Rješavanje problema s NaN izlazom u Pythonu: popravljanje pogrešaka u izračunima temeljenim na datotekama

Izračunavanje zasebnih prosjeka pozitivnih i negativnih brojeva iz datoteke

Python pozadinska skripta za čitanje podataka datoteke, izračunavanje prosjeka i robusnu obradu vrijednosti koje nedostaju.

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')

Rukovanje različitim formatima podataka s modularnim i višekratnim kodom

Python pozadinska skripta s poboljšanom modularnom strukturom i rukovanjem pogreškama za različite formate podataka.

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')

Jedinično testiranje za program za izračun prosjeka na temelju datoteke

Jedinični testovi Pythona za osiguravanje ispravnog izračuna prosjeka za različite scenarije unosa.

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()

Uobičajena pitanja o Python NaN i rukovanju pogreškama

1. Što znači float('NaN') raditi u Pythonu?
2. Ova naredba stvara posebnu vrijednost float koja se prepoznaje kao "NaN" (nije broj). Korisno je za rukovanje slučajevima kada je izračun nedefiniran ili kada trebate označiti podatke koji nedostaju u vašem programu.
3. Kako mogu osigurati da moj izlaz odgovara određenim zahtjevima za oblikovanje?
4. Koristeći metode poput replace() omogućuje vam kontrolu izgleda vašeg rezultata. Na primjer, replace('nan', 'NaN') može osigurati da se vaše vrijednosti "NaN" prikazuju ispravnim malim i malim slovima, kako je potrebno u određenim sustavima testiranja.
5. Zašto je try...except važno u programima koji se temelje na datotekama?
6. The try...except blok je ključan za rukovanje pogreškama u slučajevima kada linije mogu sadržavati nevažeće podatke. Sprječava rušenje programa ako se linija ne može pretvoriti u float, čineći kod pouzdanijim.
7. Što je umetnuti uvjet i zašto ga koristiti?
8. Umetnuti uvjet like sum(numbers) / len(numbers) if numbers else float('NaN') omogućuje izvođenje operacije samo kada su zadovoljeni određeni uvjeti, kao što je kada popis ima vrijednosti. Ovo je idealno za izbjegavanje pogrešaka poput dijeljenja s nulom.
9. Kako se with open(file_name, 'r') komandni rad?
10. Ova naredba otvara datoteku u načinu čitanja i automatski je zatvara nakon toga. Korištenje "with" osigurava pravilno zatvaranje datoteke, što pomaže u upravljanju resursima i izbjegava pogreške koje nastaju slučajnim ostavljanjem datoteka otvorenima.
11. Mogu li testirati je li vrijednost "NaN" u Pythonu?
12. Da, možete koristiti math.isnan() da biste provjerili je li vrijednost "NaN." Ovo je osobito korisno kada želite formatirati ili isključiti "NaN" vrijednosti u izračunima ili izlazu.
13. Zašto je dosljednost oblikovanja važna u automatskom ocjenjivanju?
14. Automatizirani sustavi oslanjaju se na točno formatiranje, tako da manje razlike (poput "nan" umjesto "NaN") mogu uzrokovati pogreške. Koristeći dosljedne metode kao što su replace() jer formatiranje sprječava te probleme.
15. Kako upotreba popisa pojednostavljuje kategorizaciju podataka u Pythonu?
16. Popisi vam omogućuju razdvajanje podataka u kategorije kao što su pozitivni i negativni, što izračun zasebne statistike za svaku kategoriju čini jednostavnim. Dodavanje vrijednosti popisima na temelju uvjeta učinkovito je i održava kod organiziranim.
17. Što su ugrađeni uvjeti i kada ih treba koristiti?
18. Umetnuti uvjeti dopuštaju sažete izjave u jednom retku koje izvršavaju kod samo ako je uvjet ispunjen. Na primjer, izračunavanje prosjeka samo ako vrijednosti postoje na popisu, sprječavajući pogreške.
19. Kako mogu preusmjeriti ispis za testiranje?
20. Korištenjem StringIO i sys.stdout preusmjeravanje, možete snimiti izlaz u testovima kako biste provjerili odgovara li očekivanim rezultatima. Ovo je uobičajena praksa u testiranju jedinica gdje želite potvrditi izlaz programa.
21. Koja je svrha tearDown u jediničnim testovima?
22. U unittest okviri, tearDown() koristi se za čišćenje nakon testova, poput uklanjanja privremenih datoteka. To osigurava da svaki test počinje s novim okruženjem, sprječavajući interferenciju podataka između testova.

Sažimanje rješenja

Ovaj zadatak pokazuje važnost rukovanja posebnim slučajevima, kao što su nedostajuće pozitivne ili negativne vrijednosti, pri izračunavanju prosjeka u Pythonu. Upotrebom uvjetnih naredbi i prilagodbi oblikovanja osiguravate da se "NaN" vraća kada je to potrebno, sprječavajući sve pogreške iz praznih popisa podataka.

Pythonovi alati poput pokušaj...osim i float('NaN') omogućuju fleksibilno upravljanje pogreškama, što olakšava rukovanje neočekivanim podacima. Takve su prakse neprocjenjive za programere koji se bave zadacima, automatiziranim testovima i bilo kojom situacijom koja zahtijeva precizno formatiranje izlaza. 🚀