数据帧对象不可调用 [英] Dataframe Object is not callable

问题描述

当我运行它时，它一直告诉我数据帧对象不可调用。

  class OptionDataWebGleaner（）：
 
 def __init __（self）：
 
 ticker = pd.read_csv（'Yahoo_ticker_List.csv'）['AUB.AX']。value 
 stock = raw_input（'请给您选择的选项的代码？\\\
'）
 
如果股票代码：
 
 self.stock =股票
 else：
 
 raise TypeError（'你的选项在这里不可用'）
 
 date_norm = raw_input（'请将您的到期日格式以mm / dd / yyyy\\\
'的形式）
 
 maturity_date = datetime.strptime（date_norm，'％m / ％d /％Y'）。date（）
 
 self.maturity_date = maturity_date 
 self.today = date.today（）
 
 dates = ['1481846400 '，'1484870400'，'1487289600'] 
 maturity_dates = [date（2016，12，16），date（2017，1，20），date（2017，2，17）] 
 date_dict = {} 
 
 for v in zip（dates，maturity_da tes）
 date_dict [v [1]] = v [0] 
 
 try：
 self.d = date_dict [self.maturity_date] 
 except：
打印（'您的成绩日期不可用'）
 
选项= raw_input（'请给您的选项的类型，打电话或put\\\
'）
 
 self.option_type = option +''
 
 @property 
 def crawl_data（self）：＃self #option_type：calls or puts。 str 
 
 stock = self.stock 
 option_type = self.option_type 
 maturity_date = self.maturity_date 
d = self.d 
 
 chromedriver = /Users/Miya/Downloads/chromedriver.exe
 os.environ [webdriver.chrome.driver] = chromedriver 
 driver = webdriver.Chrome（chromedriver）
 today = self。今天
 
 ##获取url 
 url ='http://finance.yahoo.com/quote/'+ stock +'/ options？date ='+ d 
 ##抓取数据
 driver.get（url）
 html_source = driver.page_source 
 ## Beautifulsoup 
 soup = BeautifulSoup（html_source，'html.parser'）
 
 
如果soup.find（'table'，option_type）不是None：
 
 stock_price = [float（i.text）for i in soup.findAll（'span' ，'Fz（36px）']] 
 title = [i.text for i in soup.find（'table'，option_type）.find_all（'th'）] 
 text = [i.text for i in soup.find（'table'，option_type）.find_all（'td'）] 
 rows = [row for row in soup.find（'table'，option_type）.find_all （tr）] 
 
 l_table = len（rows） -  1 
 ## call / put data 
 dictionary = {} 
 dictionary ['maturity_date'] = [maturity_date] * l_table 
词典['date'] = [今天] * l_table 
词典['stock_price'] = stock_price * l_table 
 
 ）
 key = title [j] 
 dictionary [key] = [] 
 for i in range（l_table）：
 dictionary [key] .append（text [10 * i + j]）
 
 ##写入数据框
 
 dataframe = pd.DataFrame（字典）
 
 
返回数据帧
 
 def clean_data（self）：
 
 dataframe = self.crawl_data（）
 
 print（'Remove意外的符号...'）
 
 columns_to_set = ['最后价格'，'开放利益'，'罢工'，'量'，'隐含波动'] 
为我在columns_to_set： 
系列= dataframe [i] 
 series_new = [] 
系列中的j：
j = str（j）
 j_new =''.join（ch为ch在j if（ch！='％'）和（ch！='，'））
 series_new.append（j_new）
 dataframe [i] = series_new 
 print（'数据类型...'）
 
 ##更改dtype 
 columns_to_change = ['Last Price'，'Open Interest'，'Strike'，'Volume'，'stock_price'隐含的波动率] 
 
在column_to_change中：
 dataframe_cleaned [i] = dataframe [i] .astype（float）
 
 print（删除缺失的值。 ..）
 
 dataframe_cleaned = dataframe_cleaned.dropna（）
 
 ＃print（Clean Outliers ...）
 
＃dataframe = dataframe.loc [dataframe ['Implied Volatility']< = 2] 
 
 return dataframe_cleaned 
 
 def save_file（self）：
 
 save_file = raw_input（你要保存文件到csv吗？键入Y为是，否或否）
d = self.d 
 stock = self.stock 
 df_option = self.clean_data（）
 
 if save_file =='Y'：
 csv_name = stock + d +'.csv'
 df_option.to_csv（csv_name）
 print（File Saved！）
 
 def viz（self）：
 
 dataframe = self.clean_data（）
 stock = self.stock 
 time_to_maturity = [] 
 dataframe = dataframe.sort_values（by ='Strike'）
 ##抓取数据框，然后相关数据
为i，j为zip（dataframe.maturity_date，dataframe.date）：
 time_to_maturity.append（（i  -  j） .days / 365）
 
 strike_price = dataframe ['Strike'] 
 
＃通过使用行权价格和时间到期作为参数生成伪隐含波动率
 
 implied_vol = dataframe ['Implied Volatility']值
 
 strike_price，time_to_maturity = np.meshgrid（strike_price，time_to_maturity）
 
 fig = plot.figure（figsize =（10，5））##一个绘图对象
 ax = Axes3D（fig）＃创建一个3D object / handle 
 
 ## plot surface：array row / column stride（step size：2）
 ## plot surface：array row / column stride（step size：2）
 
 surf = ax.plot_surface（strike_price，time_to_maturity，implied_vol，rstride = 2，cstride = 2，cmap = cm.coolwarm，
 linewidth = 0.5，antialiased = False）
 
＃set x，y，a labels 
 ax.set_xlabel（'Strike Price'）
 ax.set_ylabel（'到达时间'）
 ax.set_zlabel（'隐含波动率％'） 
 plot.suptitle（股票）
 plot.show（）
 
 def summary（self）：
 
 dataframe = self.clean_data 
 
 print（dataframe.describe（））
 
 
 OptionDataWebGleaner（）。viz（）
  

解决方案

问题是 crawl_data 上的属性装饰器。 此答案解释了属性装饰器的实际工作原理，但基本上， dataframe.crawl_data 是函数返回的数据帧，而不是函数。因此， clean_data 的第一行中的 dataframe.crawl_data（）正在尝试调用数据框，而不是该函数。 / p>

这是一个例子：

 >>> class Test（object）：
 ... @property 
 ... def example（self）：
 ... return 1 
 ... 
> >> t = Test（）
>>> t.example 
 1 
>>>> t.example（）
追溯（最近的最后一次调用）：
文件< stdin>，第1行，< module> 
 TypeError：'int'对象不可调用
  

这个问题真的可以做到堆栈跟踪。这将导致我们正确地处理有问题的电话。

When I run it, it keeps telling me the dataframe object is not callable.

class OptionDataWebGleaner():

    def __init__(self):

        ticker = pd.read_csv('Yahoo_ticker_List.csv')['AUB.AX'].values
        stock = raw_input('Please give the ticker of your selected option?\n')

        if stock in ticker:

            self.stock = stock
        else:

            raise TypeError('Your option is not available here.')

        date_norm = raw_input('Please give your maturity date in the format of mm/dd/yyyy\n')

        maturity_date = datetime.strptime(date_norm, '%m/%d/%Y').date()

        self.maturity_date = maturity_date
        self.today = date.today()

        dates = ['1481846400', '1484870400', '1487289600']
        maturity_dates = [date(2016, 12, 16), date(2017, 1, 20), date(2017, 2, 17)]
        date_dict = {}

        for v in zip(dates, maturity_dates):
            date_dict[v[1]] = v[0]

        try:
            self.d = date_dict[self.maturity_date]
        except:
            print('Your maturuity date is not available')

        option = raw_input('Please give the type of your option, either call or put\n')

        self.option_type = option + 's'

    @property
    def crawl_data(self):  # self #option_type: calls or puts. str

        stock = self.stock
        option_type = self.option_type
        maturity_date = self.maturity_date
        d = self.d

        chromedriver = "/Users/Miya/Downloads/chromedriver.exe"
        os.environ["webdriver.chrome.driver"] = chromedriver
        driver = webdriver.Chrome(chromedriver)
        today = self.today

        ## Get the url
        url = 'http://finance.yahoo.com/quote/' + stock + '/options?date=' + d
        ## Crawl data
        driver.get(url)
        html_source = driver.page_source
        ## Beautifulsoup
        soup = BeautifulSoup(html_source, 'html.parser')


        if soup.find('table', option_type) is not None:

            stock_price = [float(i.text) for i in soup.findAll('span', 'Fz(36px)')]
            title = [i.text for i in soup.find('table', option_type).find_all('th')]
            text = [i.text for i in soup.find('table', option_type).find_all('td')]
            rows = [row for row in soup.find('table', option_type).find_all("tr")]

            l_table = len(rows) - 1
            ## call/put data
            dictionary = {}
            dictionary['maturity_date'] = [maturity_date] * l_table
            dictionary['date'] = [today] * l_table
            dictionary['stock_price'] = stock_price * l_table

            for j in range(10):
                key = title[j]
                dictionary[key] = []
                for i in range(l_table):
                    dictionary[key].append(text[10 * i + j])

            ## write into dataframe

            dataframe = pd.DataFrame(dictionary)


        return dataframe

    def clean_data(self):

        dataframe = self.crawl_data()

        print('Remove unexpected symbols...')

        columns_to_set = ['Last Price', 'Open Interest', 'Strike', 'Volume', 'Implied Volatility']
        for i in columns_to_set:
            series = dataframe[i]
            series_new = []
            for j in series:
                j = str(j)
                j_new = ''.join(ch for ch in j if (ch != '%') and (ch != ','))
                series_new.append(j_new)
            dataframe[i] = series_new
        print('Change the data type...')

        ## change the dtype
        columns_to_change = ['Last Price', 'Open Interest', 'Strike', 'Volume', 'stock_price', 'Implied Volatility']

        for i in columns_to_change:
            dataframe_cleaned[i] = dataframe[i].astype(float)

        print("Remove missing values...")

        dataframe_cleaned = dataframe_cleaned.dropna()

        # print("Clean Outliers...")

        # dataframe = dataframe.loc[dataframe['Implied Volatility'] <= 2]

        return dataframe_cleaned

    def save_file(self):

        save_file = raw_input("Do you want to save the file into csv? Type Y for yes, N or no\n ")
        d = self.d
        stock = self.stock
        df_option = self.clean_data()

        if save_file == 'Y':
            csv_name = stock + d + '.csv'
            df_option.to_csv(csv_name)
            print("File Saved!")

    def viz(self):

        dataframe = self.clean_data()
        stock = self.stock
        time_to_maturity = []
        dataframe = dataframe.sort_values(by='Strike')
        ## grab dataframe, then relevant data
        for i, j in zip(dataframe.maturity_date, dataframe.date):
            time_to_maturity.append((i - j).days / 365)

        strike_price = dataframe['Strike']

        # generate pseudo-implied volatility by using strike price and time-to-maturity as parameters

        implied_vol = dataframe['Implied Volatility'].values

        strike_price, time_to_maturity = np.meshgrid(strike_price, time_to_maturity)

        fig = plot.figure(figsize=(10, 5))  ## a plot object
        ax = Axes3D(fig)  # create a 3D object/handle

        ##plot surface: array row/column stride(step size:2)
        ##plot surface: array row/column stride(step size:2)

        surf = ax.plot_surface(strike_price, time_to_maturity, implied_vol, rstride=2, cstride=2, cmap=cm.coolwarm,
                               linewidth=0.5, antialiased=False)

        # set x,y,a labels
        ax.set_xlabel('Strike Price')
        ax.set_ylabel('time to maturity')
        ax.set_zlabel('implied volatility%')
        plot.suptitle(stock)
        plot.show()

    def summary(self):

        dataframe = self.clean_data

        print(dataframe.describe())


OptionDataWebGleaner().viz()

解决方案

The problem is the property decorator on crawl_data. This answer explains how the property decorator actually works, but basically, dataframe.crawl_data is the dataframe returned by the function, not the function. So dataframe.crawl_data() in the first line of clean_data is trying to call the dataframe, not the function.

Here's an example:

>>> class Test(object):
...     @property
...     def example(self):
...             return 1
...
>>> t = Test()
>>> t.example
1
>>> t.example()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable

This question really could have done with the stacktrace. It would have lead us right to line with the problematic call.

这篇关于数据帧对象不可调用的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！