ಪೈಥಾನ್‌ನಲ್ಲಿ NaN ಔಟ್‌ಪುಟ್ ಅನ್ನು ನಿವಾರಿಸುವುದು: ಫೈಲ್-ಆಧಾರಿತ ಲೆಕ್ಕಾಚಾರಗಳಲ್ಲಿನ ದೋಷಗಳನ್ನು ಸರಿಪಡಿಸುವುದು

ಫೈಲ್‌ನಿಂದ ಧನಾತ್ಮಕ ಮತ್ತು ಋಣಾತ್ಮಕ ಸಂಖ್ಯೆಗಳ ಪ್ರತ್ಯೇಕ ಸರಾಸರಿಗಳನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು

ಪೈಥಾನ್ ಬ್ಯಾಕೆಂಡ್ ಸ್ಕ್ರಿಪ್ಟ್ ಫೈಲ್ ಡೇಟಾವನ್ನು ಓದಲು, ಸರಾಸರಿಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲು ಮತ್ತು ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳನ್ನು ದೃಢವಾಗಿ ನಿರ್ವಹಿಸಲು.

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')

ಮಾಡ್ಯುಲರ್ ಮತ್ತು ಮರುಬಳಕೆ ಮಾಡಬಹುದಾದ ಕೋಡ್‌ನೊಂದಿಗೆ ವಿಭಿನ್ನ ಡೇಟಾ ಸ್ವರೂಪಗಳನ್ನು ನಿರ್ವಹಿಸುವುದು

ವಿವಿಧ ಡೇಟಾ ಸ್ವರೂಪಗಳಿಗೆ ಸುಧಾರಿತ ಮಾಡ್ಯುಲರ್ ರಚನೆ ಮತ್ತು ದೋಷ ನಿರ್ವಹಣೆಯೊಂದಿಗೆ ಪೈಥಾನ್ ಬ್ಯಾಕೆಂಡ್ ಸ್ಕ್ರಿಪ್ಟ್.

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')

ಫೈಲ್-ಆಧಾರಿತ ಸರಾಸರಿ ಲೆಕ್ಕಾಚಾರ ಕಾರ್ಯಕ್ರಮಕ್ಕಾಗಿ ಘಟಕ ಪರೀಕ್ಷೆ

ವಿಭಿನ್ನ ಇನ್‌ಪುಟ್ ಸನ್ನಿವೇಶಗಳಿಗೆ ಸರಿಯಾದ ಸರಾಸರಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಪೈಥಾನ್ ಘಟಕ ಪರೀಕ್ಷೆಗಳು.

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()

ಪೈಥಾನ್ NaN ಮತ್ತು ದೋಷ ನಿರ್ವಹಣೆಯ ಬಗ್ಗೆ ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆಗಳು

1. ಏನು ಮಾಡುತ್ತದೆ float('NaN') ಪೈಥಾನ್‌ನಲ್ಲಿ ಮಾಡುವುದೇ?
2. ಈ ಆಜ್ಞೆಯು "NaN" (ಸಂಖ್ಯೆಯಲ್ಲ) ಎಂದು ಗುರುತಿಸಲಾದ ವಿಶೇಷ ಫ್ಲೋಟ್ ಮೌಲ್ಯವನ್ನು ರಚಿಸುತ್ತದೆ. ಲೆಕ್ಕಾಚಾರವನ್ನು ವಿವರಿಸಲಾಗದ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅಥವಾ ನಿಮ್ಮ ಪ್ರೋಗ್ರಾಂನಲ್ಲಿ ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ನೀವು ಫ್ಲ್ಯಾಗ್ ಮಾಡಬೇಕಾದಾಗ ಪ್ರಕರಣಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಇದು ಉಪಯುಕ್ತವಾಗಿದೆ.
3. ನನ್ನ ಔಟ್‌ಪುಟ್ ನಿರ್ದಿಷ್ಟ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಅವಶ್ಯಕತೆಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ ಎಂದು ನಾನು ಹೇಗೆ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬಹುದು?
4. ಮುಂತಾದ ವಿಧಾನಗಳನ್ನು ಬಳಸುವುದು replace() ನಿಮ್ಮ ಔಟ್‌ಪುಟ್ ಹೇಗೆ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ ಎಂಬುದನ್ನು ನಿಯಂತ್ರಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, replace('nan', 'NaN') ಕೆಲವು ಪರೀಕ್ಷಾ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಅಗತ್ಯವಿರುವಂತೆ ನಿಮ್ಮ "NaN" ಮೌಲ್ಯಗಳು ಸರಿಯಾದ ಸಂದರ್ಭದಲ್ಲಿ ಗೋಚರಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬಹುದು.
5. ಏಕೆ ಆಗಿದೆ try...except ಫೈಲ್ ಆಧಾರಿತ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿ ಮುಖ್ಯವೇ?
6. ದಿ try...except ಸಾಲುಗಳು ಅಮಾನ್ಯವಾದ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುವ ಸಂದರ್ಭಗಳಲ್ಲಿ ದೋಷ ನಿರ್ವಹಣೆಗೆ ಬ್ಲಾಕ್ ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಲೈನ್ ಅನ್ನು ಫ್ಲೋಟ್‌ಗೆ ಪರಿವರ್ತಿಸಲಾಗದಿದ್ದರೆ ಅದು ಪ್ರೋಗ್ರಾಂ ಕ್ರ್ಯಾಶ್ ಆಗುವುದನ್ನು ತಡೆಯುತ್ತದೆ, ಕೋಡ್ ಅನ್ನು ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿಸುತ್ತದೆ.
7. ಇನ್‌ಲೈನ್ ಷರತ್ತು ಎಂದರೇನು ಮತ್ತು ಅದನ್ನು ಏಕೆ ಬಳಸಬೇಕು?
8. ಇನ್‌ಲೈನ್ ಷರತ್ತುಬದ್ಧ ಹಾಗೆ sum(numbers) / len(numbers) if numbers else float('NaN') ಪಟ್ಟಿಯು ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿರುವಂತಹ ಕೆಲವು ಷರತ್ತುಗಳನ್ನು ಪೂರೈಸಿದಾಗ ಮಾತ್ರ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ನಿರ್ವಹಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಶೂನ್ಯದಿಂದ ವಿಭಜನೆಯಂತಹ ದೋಷಗಳನ್ನು ತಪ್ಪಿಸಲು ಇದು ಸೂಕ್ತವಾಗಿದೆ.
9. ಹೇಗೆ ಮಾಡುತ್ತದೆ with open(file_name, 'r') ಆಜ್ಞೆಯ ಕೆಲಸ?
10. ಈ ಆಜ್ಞೆಯು ರೀಡ್ ಮೋಡ್‌ನಲ್ಲಿ ಫೈಲ್ ಅನ್ನು ತೆರೆಯುತ್ತದೆ ಮತ್ತು ನಂತರ ಅದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಮುಚ್ಚುತ್ತದೆ. "with" ಅನ್ನು ಬಳಸುವುದರಿಂದ ಫೈಲ್ ಸರಿಯಾಗಿ ಮುಚ್ಚುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಇದು ಸಂಪನ್ಮೂಲ ನಿರ್ವಹಣೆಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು ಆಕಸ್ಮಿಕವಾಗಿ ಫೈಲ್‌ಗಳನ್ನು ತೆರೆಯುವುದರಿಂದ ದೋಷಗಳನ್ನು ತಪ್ಪಿಸುತ್ತದೆ.
11. ಪೈಥಾನ್‌ನಲ್ಲಿ ಮೌಲ್ಯವು “NaN” ಆಗಿದೆಯೇ ಎಂದು ನಾನು ಪರೀಕ್ಷಿಸಬಹುದೇ?
12. ಹೌದು, ನೀವು ಬಳಸಬಹುದು math.isnan() ಮೌಲ್ಯವು "NaN" ಆಗಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು ಲೆಕ್ಕಾಚಾರಗಳು ಅಥವಾ ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ "NaN" ಮೌಲ್ಯಗಳನ್ನು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡಲು ಅಥವಾ ಹೊರಗಿಡಲು ನೀವು ಬಯಸಿದಾಗ ಇದು ವಿಶೇಷವಾಗಿ ಸಹಾಯಕವಾಗಿರುತ್ತದೆ.
13. ಸ್ವಯಂಚಾಲಿತ ಶ್ರೇಣೀಕರಣದಲ್ಲಿ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಸ್ಥಿರತೆ ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ?
14. ಸ್ವಯಂಚಾಲಿತ ವ್ಯವಸ್ಥೆಗಳು ನಿಖರವಾದ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಅನ್ನು ಅವಲಂಬಿಸಿವೆ, ಆದ್ದರಿಂದ ಸಣ್ಣ ವ್ಯತ್ಯಾಸಗಳು ("NaN" ಬದಲಿಗೆ "nan" ನಂತಹ) ದೋಷಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು. ಮುಂತಾದ ಸ್ಥಿರವಾದ ವಿಧಾನಗಳನ್ನು ಬಳಸುವುದು replace() ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಈ ಸಮಸ್ಯೆಗಳನ್ನು ತಡೆಯುತ್ತದೆ.
15. ಪಟ್ಟಿಗಳನ್ನು ಬಳಸುವುದು ಪೈಥಾನ್‌ನಲ್ಲಿ ಡೇಟಾವನ್ನು ವರ್ಗೀಕರಿಸುವುದನ್ನು ಹೇಗೆ ಸರಳಗೊಳಿಸುತ್ತದೆ?
16. ಡೇಟಾವನ್ನು ಧನಾತ್ಮಕ ಮತ್ತು ನಿರಾಕರಣೆಗಳಂತಹ ವರ್ಗಗಳಾಗಿ ಪ್ರತ್ಯೇಕಿಸಲು ಪಟ್ಟಿಗಳು ನಿಮಗೆ ಅವಕಾಶ ಮಾಡಿಕೊಡುತ್ತವೆ, ಇದು ಪ್ರತಿ ವರ್ಗಕ್ಕೂ ಪ್ರತ್ಯೇಕ ಅಂಕಿಅಂಶಗಳನ್ನು ನೇರವಾಗಿ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ. ಷರತ್ತುಗಳ ಆಧಾರದ ಮೇಲೆ ಪಟ್ಟಿಗಳಿಗೆ ಮೌಲ್ಯಗಳನ್ನು ಸೇರಿಸುವುದು ಪರಿಣಾಮಕಾರಿಯಾಗಿರುತ್ತದೆ ಮತ್ತು ಕೋಡ್ ಅನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿರಿಸುತ್ತದೆ.
17. ಇನ್ಲೈನ್ ​​ಷರತ್ತುಗಳು ಯಾವುವು ಮತ್ತು ಅವುಗಳನ್ನು ಯಾವಾಗ ಬಳಸಬೇಕು?
18. ಷರತ್ತನ್ನು ಪೂರೈಸಿದರೆ ಮಾತ್ರ ಕೋಡ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಂಕ್ಷಿಪ್ತ ಒಂದು ಸಾಲಿನ ಹೇಳಿಕೆಗಳಿಗೆ ಇನ್‌ಲೈನ್ ಷರತ್ತುಗಳು ಅನುಮತಿಸುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಪಟ್ಟಿಯಲ್ಲಿ ಮೌಲ್ಯಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿದ್ದರೆ ಮಾತ್ರ ಸರಾಸರಿಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು, ದೋಷಗಳನ್ನು ತಡೆಯುವುದು.
19. ಪರೀಕ್ಷೆಗಾಗಿ ನಾನು ಮುದ್ರಣ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಮರುನಿರ್ದೇಶಿಸಬಹುದು?
20. ಬಳಸುವ ಮೂಲಕ StringIO ಮತ್ತು sys.stdout ಮರುನಿರ್ದೇಶನ, ನಿರೀಕ್ಷಿತ ಫಲಿತಾಂಶಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು ನೀವು ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸೆರೆಹಿಡಿಯಬಹುದು. ನೀವು ಪ್ರೋಗ್ರಾಂ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮೌಲ್ಯೀಕರಿಸಲು ಬಯಸುವ ಘಟಕ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಇದು ಸಾಮಾನ್ಯ ಅಭ್ಯಾಸವಾಗಿದೆ.
21. ಇದರ ಉದ್ದೇಶವೇನು tearDown ಘಟಕ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ?
22. ರಲ್ಲಿ unittest ಚೌಕಟ್ಟುಗಳು, tearDown() ತಾತ್ಕಾಲಿಕ ಫೈಲ್‌ಗಳನ್ನು ತೆಗೆದುಹಾಕುವಂತಹ ಪರೀಕ್ಷೆಗಳ ನಂತರ ಸ್ವಚ್ಛಗೊಳಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಇದು ಪ್ರತಿ ಪರೀಕ್ಷೆಯು ತಾಜಾ ಪರಿಸರದೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುವುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಪರೀಕ್ಷೆಗಳ ನಡುವೆ ಡೇಟಾ ಹಸ್ತಕ್ಷೇಪವನ್ನು ತಡೆಯುತ್ತದೆ.

ಪರಿಹಾರವನ್ನು ಸುತ್ತಿಕೊಳ್ಳುವುದು

ಪೈಥಾನ್‌ನಲ್ಲಿ ಸರಾಸರಿಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವಾಗ ಕಾಣೆಯಾದ ಧನಾತ್ಮಕ ಅಥವಾ ಋಣಾತ್ಮಕ ಮೌಲ್ಯಗಳಂತಹ ವಿಶೇಷ ಪ್ರಕರಣಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಈ ನಿಯೋಜನೆಯು ತೋರಿಸುತ್ತದೆ. ಷರತ್ತುಬದ್ಧ ಹೇಳಿಕೆಗಳು ಮತ್ತು ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಹೊಂದಾಣಿಕೆಗಳನ್ನು ಬಳಸುವ ಮೂಲಕ, ಅಗತ್ಯವಿದ್ದಾಗ "NaN" ಅನ್ನು ಹಿಂತಿರುಗಿಸಲಾಗುತ್ತದೆ ಎಂದು ನೀವು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುತ್ತೀರಿ, ಖಾಲಿ ಡೇಟಾ ಪಟ್ಟಿಗಳಿಂದ ಯಾವುದೇ ದೋಷಗಳನ್ನು ತಡೆಯುತ್ತದೆ.

ಪೈಥಾನ್ ಉಪಕರಣಗಳು ಹಾಗೆ ಪ್ರಯತ್ನಿಸಿ... ಹೊರತುಪಡಿಸಿ ಮತ್ತು ಫ್ಲೋಟ್ ('NaN') ಹೊಂದಿಕೊಳ್ಳುವ ದೋಷ ನಿರ್ವಹಣೆಗೆ ಅವಕಾಶ ಮಾಡಿಕೊಡಿ, ಅನಿರೀಕ್ಷಿತ ಡೇಟಾವನ್ನು ನಿಭಾಯಿಸಲು ಸುಲಭವಾಗುತ್ತದೆ. ನಿಯೋಜನೆಗಳು, ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷೆಗಳು ಮತ್ತು ನಿಖರವಾದ ಔಟ್‌ಪುಟ್ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ಅಗತ್ಯವಿರುವ ಯಾವುದೇ ಪರಿಸ್ಥಿತಿಯನ್ನು ನಿಭಾಯಿಸುವ ಪ್ರೋಗ್ರಾಮರ್‌ಗಳಿಗೆ ಇಂತಹ ಅಭ್ಯಾಸಗಳು ಅತ್ಯಮೂಲ್ಯವಾಗಿವೆ. 🚀