Lỗi thống kê Python thường gặp và cách sửa (scipy)
Bài 7/7 · Chương 13
Lỗi và hiểu sai thường gặp
- 9 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 24
Lỗi thống kê Python thường gặp khi gọi scipy.stats và statsmodels được gom ở đây thành 12 mục, xếp theo việc bạn đang làm: kiểm định, tương quan, bảng chéo, phân phối, hồi quy. Mỗi mục có đoạn code sai, dòng cuối của thông báo lỗi mà thư viện thật sự in ra, nghĩa của dòng đó, cách sửa, và link về bài dạy kỹ; cuối trang là các cảnh báo và cách đọc sai kết quả không báo lỗi gì.
Cách tìm lỗi của bạn trên trang này
Khi chương trình báo lỗi, Python in một đoạn traceback. Dòng quan trọng nhất là dòng cuối: tên lỗi đứng trước dấu hai chấm, lời giải thích đứng sau. Hãy chép vài từ sau dấu hai chấm (như must be nonnegative), tìm chúng trên trang (Ctrl+F), rồi so đoạn code của mình với đoạn code sai của mục tìm được. Cách đọc cả đoạn traceback có ở bài traceback.
Các dòng cuối dưới đây chạy trên scipy 1.18.0 và statsmodels 0.14.6, giống nhau trên Python 3.12, 3.13 và 3.14. Bản scipy cũ hơn có thể in câu khác cho cùng một lỗi. Lỗi của pandas khi đọc và làm sạch dữ liệu nằm ở trang lỗi thường gặp trong pandas.
Các mục theo tên lỗi:
ValueError: mục 1, 3, 4, 7, 8, 9, 12
TypeError: mục 2, 5, 6, 10, 11
Lỗi của statsmodels có bảng riêng ở nhóm Hồi quy với statsmodels.
Kiểm định
Các lỗi này đến từ dữ liệu đưa vào hàm kiểm định: độ dài, kiểu, ô trống, tham số chữ.
1. Kiểm định t cặp với hai cột dài khác nhau
from scipy import stats
truoc = [72, 68, 75, 80]
sau = [70, 66, 74]
stats.ttest_rel(truoc, sau)
Dòng cuối của thông báo lỗi:
ValueError: Array shapes are incompatible for broadcasting.
Python gọi lỗi này là ValueError. Kiểm định t cặp trừ từng cặp trước và sau của cùng một người, nên hai dãy phải cùng độ dài; ở đây một người thiếu số đo sau.
Cách sửa: bỏ cả cặp của người thiếu số đo, chẳng hạn bằng dropna() trên bảng hai cột, rồi mới gọi ttest_rel(). Ôn lại: kiểm định t cặp.
2. Kiểm định trên cột số đọc thành chữ
import pandas as pd
from scipy import stats
lop_a = pd.Series(["7,5", "8", "6,5"])
lop_b = pd.Series(["8,5", "9", "7"])
stats.ttest_ind(lop_a, lop_b)
Dòng cuối của thông báo lỗi:
TypeError: unsupported operand type(s) for /: 'str' and 'int'
Python gọi lỗi này là TypeError. Cột có dấu phẩy thập phân kiểu Việt Nam được đọc thành chuỗi, và scipy không chia được chuỗi cho số.
Cách sửa: đổi dấu phẩy rồi đổi kiểu, pd.to_numeric(lop_a.str.replace(",", ".")), hay đọc file bằng pd.read_csv(..., decimal=","). Trang to_numeric() nói thêm. Ôn lại: kiểm định t hai mẫu.
3. Viết tham số alternative bằng tiếng Việt
from scipy import stats
stats.ttest_ind([31, 35, 29], [38, 41, 36], alternative="nhỏ hơn")
Dòng cuối của thông báo lỗi:
ValueError: `alternative` must be 'less', 'greater', or 'two-sided'.
Python gọi lỗi này là ValueError. alternative chỉ nhận ba chuỗi tiếng Anh cố định.
Cách sửa: alternative="less" khi H₁ nói nhóm đầu nhỏ hơn, "greater" khi lớn hơn, "two-sided" (mặc định) cho hai phía. Ôn lại: mức ý nghĩa và kiểm định một phía.
4. Đặt nan_policy="raise" khi dữ liệu còn ô trống
import numpy as np
from scipy import stats
a = np.array([6.5, 7.0, np.nan, 8.0])
stats.ttest_1samp(a, 7, nan_policy="raise")
Dòng cuối của thông báo lỗi:
ValueError: The input contains nan values
Python gọi lỗi này là ValueError. "raise" cố ý dừng chương trình khi gặp NaN, để ô trống không lọt vào kết quả.
Cách sửa: bỏ ô trống bằng nan_policy="omit" hay dropna(), rồi ghi số quan sát còn lại. Trang nan_policy so ba lựa chọn. Ôn lại: kiểm định t một mẫu.
5. Đưa một cột duy nhất vào f_oneway()
from scipy import stats
diem = [7.5, 8.0, 6.5, 9.0, 7.0, 8.5]
stats.f_oneway(diem)
Dòng cuối của thông báo lỗi:
TypeError: At least two samples are required; got 1.
Python gọi lỗi này là TypeError. ANOVA so ít nhất hai nhóm, mỗi nhóm là một đối số riêng; một list điểm chưa tách nhóm chỉ là một mẫu.
Cách sửa: tách điểm theo nhóm rồi truyền từng nhóm, stats.f_oneway(lop_a, lop_b, lop_c); với bảng dài, lấy các nhóm bằng groupby(). Ôn lại: ANOVA một nhân tố.
Tương quan
Hai lỗi của pearsonr(): tham số nó không có, và hai dãy lệch độ dài.
6. Truyền nan_policy cho pearsonr()
from scipy import stats
stats.pearsonr([2.0, 3.5, 5.0], [6.0, 7.5, 8.0], nan_policy="omit")
Dòng cuối của thông báo lỗi:
TypeError: pearsonr() got an unexpected keyword argument 'nan_policy'
Python gọi lỗi này là TypeError. Khác phần lớn hàm kiểm định, pearsonr() của scipy 1.18.0 không có tham số nan_policy.
Cách sửa: bỏ dòng có ô trống trên cả bảng hai cột bằng bang.dropna() rồi gọi pearsonr(); trang nan_policy giải thích vì sao phải bỏ cả cặp. Ôn lại: kiểm định hệ số tương quan.
7. Hai dãy tương quan dài khác nhau
from scipy import stats
gio_hoc = [2, 3, 5, 1, 4]
diem = [6, 7, 9, 5]
stats.pearsonr(gio_hoc, diem)
Dòng cuối của thông báo lỗi:
ValueError: `x` and `y` must be broadcastable.
Python gọi lỗi này là ValueError. Tương quan cần từng cặp (giờ học, điểm) của cùng một người; một dãy thiếu phần tử thì không ghép cặp được.
Cách sửa: giữ hai cột trong cùng một bảng và lấy chúng từ bảng đó sau khi làm sạch, thay vì gõ hai list riêng. Ôn lại: kiểm định hệ số tương quan.
Bảng chéo
Kiểm định chi bình phương cần một bảng số đếm: không âm, không có hàng hay cột toàn 0.
8. Bảng chéo có một cột toàn 0
from scipy import stats
stats.chi2_contingency([[18, 12, 0], [25, 9, 0]])
Dòng cuối của thông báo lỗi:
ValueError: The internally computed table of expected frequencies has a zero element at (np.int64(0), np.int64(2)).
Python gọi lỗi này là ValueError. Cột thứ ba có tổng 0 nên ô mong đợi bằng 0, và χ² phải chia cho ô đó.
Cách sửa: bỏ hàng, cột có tổng 0 trước khi kiểm định; trang expected frequencies has a zero element chỉ cách lọc và quy tắc ô mong đợi từ 5. Ôn lại: kiểm định chi bình phương.
9. Đưa bảng chênh lệch vào chi2_contingency()
from scipy import stats
chenh = [[5, -1], [3, 4]]
stats.chi2_contingency(chenh)
Dòng cuối của thông báo lỗi:
ValueError: All values in `observed` must be nonnegative.
Python gọi lỗi này là ValueError. Bảng có số âm thường là bảng chênh lệch (tháng này trừ tháng trước) hay phần trăm thay đổi, không phải số đếm.
Cách sửa: truyền bảng số đếm gốc của từng nhóm. Ôn lại: kiểm định chi bình phương.
Phân phối và khoảng tin cậy
Các đối tượng phân phối của scipy có tên tham số riêng, và mức tin cậy là số từ 0 tới 1.
10. Gọi t.ppf() thiếu bậc tự do
from scipy import stats
stats.t.ppf(0.975)
Dòng cuối của thông báo lỗi:
TypeError: _parse_args() missing 1 required positional argument: 'df'
Python gọi lỗi này là TypeError. Phân phối t cần bậc tự do df; không có giá trị mặc định.
Cách sửa: stats.t.ppf(0.975, df=24) với df = n - 1 cho khoảng tin cậy của một trung bình. Ôn lại: phân phối Student t.
11. Đặt tên tham số mean, sd cho norm
from scipy import stats
stats.norm(mean=50, sd=8)
Dòng cuối của thông báo lỗi:
TypeError: _parse_args() got an unexpected keyword argument 'mean'
Python gọi lỗi này là TypeError. Mọi phân phối của scipy dùng chung hai tên loc (vị trí) và scale (độ rộng); với phân phối chuẩn, đó là trung bình và độ lệch chuẩn.
Cách sửa: stats.norm(loc=50, scale=8). Ôn lại: phân phối chuẩn.
12. Viết mức tin cậy 95 thay cho 0.95
from scipy import stats
stats.t.interval(95, df=24, loc=50.2, scale=1.6)
Dòng cuối của thông báo lỗi:
ValueError: alpha must be between 0 and 1 inclusive
Python gọi lỗi này là ValueError. Tham số đầu của interval() là mức tin cậy dạng tỉ lệ, từ 0 tới 1.
Cách sửa: viết 0.95 cho khoảng 95%. Ôn lại: khoảng tin cậy cho trung bình.
Hồi quy với statsmodels
statsmodels kiểm dữ liệu chặt hơn scipy: ô trống, vô cực và cột chữ đều dừng chương trình. Trang này chạy ở mức scipy, nên hai lỗi hay gặp nhất của statsmodels có trang riêng chạy được statsmodels:
Lỗi | Nguyên nhân | Trang sửa |
|---|---|---|
| X còn | |
| cột số đọc thành chữ | đổi kiểu bằng to_numeric(), rồi xem hồi quy đơn |
Cảnh báo và kết quả nan không dừng chương trình
Những trường hợp dưới đây không có dòng lỗi: chương trình chạy tiếp và in một con số, hay một cảnh báo lẫn trong kết quả. Vì vậy chúng dễ lọt vào báo cáo hơn mọi lỗi ở trên.
Dấu hiệu | Nguyên nhân hay gặp | Trang sửa |
|---|---|---|
| mọi giá trị gần như bằng nhau | |
| dữ liệu có ô trống, | |
| mẫu quá lớn cho cách tính p của Shapiro-Wilk | |
| một cột không đổi, tương quan không xác định | |
| xác suất viết thành phần trăm | |
Hệ số OLS đều | ô trống ở cột y, không có |
Các trang sửa cho xem câu cảnh báo đầy đủ và cách bắt cảnh báo trong code.
Hiểu sai kết quả
Code chạy đúng mà kết luận vẫn sai: đây là lỗi hay gặp nhất của người làm thống kê, và không thư viện nào báo.
Đọc p-value là xác suất H₀ đúng, đọc p > 0,05 là "không khác biệt", đọc p nhỏ là khác biệt lớn: bài sáu cách hiểu sai p-value.
Chạy hai mươi kiểm định rồi báo cái có p < 0,05: bài so sánh nhiều lần.
Thấy tương quan rồi kết luận nguyên nhân: bài tương quan và nhân quả.
Xem kết quả A/B test mỗi ngày và dừng khi thấy p < 0,05: bài lỗi khi chạy A/B test.
Dùng
ddof=0cho phương sai mẫu: bài phương sai mẫu chia n − 1.
Câu hỏi thường gặp
Lỗi scipy stats của tôi không có trong 12 mục này thì làm sao?
Đọc dòng cuối của thông báo để biết tên lỗi, rồi đọc phần mô tả tham số của hàm trong tài liệu scipy: câu của scipy thường nói thẳng tham số nào sai. Trang bảng tra scipy.stats liệt kê tham số hay dùng của từng hàm.
Vì sao cùng đoạn code, máy tôi in câu lỗi khác?
Thường do khác bản scipy. In scipy.__version__; các câu trên trang là của scipy 1.18.0. Bài cài đặt scipy và statsmodels chỉ cách kiểm và nâng bản.
Có nên tắt hết cảnh báo cho gọn không?
Không nên tắt hết. Cảnh báo của scipy thường báo đúng chỗ kết quả không đáng tin, như mục precision loss hay shapiro ở trên. Chỉ lọc một cảnh báo cụ thể khi đã hiểu nó, như bài cảnh báo trong Python chỉ cách.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.