简单回答:您将文件/目录作为函数调用，而不是真正的函数

读:

这种错误发生在导入模块时，将其视为函数并调用它。 所以在python模块中是一个。py文件。包(目录)也可以看作是模块。 假设我有一个create。py文件。在这个文件中，我有一个这样的函数:

#inside create.py
def create():
  pass

现在，在另一个代码文件中，如果我这样做:

#inside main.py file
import create
create() #here create refers to create.py , so create.create() would work here

当我将create.py文件作为函数调用时，它会给出这个错误。 所以我得这么做

from create import create
create() #now it works.

当我试图在LightGBM中使用optuna(一个用于超参数调优的库)时，我遇到了这个错误。经过一个小时的挣扎，我意识到我直接导入类，这是一个问题。

import lightgbm as lgb

def LGB_Objective(trial):
        parameters = {
            'objective_type': 'regression',
            'max_depth': trial.suggest_int('max_depth', 10, 60),
            'boosting': trial.suggest_categorical('boosting', ['gbdt', 'rf', 'dart']),
            'data_sample_strategy': 'bagging',
            'num_iterations': trial.suggest_int('num_iterations', 50, 250),
            'learning_rate': trial.suggest_float('learning_rate', 0.01, 1.0),
            'reg_alpha': trial.suggest_float('reg_alpha', 0.01, 1.0), 
            'reg_lambda': trial.suggest_float('reg_lambda', 0.01, 1.0)
            }
        
        '''.....LightGBM model....''' 
        model_lgb = lgb(**parameters)
        model_lgb.fit(x_train, y_train)
        y_pred = model_lgb.predict(x_test)
        return mse(y_test, y_pred, squared=True)

study_lgb = optuna.create_study(direction='minimize', study_name='lgb_regression') 
study_lgb.optimize(LGB_Objective, n_trials=200)

这里，model_lgb = lgb(**parameters)试图调用cLass本身。 当我深入到LGB安装的site_packages文件夹中的__init__.py文件时，我确定了适合我的模块(我正在处理回归问题)。因此，我导入了lbmregressor，并用lbmregressor替换了我代码中的lgb，它开始工作了。

如果您(错误地)导入了整个类/目录或类中的目标模块，您可以检入代码。

from lightgbm import LGBMRegressor

def LGB_Objective(trial):
        parameters = {
            'objective_type': 'regression',
            'max_depth': trial.suggest_int('max_depth', 10, 60),
            'boosting': trial.suggest_categorical('boosting', ['gbdt', 'rf', 'dart']),
            'data_sample_strategy': 'bagging',
            'num_iterations': trial.suggest_int('num_iterations', 50, 250),
            'learning_rate': trial.suggest_float('learning_rate', 0.01, 1.0),
            'reg_alpha': trial.suggest_float('reg_alpha', 0.01, 1.0), 
            'reg_lambda': trial.suggest_float('reg_lambda', 0.01, 1.0)
            }
        
        '''.....LightGBM model....''' 
        model_lgb = LGBMRegressor(**parameters) #here I've changed lgb to LGBMRegressor
        model_lgb.fit(x_train, y_train)
        y_pred = model_lgb.predict(x_test)
        return mse(y_test, y_pred, squared=True)

study_lgb = optuna.create_study(direction='minimize', study_name='lgb_regression') 
study_lgb.optimize(LGB_Objective, n_trials=200)

解决这个问题的一个简单方法是导出pythonpath变量环境。例如，对于Debian/GNU Linux中的Python 2.6:

export PYTHONPATH=/usr/lib/python2.6`

在其他操作系统中，您将首先找到该模块或socket.py文件的位置。

在YourClassParentDir中添加到主__init__.py，例如:

from .YourClass import YourClass

然后，当你将你的类实例导入到另一个脚本时，你将有一个就绪的类实例:

from YourClassParentDir import YourClass

这里有一个可能的额外边缘情况，我偶然发现并困惑了一段时间，希望它能帮助到一些人:

在some_module / a.py:

def a():
   pass

在some_module / b.py:

from . import a

def b():
   a()

在some_module / __init__ . py:

from .b import b
from .a import a

main.py:

from some_module import b

b()

然后，因为当main.py加载b时，它会通过__init__.py，它会在a.py之前尝试加载b.py。这意味着当b.py尝试加载一个对象时，它得到的是模块而不是函数——这意味着你将得到错误消息:模块对象不可调用

这里的解决方案是交换some_module/__init__.py中的顺序:

from .a import a
from .b import b

或者，如果这将创建一个循环依赖，请更改您的文件名，使其与函数不匹配，并直接从文件加载，而不是依赖__init__.py

看起来你所做的是导入socket模块作为import socket。因此socket就是模块。你需要把这一行改成self。Serv = socket.socket(socket. socket)AF_INET, socket. sock_stream)，以及其他任何使用socket模块的情况，或者将import语句更改为from socket import socket。

或者在你的from socket import *之后有一个import socket:

>>> from socket import *
>>> serv = socket(AF_INET,SOCK_STREAM)
>>> import socket
>>> serv = socket(AF_INET,SOCK_STREAM)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
TypeError: 'module' object is not callable