💻 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:

  1. Siste linje: ZeroDivisionError: division by zero. Vi delte på null.

  2. Pilen peker på return sum(tall) / len(tall) inne i gjennomsnitt – det er der delingen skjer.

  3. Rammen over viser at gjennomsnitt ble kalt fra lag_rapport, som ble kalt fra lag_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#

NameError – et navn Python ikke kjenner#

koordinater = [10.75, 59.91]

print(kordinater)   # skrivefeil: mangler en «o»
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[2], line 3
      1 koordinater = [10.75, 59.91]
      2 
----> 3 print(kordinater)   # skrivefeil: mangler en «o»

NameError: name 'kordinater' is not defined

NameError: name 'kordinater' is not defined. Nesten alltid én av to ting:

  • en skrivefeil i variabel- eller funksjonsnavnet, eller

  • du har ikke kjørt cellen der navnet ble definert (eller kjørte cellene i feil rekkefølge).

I en notebook: sjekk at du har kjørt cellene over, ovenfra og ned. Kernel -> Restart & Run All fjerner all tvil om rekkefølge.

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 (se 03_filstier).

  • Finnes fila? pathlib.Path("data/finnes_ikke.gpkg").exists() gir True/False.

  • Er filnavn og filendelse riktig skrevet?

KeyError – kolonnenavnet stemmer ikke#

byer["Befolkning"]
---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pandas/core/indexes/base.py:3816, in Index.get_loc(self, key)
   3815 try:
-> 3816     return self._engine.get_loc(casted_key)
   3817 except KeyError as err:

File pandas/_libs/index.pyx:172, in pandas._libs.index.IndexEngine.get_loc()
--> 172 'Could not get source, probably due dynamically evaluated source code.'

File pandas/_libs/index.pyx:201, in pandas._libs.index.IndexEngine.get_loc()
--> 201 'Could not get source, probably due dynamically evaluated source code.'

File pandas/_libs/hashtable_class_helper.pxi:7726, in pandas._libs.hashtable.PyObjectHashTable.get_item()
-> 7726 'Could not get source, probably due dynamically evaluated source code.'

File pandas/_libs/hashtable_class_helper.pxi:7734, in pandas._libs.hashtable.PyObjectHashTable.get_item()
-> 7734 'Could not get source, probably due dynamically evaluated source code.'

KeyError: 'Befolkning'

The above exception was the direct cause of the following exception:

KeyError                                  Traceback (most recent call last)
Cell In[8], line 1
----> 1 byer["Befolkning"]

File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/geopandas/geodataframe.py:1933, in GeoDataFrame.__getitem__(self, key)
   1927 def __getitem__(self, key):
   1928     """
   1929     If the result is a column containing only 'geometry', return a
   1930     GeoSeries. If it's a DataFrame with any columns of GeometryDtype,
   1931     return a GeoDataFrame.
   1932     """
-> 1933     result = super().__getitem__(key)
   1934     # Custom logic to avoid waiting for pandas GH51895
   1935     # result is not geometry dtype for multi-indexes
   1936     if (
   1937         pd.api.types.is_scalar(key)
   1938         and key == ""
   (...)   1941         and not is_geometry_type(result)
   1942     ):

File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pandas/core/frame.py:4330, in DataFrame.__getitem__(self, key)
   4326 
   4327         if is_single_key:
   4328             if self.columns.nlevels > 1:
   4329                 return self._getitem_multilevel(key)
-> 4330             indexer = self.columns.get_loc(key)
   4331             if is_integer(indexer):
   4332                 indexer = [indexer]  # type: ignore[assignment]
   4333         else:

File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pandas/core/indexes/base.py:3823, in Index.get_loc(self, key)
   3818     if isinstance(casted_key, slice) or (
   3819         isinstance(casted_key, abc.Iterable)
   3820         and any(isinstance(x, slice) for x in casted_key)
   3821     ):
   3822         raise InvalidIndexError(key) from err
-> 3823     raise KeyError(key) from err
   3824 except TypeError:
   3825     # If we have a listlike key, _check_indexing_error will raise
   3826     #  InvalidIndexError. Otherwise we fall through and re-raise
   3827     #  the TypeError.
   3828     self._check_indexing_error(key)

KeyError: 'Befolkning'

KeyError: 'Befolkning'. Kolonnen heter befolkning med liten b. Kolonnenavn er følsomme for store/små bokstaver og skjulte mellomrom. Sjekk alltid hva de heter:

print(list(byer.columns))
['navn', 'befolkning', 'geometry']

Hvis et navn har et mellomrom du ikke ser ("befolkning "), kan du rydde opp med byer.columns = byer.columns.str.strip().

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) eller resultat.shape

  • de 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:

  1. Les den siste linja i tracebacken. Feiltype + melding sier som regel hva som er galt.

  2. Finn linjenummeret (pilen ---->), men se også på linjene rett over – årsaken kan ligge tidligere.

  3. Sjekk verdiene. Skriv ut det du tror du har: print(x), type(x), x.shape, x.dtypes, x.crs, list(x.columns), x.head().

  4. Isoler. Kjør en liten del av cella for seg, eller del cella i to.

  5. Lag et minimalt eksempel med bare noen få rader – ofte ser du feilen da.

  6. Bruk assert til å sjekke antakelsene dine tidlig (CRS, at en kolonne finnes, at et datasett ikke er tomt).

  7. 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()

Oppgave 2#

Denne koden kjører uten feil, men resultatet er feil. Hva er galt?

kommuner.to_crs("EPSG:4326")
kommuner.geometry.area

7. Oppsummering#

Feil / advarsel

Vanlig årsak

Hva du sjekker

NameError

Skrivefeil, eller celle ikke kjørt

Stavemåte; kjør cellene ovenfra og ned

TypeError

Operasjon på feil datatype

type(x); er «tallet» egentlig en streng?

IndexError / KeyError

Element / nøkkel / kolonne finnes ikke

len(), .keys(), list(df.columns)

SyntaxError / IndentationError

Manglende :, ubalansert ()/[], feil innrykk

^-markøren; linjene rundt

FileNotFoundError / DriverError

Feil sti eller filnavn

Path(...).exists(), Path().resolve()

AttributeError

Skrivefeil i metodenavn, feil objekttype, utdatert API

Stavemåte; type(x); pakkeversjon

UserWarning om geografisk CRS

.area / .length / .centroid i EPSG:4326

df.crs; reprojiser med to_crs()

SettingWithCopyWarning

Endrer et utsnitt, ikke en kopi

Legg til .copy() etter filtreringen

Tomt resultat, ingen feil

Store/små bokstaver, mellomrom, CRS-mismatch

.shape, .unique(), assert a.crs == b.crs

Feilmeldinger er en ferdighet du bygger opp ved å møte dem. Hver gang du løser én, går neste gang raskere.