卡方检验代码报错：'numpy.ndarray' object is not callable 求解

问题背景 #

执行卡方检验判断特征与目标变量独立性，筛选符合p值要求的特征时，触发如下错误：

TypeError: 'numpy.ndarray' object is not callable

原代码：

y = dtf_train["y"]
X_names = vectorizer.get_feature_names()
p_value_limit = 0.95
dtf_features = pd.DataFrame()
for cat in np.unique(y):
    chi2, p = feature_selection.chi2(X_train, y==cat)
    dtf_features = dtf_features.append(pd.DataFrame(
                   {"feature":X_names, "score":1-p, "y":cat}))
    dtf_features = dtf_features.sort_values(["y","score"], 
                    ascending=[True,False])
    dtf_features = dtf_features[dtf_features["score"]>p_value_limit]

X_names = dtf_features["feature"].unique().tolist()

错误栈：

TypeError                                 Traceback (most recent call last)
<ipython-input-103-1028dac02fc2> in <module>
      4 dtf_features = pd.DataFrame()
      5 for cat in np.unique(y):
----> 6     chi2, p = chi2(X_train, y==cat)
      7     dtf_features = dtf_features.append(pd.DataFrame(
      8                    {"feature":X_names, "score":1-p, "y":cat}))

TypeError: 'numpy.ndarray' object is not callable

错误原因 #

核心问题是变量名冲突：
第一次循环时，你用chi2接收feature_selection.chi2函数返回的第一个结果（卡方值数组），此时chi2从原本指向函数的引用，变成了numpy数组。第二次循环执行chi2(X_train, y==cat)时，实际是在调用一个数组，自然触发"不可调用"的错误。

另外最后一行代码存在语法问题：tolist是列表生成方法，需要加括号调用，否则会得到方法对象而非目标列表。

修正后的代码 #

y = dtf_train["y"]
X_names = vectorizer.get_feature_names()
p_value_limit = 0.95
dtf_features = pd.DataFrame()
for cat in np.unique(y):
    # 重命名变量避免与函数名冲突
    chi2_score, p = feature_selection.chi2(X_train, y==cat)
    dtf_features = dtf_features.append(pd.DataFrame(
                   {"feature":X_names, "score":1-p, "y":cat}))
    dtf_features = dtf_features.sort_values(["y","score"], 
                    ascending=[True,False])
    dtf_features = dtf_features[dtf_features["score"]>p_value_limit]

# 修正tolist()的调用方式
X_names = dtf_features["feature"].unique().tolist()

内容的提问来源于stack exchange，提问作者newprog1997