Python绘制PCA图报'module' object is not callable错误求解

你遇到的TypeError: 'module' object is not callable来自两处代码问题：

• 第一处是matplotlib导入写法错误：你用了import matplotlib as plt，此时plt指向的是matplotlib顶层模块，而figure()是matplotlib.pyplot子模块下的函数，直接调用plt.figure()相当于尝试把模块当函数执行，必然触发类型错误。
• 第二处是隐藏的子图参数错误：你写的fig.add_subplot(1,2,3)不符合参数规则，该方法前两个参数是子图网格的行数、列数，第三个参数是当前选中的子图序号，序号最大值不能超过行数×列数，1行2列的网格最多只有2个子图位置，传入3会在你修复导入问题后触发索引越界错误。

1. 替换错误的matplotlib导入语句，采用matplotlib的标准导入写法：

   import matplotlib.pyplot as plt
   

2. 修改子图创建参数，你只需要单张画布展示2主成分的PCA结果，用1行1列的网格即可，对应代码改为：

   ax = fig.add_subplot(1,1,1)
   

3. （可选）在代码最后加上plt.show()，确保脚本运行时可以正常弹出绘图窗口。

import pandas as pd
import os
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

## 切换工作目录
os.chdir(r'C:\Users\##\OneDrive - ##\##\Pyth\HAR2')
os.getcwd()


## 读取csv数据
df = pd.read_csv('dataframe_0.csv', delimiter=',', names = ['x','y','z','target'])


features = ['x', 'y', 'z']

# 提取特征列
x = df.loc[:, features].values

# 提取标签列
y = df.loc[:,['target']].values

# 特征标准化
x = StandardScaler().fit_transform(x)


pca = PCA(n_components=2)
principalComponents = pca.fit_transform(x)
principalDf = pd.DataFrame(data = principalComponents
             , columns = ['principal component 1', 'principal component 2'])

finalDf = pd.concat([principalDf, df[['target']]], axis = 1)

fig = plt.figure(figsize = (8,8))
ax = fig.add_subplot(1,1,1) 
ax.set_xlabel('Principal Component 1', fontsize = 15)
ax.set_ylabel('Principal Component 2', fontsize = 15)
ax.set_title('2 component PCA', fontsize = 20)

targets = [1,2,3]
colors = ['r', 'g', 'b']
for target, color in zip(targets,colors):
    indicesToKeep = finalDf['target'] == target
    ax.scatter(finalDf.loc[indicesToKeep, 'principal component 1']
               , finalDf.loc[indicesToKeep, 'principal component 2']
               , c = color
               , s = 50)
ax.legend(targets)
ax.grid()
plt.show()

内容的提问来源于stack exchange，提问作者SimonDL