolist()获取所有订单的商品集合列表。
• 使用issubset()方法替代手动交集判断，代码更简洁高效。
• 提前计算总订单数，避免重复调用len()浪费资源。

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