पायथन में NaN आउटपुट का समस्या निवारण: फ़ाइल-आधारित गणनाओं में त्रुटियों को ठीक करना

एक फ़ाइल से सकारात्मक और नकारात्मक संख्याओं के अलग-अलग औसत की गणना करना

फ़ाइल डेटा को पढ़ने, औसत की गणना करने और लापता मानों को मजबूती से संभालने के लिए पायथन बैकएंड स्क्रिप्ट।

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')

मॉड्यूलर और पुन: प्रयोज्य कोड के साथ विभिन्न डेटा प्रारूपों को संभालना

विभिन्न डेटा प्रारूपों के लिए बेहतर मॉड्यूलर संरचना और त्रुटि प्रबंधन के साथ पायथन बैकएंड स्क्रिप्ट।

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')

फ़ाइल-आधारित औसत गणना कार्यक्रम के लिए इकाई परीक्षण

विभिन्न इनपुट परिदृश्यों के लिए सही औसत गणना सुनिश्चित करने के लिए पायथन इकाई परीक्षण।

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()

पायथन NaN और त्रुटि प्रबंधन के बारे में सामान्य प्रश्न

1. क्या करता है float('NaN') पायथन में करें?
2. यह कमांड एक विशेष फ्लोट वैल्यू बनाता है जिसे "NaN" (संख्या नहीं) के रूप में पहचाना जाता है। यह उन मामलों को संभालने के लिए उपयोगी है जहां गणना अपरिभाषित है या जब आपको अपने प्रोग्राम में लापता डेटा को चिह्नित करने की आवश्यकता होती है।
3. मैं यह कैसे सुनिश्चित कर सकता हूं कि मेरा आउटपुट विशिष्ट स्वरूपण आवश्यकताओं से मेल खाता है?
4. जैसे तरीकों का उपयोग करना replace() आपको यह नियंत्रित करने की अनुमति देता है कि आपका आउटपुट कैसा दिखाई देगा। उदाहरण के लिए, replace('nan', 'NaN') यह सुनिश्चित कर सकता है कि आपके "NaN" मान सही स्थिति में दिखाई दें, जैसा कि कुछ परीक्षण प्रणालियों में आवश्यक है।
5. क्यों try...except फ़ाइल-आधारित प्रोग्रामों में महत्वपूर्ण है?
6. try...except उन मामलों में त्रुटि प्रबंधन के लिए ब्लॉक महत्वपूर्ण है जहां लाइनों में अमान्य डेटा हो सकता है। यदि किसी लाइन को फ़्लोट में परिवर्तित नहीं किया जा सकता है तो यह प्रोग्राम को क्रैश होने से रोकता है, जिससे कोड अधिक विश्वसनीय हो जाता है।
7. इनलाइन कंडीशनल क्या है और इसका उपयोग क्यों करें?
8. एक इनलाइन सशर्त की तरह sum(numbers) / len(numbers) if numbers else float('NaN') आपको केवल तभी कोई ऑपरेशन करने की अनुमति देता है जब कुछ शर्तें पूरी होती हैं, जैसे कि जब किसी सूची में मान हों। यह शून्य से भाग देने जैसी त्रुटियों से बचने के लिए आदर्श है।
9. कैसे करता है with open(file_name, 'r') आदेश कार्य?
10. यह कमांड किसी फ़ाइल को रीड मोड में खोलता है और बाद में स्वचालित रूप से बंद कर देता है। "विथ" का उपयोग यह सुनिश्चित करता है कि फ़ाइल ठीक से बंद हो, जो संसाधन प्रबंधन में मदद करती है और गलती से फ़ाइलों को खुला छोड़ने से होने वाली त्रुटियों से बचाती है।
11. क्या मैं परीक्षण कर सकता हूं कि पायथन में कोई मान "NaN" है या नहीं?
12. हाँ, आप उपयोग कर सकते हैं math.isnan() यह जांचने के लिए कि कोई मान "NaN" है या नहीं। यह विशेष रूप से तब सहायक होता है जब आप गणना या आउटपुट में "NaN" मानों को प्रारूपित करना या बाहर करना चाहते हैं।
13. स्वचालित ग्रेडिंग में फ़ॉर्मेटिंग एकरूपता क्यों महत्वपूर्ण है?
14. स्वचालित सिस्टम सटीक स्वरूपण पर निर्भर करते हैं, इसलिए मामूली अंतर (जैसे "NaN" के बजाय "nan") त्रुटियों का कारण बन सकते हैं। जैसे सुसंगत तरीकों का उपयोग करना replace() क्योंकि स्वरूपण इन समस्याओं को रोकता है।
15. सूचियों का उपयोग पायथन में डेटा को वर्गीकृत करने को कैसे सरल बनाता है?
16. सूचियाँ आपको डेटा को सकारात्मक और नकारात्मक जैसी श्रेणियों में अलग करने की अनुमति देती हैं, जिससे प्रत्येक श्रेणी के लिए अलग-अलग आंकड़ों की गणना करना आसान हो जाता है। शर्तों के आधार पर सूचियों में मान जोड़ना कुशल है और कोड को व्यवस्थित रखता है।
17. इनलाइन कंडीशनल क्या हैं और उनका उपयोग कब किया जाना चाहिए?
18. इनलाइन कंडीशनल संक्षिप्त एक-पंक्ति कथनों की अनुमति देते हैं जो शर्त पूरी होने पर ही कोड निष्पादित करते हैं। उदाहरण के लिए, किसी सूची में मान मौजूद होने पर ही औसत की गणना करना, त्रुटियों को रोकना।
19. मैं परीक्षण के लिए प्रिंट आउटपुट को पुनर्निर्देशित कैसे कर सकता हूं?
20. का उपयोग करके StringIO और sys.stdout पुनर्निर्देशन, आप यह सत्यापित करने के लिए परीक्षणों में आउटपुट कैप्चर कर सकते हैं कि यह अपेक्षित परिणामों से मेल खाता है। यूनिट परीक्षण में यह एक सामान्य अभ्यास है जहां आप प्रोग्राम आउटपुट को मान्य करना चाहते हैं।
21. का उद्देश्य क्या है tearDown यूनिट परीक्षणों में?
22. में unittest ढाँचे, tearDown() परीक्षण के बाद सफ़ाई के लिए उपयोग किया जाता है, जैसे अस्थायी फ़ाइलें हटाना। यह सुनिश्चित करता है कि प्रत्येक परीक्षण एक नए वातावरण के साथ शुरू हो, जिससे परीक्षणों के बीच डेटा हस्तक्षेप को रोका जा सके।

समाधान लपेटना

यह असाइनमेंट पायथन में औसत की गणना करते समय विशेष मामलों को संभालने के महत्व को दर्शाता है, जैसे लापता सकारात्मक या नकारात्मक मान। सशर्त बयानों और स्वरूपण समायोजनों का उपयोग करके, आप यह सुनिश्चित करते हैं कि जरूरत पड़ने पर "NaN" लौटाया जाता है, जिससे खाली डेटा सूचियों में कोई त्रुटि नहीं होती है।

Python के टूल जैसे कोशिश करें...सिवाय और फ़्लोट('NaN') लचीले त्रुटि प्रबंधन की अनुमति दें, जिससे अप्रत्याशित डेटा को संभालना आसान हो जाएगा। असाइनमेंट, स्वचालित परीक्षण और सटीक आउटपुट फ़ॉर्मेटिंग की आवश्यकता वाली किसी भी स्थिति से निपटने वाले प्रोग्रामर के लिए ऐसी प्रथाएं अमूल्य हैं। 🚀