如何为statsmodels遇除零RuntimeWarning时配置Try/Except异常处理以保证数据可视化正常执行

我来帮你搞定这个问题——核心是区分需要忽略的非致命警告和需要捕获的影响流程的警告，同时保证即使统计检验出错，绘图环节依然能正常执行。

步骤1：过滤无需关注的UserWarning #

首先用warnings模块精准屏蔽Shapiro检验的零范围警告（它不中断程序，只是提示结果可能不准，完全可以忽略）：

import warnings

# 仅过滤Shapiro的零范围警告，不影响其他重要警告
warnings.filterwarnings(
    "ignore",
    message="Input data for shapiro has range zero. The results may not be accurate."
)

步骤2：用Try-Except+上下文管理器捕获RuntimeWarning #

对于会导致程序跳过绘图的除零、无效值RuntimeWarning，咱们把统计检验+事后检验的逻辑包裹在容错块里，即使检验出错，后续的绘图代码也会正常执行：

下面是适配你业务流程的完整代码示例：

import scipy.stats as stats
import statsmodels.api as sm
from statsmodels.stats.multicomp import pairwise_tukeyhsd
import matplotlib.pyplot as plt
import seaborn as sns

# 假设你的分组数据存在data_dict中，key为配对名称，value为对应子组的浮点数据列表
for pair_name, subgroup_data in data_dict.items():
    # --- 正态性检验（已过滤无关警告）---
    shapiro_pvals = [stats.shapiro(sub)[1] for sub in subgroup_data]
    is_normal = all(p > 0.05 for p in shapiro_pvals)

    # --- 统计检验+事后检验：容错处理 ---
    stats_result = None
    tukey_result = None
    with warnings.catch_warnings(record=True) as warning_records:
        warnings.simplefilter("always")  # 确保捕获所有RuntimeWarning
        try:
            if is_normal:
                # 重复测量方差分析（这里假设你已整理好适配AnovaRM的数据格式）
                rm_anova = sm.stats.AnovaRM(
                    data=formatted_data,
                    depvar='value',
                    subject='subject_id',
                    within=['subgroup']
                )
                stats_result = rm_anova.fit()
                tukey_result = pairwise_tukeyhsd(
                    endog=formatted_data['value'],
                    groups=formatted_data['subgroup'],
                    alpha=0.05
                )
            else:
                # Friedman检验
                stats_result = stats.friedmanchisquare(*subgroup_data)
                # 适配Tukey检验的数据格式（根据你的实际数据结构调整）
                flat_data = [val for sub in subgroup_data for val in sub]
                group_labels = [f"sub{i}"*len(sub) for i, sub in enumerate(subgroup_data)]
                tukey_result = pairwise_tukeyhsd(endog=flat_data, groups=group_labels, alpha=0.05)
        except RuntimeWarning:
            # 捕获到警告时，打印出错信息方便排查，不中断流程
            print(f"配对[{pair_name}]统计检验出错：{[w.message for w in warning_records]}")
    
    # --- 绘图逻辑：无论检验是否出错，都会执行 ---
    plt.figure(figsize=(10, 6))
    sns.boxplot(data=subgroup_data)
    sns.swarmplot(data=subgroup_data, color="black", size=3)
    plt.title(f"Data Overview: {pair_name}")
    plt.savefig(f"./output_plots/{pair_name}_plot.png", bbox_inches="tight")
    plt.close()

    # --- 保存统计结果（仅当检验成功时）---
    if stats_result and tukey_result:
        with open(f"./output_stats/{pair_name}_results.txt", "w") as f:
            if is_normal:
                f.write("重复测量方差分析结果：\n")
                f.write(str(stats_result.summary()))
            else:
                f.write(f"Friedman检验结果：{stats_result}\n")
            f.write("\nTukey事后检验结果：\n")
            f.write(str(tukey_result.summary()))

关键细节说明 #

• 精准警告过滤：通过指定message参数，只屏蔽Shapiro的特定警告，其他潜在问题的警告依然会显示，方便排查其他bug。
• 容错检验逻辑：用catch_warnings记录警告内容，结合try-except捕获RuntimeWarning，即使检验环节出错，也只会跳过结果保存，不会中断绘图流程。
• 无差别执行绘图：绘图代码完全独立于统计检验的结果，无论检验是否成功，都会生成并保存图表，完美解决你遇到的“缺失图表对应错误数量”的问题。

这样修改后，你的程序就能稳定处理所有数据配对，再也不会因为统计检验的警告跳过绘图啦！

内容的提问来源于stack exchange，提问作者codingRBC