💻 Feilsøking: å lese feilmeldinger#
Oversikt#
Så langt har forelesningsnotebookene vist deg kode som virker. Virkeligheten er at en stor del av all programmering går med til å finne ut hvorfor koden ikke virker – og til å lese feilmeldinger. En feilmelding er ikke en irettesettelse; det er den mest presise informasjonen du kommer til å få om hva som er galt.
Denne notebooken utløser feil med vilje, slik at du kjenner dem igjen når de dukker opp i dine egne øvinger og i prosjektet. Vi ser på:
Anatomien i en traceback – hvordan lese feilmeldingen nedenfra og opp
De vanligste Python-feilene –
NameError,TypeError,IndexError,KeyError…Feil du møter med pandas og geopandas – filstier, kolonnenavn, feil datatype
Når det ikke kommer noen feilmelding – advarsler og «stille» feil som gir feil svar
En feilsøkingsarbeidsflyt du kan følge hver gang
Note
Flere av kodecellene her er ment å feile. Feilmeldingen er en del av pensum – les den, ikke hopp over den.
1. Anatomien i en traceback#
Når Python møter en feil den ikke kan håndtere, stopper den og skriver ut en traceback («tilbakesporing»). Den kan se skummel ut, men har alltid samme struktur:
Nederste linje: feiltypen (f.eks.
ZeroDivisionError) og en melding. Les denne først.Over det: hvilken linje i koden som feilet, med en pil (
---->).Enda lenger opp: hele «kjeden» av funksjonskall som ledet dit – det nyeste kallet nederst.
Kjør cellen under. Den regner ut et gjennomsnitt, men får en tom liste.
def gjennomsnitt(tall):
return sum(tall) / len(tall)
def lag_rapport(data):
return f"Gjennomsnittet er {gjennomsnitt(data)}"
lag_rapport([])
---------------------------------------------------------------------------
ZeroDivisionError Traceback (most recent call last)
Cell In[1], line 9
5 def lag_rapport(data):
6 return f"Gjennomsnittet er {gjennomsnitt(data)}"
7
8
----> 9 lag_rapport([])
Cell In[1], line 6, in lag_rapport(data)
5 def lag_rapport(data):
----> 6 return f"Gjennomsnittet er {gjennomsnitt(data)}"
Cell In[1], line 2, in gjennomsnitt(tall)
1 def gjennomsnitt(tall):
----> 2 return sum(tall) / len(tall)
ZeroDivisionError: division by zero
Les tracebacken nedenfra:
Siste linje:
ZeroDivisionError: division by zero. Vi delte på null.Pilen peker på
return sum(tall) / len(tall)inne igjennomsnitt– det er der delingen skjer.Rammen over viser at
gjennomsnittble kalt fralag_rapport, som ble kalt fralag_rapport([]).
Den egentlige feilen er ikke i gjennomsnitt – den er at noen sendte inn en
tom liste. Linjenummeret Python gir deg er der feilen oppstod, ikke alltid der
årsaken ligger. En assert len(tall) > 0, "listen er tom" øverst i funksjonen
(som i uke 2) ville gjort feilmeldingen tydeligere.
2. De vanligste Python-feilene#
TypeError – en operasjon på feil datatype#
antall_punkt = "120"
print(antall_punkt + 5)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
Cell In[3], line 3
1 antall_punkt = "120"
2
----> 3 print(antall_punkt + 5)
TypeError: can only concatenate str (not "int") to str
TypeError: can only concatenate str (not "int") to str. antall_punkt er en
streng ("120" med hermetegn), ikke et tall. Feilmeldingen sier nøyaktig hvilke
to typer som ikke passer sammen. Fiks: int(antall_punkt) + 5.
Dette er grunnen til at 02_assertions lot TypeError passere i stedet for å
fange den med en assert – meldingen er allerede tydelig nok.
IndexError og KeyError – noe finnes ikke#
byer = ["Oslo", "Bergen", "Trondheim"]
print(byer[5])
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
Cell In[4], line 3
1 byer = ["Oslo", "Bergen", "Trondheim"]
2
----> 3 print(byer[5])
IndexError: list index out of range
IndexError: list index out of range. Lista har tre element (indeks 0, 1, 2), og
det finnes ingen indeks 5. Husk at Python teller fra 0, så siste element er
byer[len(byer) - 1] eller byer[-1].
KeyError er den samme feilen for ordbøker:
attributter = {"navn": "Ås", "befolkning": 10962}
print(attributter["areal"])
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
Cell In[5], line 3
1 attributter = {"navn": "Ås", "befolkning": 10962}
2
----> 3 print(attributter["areal"])
KeyError: 'areal'
KeyError: 'areal' – det finnes ingen nøkkel "areal". Skriv
attributter.keys() for å se hvilke nøkler som faktisk finnes.
SyntaxError og IndentationError – Python skjønner ikke koden#
Disse to oppstår før koden kjører, så de kan ikke «fanges». De vanligste er manglende kolon og feil innrykk:
for by in byer
print(by)
gir
Cell In[1], line 1
for by in byer
^
SyntaxError: expected ':'
Python viser deg omtrent hvor den ble forvirret med en ^. Se etter manglende
:, ubalanserte parenteser () / klammer [], eller et innrykk som ikke stemmer
med linjene rundt.
3. Feil du møter med pandas og geopandas#
Her lager vi et lite datasett å feile på, uten å måtte lese noen fil:
import geopandas as gpd
from shapely.geometry import Point
byer = gpd.GeoDataFrame(
{"navn": ["Oslo", "Bergen", "Ås"], "befolkning": [709037, 291940, 10962]},
geometry=[Point(10.75, 59.91), Point(5.32, 60.39), Point(10.78, 59.66)],
crs="EPSG:4326",
)
byer
| navn | befolkning | geometry | |
|---|---|---|---|
| 0 | Oslo | 709037 | POINT (10.75 59.91) |
| 1 | Bergen | 291940 | POINT (5.32 60.39) |
| 2 | Ås | 10962 | POINT (10.78 59.66) |
FileNotFoundError / DriverError – stien er feil#
data = gpd.read_file("data/finnes_ikke.gpkg")
---------------------------------------------------------------------------
DataSourceError Traceback (most recent call last)
Cell In[7], line 1
----> 1 data = gpd.read_file("data/finnes_ikke.gpkg")
File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/geopandas/io/file.py:322, in _read_file(filename, bbox, mask, columns, rows, engine, **kwargs)
319 filename = response.read()
321 if engine == "pyogrio":
--> 322 return _read_file_pyogrio(
323 filename, bbox=bbox, mask=mask, columns=columns, rows=rows, **kwargs
324 )
326 elif engine == "fiona":
327 if pd.api.types.is_file_like(filename):
File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/geopandas/io/file.py:582, in _read_file_pyogrio(path_or_bytes, bbox, mask, rows, **kwargs)
573 warnings.warn(
574 "The 'include_fields' and 'ignore_fields' keywords are deprecated, and "
575 "will be removed in a future release. You can use the 'columns' keyword "
(...) 578 stacklevel=3,
579 )
580 kwargs["columns"] = kwargs.pop("include_fields")
--> 582 return pyogrio.read_dataframe(path_or_bytes, bbox=bbox, **kwargs)
File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pyogrio/geopandas.py:382, in read_dataframe(path_or_buffer, layer, encoding, columns, read_geometry, force_2d, skip_features, max_features, where, bbox, mask, fids, sql, sql_dialect, fid_as_index, use_arrow, on_invalid, arrow_to_pandas_kwargs, datetime_as_string, mixed_offsets_as_utc, **kwargs)
374 gdal_force_2d = False if use_arrow else force_2d
376 # Always read datetimes as string values to preserve (mixed) time zone info
377 # correctly. If arrow is not used, it is needed because numpy does not
378 # directly support time zones + performance is also a lot better. If arrow
379 # is used, needed because datetime columns don't support mixed time zone
380 # offsets + e.g. for .fgb files time zone info isn't handled correctly even
381 # for unique time zone offsets if datetimes are not read as string.
--> 382 result = read_func(
383 path_or_buffer,
384 layer=layer,
385 encoding=encoding,
386 columns=columns,
387 read_geometry=read_geometry,
388 force_2d=gdal_force_2d,
389 skip_features=skip_features,
390 max_features=max_features,
391 where=where,
392 bbox=bbox,
393 mask=mask,
394 fids=fids,
395 sql=sql,
396 sql_dialect=sql_dialect,
397 return_fids=fid_as_index,
398 datetime_as_string=True,
399 **kwargs,
400 )
402 if use_arrow:
403 import pyarrow as pa
File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pyogrio/raw.py:200, in read(path_or_buffer, layer, encoding, columns, read_geometry, force_2d, skip_features, max_features, where, bbox, mask, fids, sql, sql_dialect, return_fids, datetime_as_string, **kwargs)
59 """Read OGR data source into numpy arrays.
60
61 IMPORTANT: non-linear geometry types (e.g., MultiSurface) are converted
(...) 196
197 """
198 dataset_kwargs = _preprocess_options_key_value(kwargs) if kwargs else {}
--> 200 return ogr_read(
201 get_vsi_path_or_buffer(path_or_buffer),
202 layer=layer,
203 encoding=encoding,
204 columns=columns,
205 read_geometry=read_geometry,
206 force_2d=force_2d,
207 skip_features=skip_features,
208 max_features=max_features or 0,
209 where=where,
210 bbox=bbox,
211 mask=_mask_to_wkb(mask),
212 fids=fids,
213 sql=sql,
214 sql_dialect=sql_dialect,
215 return_fids=return_fids,
216 dataset_kwargs=dataset_kwargs,
217 datetime_as_string=datetime_as_string,
218 )
File pyogrio/_io.pyx:1708, in pyogrio._io.ogr_read()
-> 1708 'Could not get source, probably due dynamically evaluated source code.'
File pyogrio/_io.pyx:290, in pyogrio._io.ogr_open()
--> 290 'Could not get source, probably due dynamically evaluated source code.'
DataSourceError: data/finnes_ikke.gpkg: No such file or directory
geopandas klarer ikke å åpne en fil som ikke er der. Sjekk:
Er stien relativ til der notebooken kjører?
pathlib.Path().resolve()viser arbeidsmappa (se03_filstier).Finnes fila?
pathlib.Path("data/finnes_ikke.gpkg").exists()girTrue/False.Er filnavn og filendelse riktig skrevet?
AttributeError – metoden eller egenskapen finnes ikke#
byer.to_crs("EPSG:25833").centorid
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Cell In[10], line 1
----> 1 byer.to_crs("EPSG:25833").centorid
File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pandas/core/generic.py:6434, in NDFrame.__getattr__(self, name)
6430 and name not in self._accessors
6431 and self._info_axis._can_hold_identifiers_and_holds_name(name)
6432 ):
6433 return self[name]
-> 6434 return object.__getattribute__(self, name)
AttributeError: 'GeoDataFrame' object has no attribute 'centorid'
AttributeError: 'GeoDataFrame' object has no attribute 'centorid'. Skrivefeil
for centroid. Samme feil får du hvis du kaller en geometri-metode på et vanlig
DataFrame (uten geometrikolonne), eller bruker et gammelt metodenavn som er
fjernet i en nyere versjon av pakka.
Et sjekkpunkt for uke 5#
En feil som ikke gir noen feilmelding: hvis du gjør en romlig kobling
(sjoin, uke 5) mellom to lag med forskjellig CRS, får du ofte et helt tomt
resultat i stedet for en feil. Derfor sjekker forelesningsnotebookene alltid
assert lag_a.crs == lag_b.crs før en kobling. Mer om dette i uke 5.
4. Når det ikke kommer noen feilmelding#
De farligste feilene er de som gir deg et svar – bare feil svar.
Advarsel: geometrisk beregning i et geografisk CRS#
from shapely.geometry import Polygon
ruter = gpd.GeoDataFrame(
{"id": [1, 2]},
geometry=[
Polygon([(10.7, 59.9), (10.8, 59.9), (10.8, 60.0), (10.7, 60.0)]),
Polygon([(10.8, 59.9), (10.9, 59.9), (10.9, 60.0), (10.8, 60.0)]),
],
crs="EPSG:4326",
)
ruter.area
/tmp/ipykernel_2968/3808978670.py:12: UserWarning: Geometry is in a geographic CRS. Results from 'area' are likely incorrect. Use 'GeoSeries.to_crs()' to re-project geometries to a projected CRS before this operation.
ruter.area
0 0.01
1 0.01
dtype: float64
Koden kjører, men skriver ut en UserWarning: Geometry is in a geographic CRS. Results from 'area' are likely incorrect. og noen bittesmå tall. Arealet regnes
ut i grader, ikke meter. En advarsel (Warning) stopper ikke koden – men den
skal tas like alvorlig som en feil. Fiks: reprojiser først.
ruter.to_crs("EPSG:25833").area
0 6.229747e+07
1 6.229347e+07
dtype: float64
Nå får du areal i kvadratmeter, som forventet.
SettingWithCopyWarning – du endrer kanskje ikke det du tror#
store = byer[byer["befolkning"] > 100000]
store["kategori"] = "storby"
store er her bare et utsnitt (view) av byer, ikke en selvstendig kopi. På
eldre pandas-versjoner gir dette en SettingWithCopyWarning om at tilordningen
kanskje ikke gjør det du forventer; på nyere versjoner kan endringen i stillhet
ikke slå gjennom på byer. Uansett: når du skal endre et filtrert datasett, be
eksplisitt om en kopi.
store = byer[byer["befolkning"] > 100000].copy()
store["kategori"] = "storby"
store
| navn | befolkning | geometry | kategori | |
|---|---|---|---|---|
| 0 | Oslo | 709037 | POINT (10.75 59.91) | storby |
| 1 | Bergen | 291940 | POINT (5.32 60.39) | storby |
Stille feil: et tomt resultat#
byer[byer["navn"] == "oslo"]
| navn | befolkning | geometry |
|---|
Ingen feil – men null rader, fordi "oslo" ikke er det samme som "Oslo". Når
et filter gir uventet lite, sjekk:
len(resultat)ellerresultat.shapede faktiske verdiene:
byer["navn"].unique()store/små bokstaver og mellomrom
Ugyldig geometri#
sloyfe = Polygon([(0, 0), (1, 1), (1, 0), (0, 1)]) # kantene krysser hverandre
print(sloyfe.is_valid)
False
False. Polygonet krysser seg selv. Slike geometrier gir ofte ikke feil med det
samme, men kan gi feil areal, eller en TopologyException senere i en
overlay-operasjon (uke 7). De fleste kan repareres med make_valid:
import shapely
reparert = shapely.make_valid(sloyfe)
print(reparert.is_valid)
True
5. En feilsøkingsarbeidsflyt#
Når noe feiler, gjør dette i rekkefølge:
Les den siste linja i tracebacken. Feiltype + melding sier som regel hva som er galt.
Finn linjenummeret (pilen
---->), men se også på linjene rett over – årsaken kan ligge tidligere.Sjekk verdiene. Skriv ut det du tror du har:
print(x),type(x),x.shape,x.dtypes,x.crs,list(x.columns),x.head().Isoler. Kjør en liten del av cella for seg, eller del cella i to.
Lag et minimalt eksempel med bare noen få rader – ofte ser du feilen da.
Bruk
asserttil å sjekke antakelsene dine tidlig (CRS, at en kolonne finnes, at et datasett ikke er tomt).Søk på feilmeldingsteksten. Bytt ut dine egne variabelnavn med generelle ord. Du kan også be et KI-verktøy forklare meldingen – men behandle svaret som et forslag du må verifisere, ikke en fasit (se siden om bruk av KI).
6. Sjekk din forståelse#
Oppgave 1#
Cellen under feiler. Uten å kjøre den: hvilken feiltype får du, og hva er årsaken?
kommuner = gpd.GeoDataFrame(
{"navn": ["Ås", "Vestby"], "innbyggere": [23000, 18000]},
geometry=[Point(10.78, 59.66), Point(10.75, 59.60)],
crs="EPSG:4326",
)
kommuner["befolkning"].sum()
Løsningsforslag
KeyError: 'befolkning'. Kolonnen heter innbyggere, ikke befolkning. Sjekk
med list(kommuner.columns). Feilen kommer fra kommuner["befolkning"], før
.sum() i det hele tatt kjører.
Oppgave 2#
Denne koden kjører uten feil, men resultatet er feil. Hva er galt?
kommuner.to_crs("EPSG:4326")
kommuner.geometry.area
Løsningsforslag
To ting:
kommuner.to_crs("EPSG:4326")returnerer en ny GeoDataFrame – den endrer ikkekommuner. Utenkommuner = kommuner.to_crs(...)skjer ingenting.Selv med tilordning er 4326 et geografisk CRS, så
.areagir enUserWarningog tall i grader. Reprojiser til et projisert CRS (f.eks.EPSG:25833) før du regner areal.
7. Oppsummering#
Feil / advarsel |
Vanlig årsak |
Hva du sjekker |
|---|---|---|
|
Skrivefeil, eller celle ikke kjørt |
Stavemåte; kjør cellene ovenfra og ned |
|
Operasjon på feil datatype |
|
|
Element / nøkkel / kolonne finnes ikke |
|
|
Manglende |
|
|
Feil sti eller filnavn |
|
|
Skrivefeil i metodenavn, feil objekttype, utdatert API |
Stavemåte; |
|
|
|
|
Endrer et utsnitt, ikke en kopi |
Legg til |
Tomt resultat, ingen feil |
Store/små bokstaver, mellomrom, CRS-mismatch |
|
Feilmeldinger er en ferdighet du bygger opp ved å møte dem. Hver gang du løser én, går neste gang raskere.