statsmodels InfeasibleTestError问题：代码在Python文件执行失败

错误原因 #

报错statsmodels.tools.sm_exceptions.InfeasibleTestError: 输入的x值包含全常量列，无法计算检验统计量的核心原因是：格兰杰因果检验要求输入变量必须有取值波动，全常量列（所有行值完全相同）无法提供有效统计信息，导致检验无法执行。

问题分析 #

你代码里注释的移除常量列逻辑写反了——原来的df.loc[:, df.apply(pd.Series.nunique) == 1]是只保留全常量列，反而会加剧问题。另外Jupyter能运行大概率是因为缓存了之前处理过的数据集，而Python脚本每次重新读取原始Excel文件，直接暴露了数据里的常量列问题。

修复后的代码 #

@app.route('/gct',methods=['POST','GET'])
def gct():
    df = pd.read_excel('data.xlsx')
    nobs = -15
    
    # 移除所有全常量列（仅保留唯一值数量大于1的列）
    df = df.loc[:, df.apply(pd.Series.nunique) != 1]
    
    # 清理列名前后空白，避免潜在的列名匹配问题
    df.columns = df.columns.str.strip()
    
    # 划分训练集和测试集
    X_train, X_test = df[0:-nobs], df[-nobs:]
    
    # 执行格兰杰因果检验
    result = granger.granger_causation_matrix(X_train, variables=X_train.columns)
    print("gct")
    return render_template("gct.html",output=X_train)

额外检查建议 #

• 执行print(df.nunique())可以查看各列的唯一值数量，确认所有列都不是全常量；
• 如果仍有报错，检查是否存在近乎常量的列（比如仅1-2个不同值），这类列也可能影响检验结果，可根据业务需求决定是否移除。

内容的提问来源于stack exchange，提问作者Neha Khairnar