استكشاف أخطاء إخراج NaN في Python وإصلاحها: إصلاح الأخطاء في الحسابات المستندة إلى الملفات

حساب المتوسطات المنفصلة للأرقام الموجبة والسالبة من ملف

برنامج Python الخلفي لقراءة بيانات الملف وحساب المتوسطات والتعامل مع القيم المفقودة بقوة.

def calculate_averages(file_name):
    """Calculate and print average of negative and positive numbers from a file.
    Args:
        file_name (str): Name of the file containing numbers, one per line.
    Returns:
        None (prints averages directly).
    """
    negatives = []
    positives = []
    # Read the file and categorize numbers
    with open(file_name, 'r') as file:
        for line in file:
            try:
                num = float(line.strip())
                if num < 0:
                    negatives.append(num)
                elif num > 0:
                    positives.append(num)
            except ValueError:
                # Ignore lines that aren't valid numbers
                continue
    # Calculate averages with NaN fallback
    neg_avg = sum(negatives) / len(negatives) if negatives else float('NaN')
    pos_avg = sum(positives) / len(positives) if positives else float('NaN')
    # Print averages to match Pearson's expected format
    print(f"{neg_avg:.1f}".replace('nan', 'NaN'))
    print(f"{pos_avg:.1f}".replace('nan', 'NaN'))

# Call the function with test file
calculate_averages('numbers.txt')

التعامل مع تنسيقات البيانات المختلفة باستخدام التعليمات البرمجية المعيارية والقابلة لإعادة الاستخدام

البرنامج النصي للواجهة الخلفية لـ Python مع بنية معيارية محسنة ومعالجة الأخطاء لتنسيقات البيانات المختلفة.

import math
def calculate_average(numbers):
    """Helper function to calculate average, returning NaN if list is empty."""
    return sum(numbers) / len(numbers) if numbers else float('NaN')

def parse_numbers(file_name):
    """Parse numbers from file, categorize them into positives and negatives."""
    negatives, positives = [], []
    with open(file_name, 'r') as file:
        for line in file:
            try:
                num = float(line.strip())
                if num < 0:
                    negatives.append(num)
                elif num > 0:
                    positives.append(num)
            except ValueError:
                continue
    return negatives, positives

def display_averages(neg_avg, pos_avg):
    """Prints averages in a specific format."""
    neg_output = str(neg_avg) if not math.isnan(neg_avg) else "NaN"
    pos_output = str(pos_avg) if not math.isnan(pos_avg) else "NaN"
    print(neg_output)
    print(pos_output)

# Main function to tie all parts together
def main(file_name):
    negatives, positives = parse_numbers(file_name)
    neg_avg = calculate_average(negatives)
    pos_avg = calculate_average(positives)
    display_averages(neg_avg, pos_avg)

# Execute main function with file input
main('numbers.txt')

اختبار الوحدة لبرنامج حساب المتوسط ​​القائم على الملفات

اختبارات وحدة بايثون لضمان الحساب المتوسط ​​الصحيح لسيناريوهات الإدخال المختلفة.

import unittest
from io import StringIO
import sys

class TestCalculateAverages(unittest.TestCase):
    def setUp(self):
        self.file_name = 'test_numbers.txt'

    def test_both_positives_and_negatives(self):
        with open(self.file_name, 'w') as f:
            f.write("-5\n-10\n15\n20\n")
        output = StringIO()
        sys.stdout = output
        main(self.file_name)
        sys.stdout = sys.__stdout__
        self.assertEqual(output.getvalue().strip(), "-7.5\n17.5")

    def test_no_negatives(self):
        with open(self.file_name, 'w') as f:
            f.write("10\n20\n30\n")
        output = StringIO()
        sys.stdout = output
        main(self.file_name)
        sys.stdout = sys.__stdout__
        self.assertEqual(output.getvalue().strip(), "NaN\n20.0")

    def test_no_positives(self):
        with open(self.file_name, 'w') as f:
            f.write("-10\n-20\n-30\n")
        output = StringIO()
        sys.stdout = output
        main(self.file_name)
        sys.stdout = sys.__stdout__
        self.assertEqual(output.getvalue().strip(), "-20.0\nNaN")

    def tearDown(self):
        import os
        os.remove(self.file_name)

# Run the tests
unittest.main()

أسئلة شائعة حول Python NaN ومعالجة الأخطاء

1. ماذا يفعل float('NaN') تفعل في بايثون؟
2. ينشئ هذا الأمر قيمة عائمة خاصة يتم التعرف عليها على أنها "NaN" (ليست رقمًا). إنه مفيد في التعامل مع الحالات التي تكون فيها العملية الحسابية غير محددة أو عندما تحتاج إلى وضع علامة على البيانات المفقودة في برنامجك.
3. كيف يمكنني التأكد من أن مخرجاتي تتوافق مع متطلبات التنسيق المحددة؟
4. باستخدام أساليب مثل replace() يسمح لك بالتحكم في كيفية ظهور مخرجاتك. على سبيل المثال، replace('nan', 'NaN') يمكن أن تضمن ظهور قيم "NaN" الخاصة بك في الحالة الصحيحة، كما هو مطلوب في أنظمة اختبار معينة.
5. لماذا try...except مهم في البرامج القائمة على الملفات؟
6. ال try...except تعد الكتلة أمرًا بالغ الأهمية لمعالجة الأخطاء في الحالات التي قد تحتوي فيها الأسطر على بيانات غير صالحة. فهو يمنع البرنامج من التعطل إذا تعذر تحويل السطر إلى خط عائم، مما يجعل التعليمات البرمجية أكثر موثوقية.
7. ما هو الشرط المضمن ولماذا استخدامه؟
8. مثل شرطي مضمن sum(numbers) / len(numbers) if numbers else float('NaN') يسمح لك بتنفيذ عملية فقط عند استيفاء شروط معينة، على سبيل المثال عندما تحتوي القائمة على قيم. يعد هذا مثاليًا لتجنب الأخطاء مثل القسمة على صفر.
9. كيف with open(file_name, 'r') عمل الأمر؟
10. يفتح هذا الأمر ملفًا في وضع القراءة ويغلقه تلقائيًا بعد ذلك. يضمن استخدام "مع" إغلاق الملف بشكل صحيح، مما يساعد في إدارة الموارد وتجنب الأخطاء الناتجة عن ترك الملفات مفتوحة عن طريق الخطأ.
11. هل يمكنني اختبار ما إذا كانت القيمة هي "NaN" في بايثون؟
12. نعم، يمكنك استخدام math.isnan() للتحقق مما إذا كانت القيمة هي "NaN". يعد هذا مفيدًا بشكل خاص عندما تريد تنسيق أو استبعاد قيم "NaN" في العمليات الحسابية أو المخرجات.
13. ما سبب أهمية تناسق التنسيق في التقدير الآلي؟
14. تعتمد الأنظمة الآلية على التنسيق الدقيق، لذا فإن الاختلافات البسيطة (مثل "nan" بدلاً من "NaN") يمكن أن تسبب أخطاء. باستخدام أساليب متسقة مثل replace() للتنسيق يمنع هذه المشاكل.
15. كيف يؤدي استخدام القوائم إلى تبسيط تصنيف البيانات في بايثون؟
16. تسمح لك القوائم بفصل البيانات إلى فئات مثل الإيجابيات والسلبيات، مما يجعل حساب الإحصائيات المنفصلة لكل فئة أمرًا سهلاً. يعد إلحاق القيم بالقوائم بناءً على الشروط أمرًا فعالاً ويحافظ على تنظيم التعليمات البرمجية.
17. ما هي الشروط الشرطية المضمنة، ومتى يجب استخدامها؟
18. تسمح الشروط المضمنة بعبارات موجزة من سطر واحد تنفذ التعليمات البرمجية فقط في حالة استيفاء الشرط. على سبيل المثال، حساب المتوسط ​​فقط في حالة وجود قيم في القائمة، مما يمنع الأخطاء.
19. كيف يمكنني إعادة توجيه مخرجات الطباعة للاختبار؟
20. باستخدام StringIO و sys.stdout إعادة التوجيه، يمكنك التقاط المخرجات في الاختبارات للتحقق من مطابقتها للنتائج المتوقعة. هذه ممارسة شائعة في اختبار الوحدة حيث تريد التحقق من صحة مخرجات البرنامج.
21. ما هو الغرض من tearDown في اختبارات الوحدة؟
22. في unittest الأطر, tearDown() يتم استخدامه للتنظيف بعد الاختبارات، مثل إزالة الملفات المؤقتة. وهذا يضمن أن كل اختبار يبدأ ببيئة جديدة، مما يمنع تداخل البيانات بين الاختبارات.

التفاف الحل

يوضح هذا التدريب أهمية التعامل مع الحالات الخاصة، مثل فقدان القيم الإيجابية أو السلبية، عند حساب المتوسطات في بايثون. باستخدام العبارات الشرطية وتعديلات التنسيق، يمكنك التأكد من إرجاع "NaN" عند الحاجة، مما يمنع أي أخطاء من قوائم البيانات الفارغة.

أدوات بايثون مثل حاول...إلا و تعويم ('NaN') السماح بإدارة الأخطاء بشكل مرن، مما يسهل التعامل مع البيانات غير المتوقعة. تعتبر مثل هذه الممارسات لا تقدر بثمن بالنسبة للمبرمجين الذين يتعاملون مع المهام والاختبارات الآلية وأي موقف يتطلب تنسيقًا دقيقًا للمخرجات. 🚀