Plotly line chart_'module' object is not callable 为什么这个错误答案

【问题标题】：Plotly line chart_'module' object is not callable why this errorPlotly line chart_'module' object is not callable 为什么这个错误
【发布时间】：2021-05-07 13:12:08
【问题描述】：

我正在使用数据透视表中的 plotly 绘制折线图。但是当我尝试绘图时，获取错误模块的对象是不可调用的，直到没有问题。我可以知道为什么会这样吗？请在下面查看我的代码

import pandas as pd   
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('ggplot')
import plotly.offline as pyo
import plotly.graph_objs as go
import plotly.express as px
df1 = pd.read_csv("Funct_TDH_RISE_Corners_2p0_A.txt",delim_whitespace=True) 
df1.to_csv('TDH.csv',index=False)
df1['SPEC_MIN']=5
df1['SPEC_MAX']=30
df1
TDH_PVT= pd.pivot_table(df1, index = ['Device_ID'],values = ['TDH_Rise[ns]'])
  #When I try to run the below code error is coming  
data=[go.Scatter(
            x=TDH_PVT.index,
            y=TDH_PVT.values,
            mode='lines',
            name='TDH_RISE'
    )]
    layout=go.layout(title='TDH RISE')
    figure=go.Figure(data=data,layout=layout)
    pyo.plot(figure)

我的数据透视表如下所示

    TDH_Rise[ns]
Device_ID   
FF_2649 19.228333
FF_2650 19.499167
FF_2651 19.365000
FS_2859 20.425000
FS_2860 20.252500
FS_2861 20.557500
SF_2754 21.700000
SF_2755 21.743333
SF_2756 21.528000
SS_2544 21.678333
SS_2545 21.642500
SS_2546 21.655000
TT_2439 20.730000
TT_2440 20.688333
TT_2441 18.642500

【问题讨论】：

标签： python pandas dataframe plot plotly-python

【解决方案1】：

实际的 plotly 方法是Layout。由于 python 区分大小写，它不识别该方法，因此抛出不可调用的异常。只需要换行

layout=go.layout(title='TDH RISE')

到

layout=go.Layout(title='TDH RISE')

【讨论】：

【解决方案2】：

引导上下楼层天花板并更改每个节点 var.b
检查空格上的语法，添加 s。
我会使用 '"idx"'、"make_union"，通过将两个 df 分组 (df1,df2) 来辅助。
执行更细粒度的 lims 的 xor subs。
使用 abr、aprx、idx、best_fit、***

三角剖分模式（傅里叶）-h / dequeue.linked(priority) |元的chain.attrs.map.map(Map)。

***、knn、欧几里得

从 min_samples_name=int 增加样本，
欠拟合模型，允许auto.py.gui为新的win32弹出/交互映射程序。
"==" 用于底部两个形状/图 \
使用与三角测量一致的点或 Rsq（欧几里得 / 曼哈顿）调用调用（递归），如果节点路径离开主动权。
内存=无
warm_start=T/F 用于使用调用。
您尝试过评分机制吗？评分='准确性'
n_jobs=-1
基尼标准
对于pivot，使用null xor start for later time in a set |条件。
我必须执行一个非常相似的过程，我的方法有很大不同，因为它是人口、密度、人流量和基于错误因素的密度、基数、子、est 的三角剖分、rsq、微分、偏微分，（预 - 实际）和数据点都可以被引用回来。到初始调用。
“pyautogui”将执行 get [actions;] [].collect

|N|_n=biaserrweights(w, x, rec)_in.dot(xwa, xwb, xwc)*dist(euc(x))： err.% 用于加权（i，j）范围内的“i”，别的： J =0, 返回 J-jw(x**2i)/n(map) J = 未来距离，根据过滤条件添加 *args。

【讨论】：