Python의 NaN 출력 문제 해결: 파일 기반 계산의 오류 수정

파일에서 양수와 음수의 별도 평균 계산

파일 데이터를 읽고, 평균을 계산하고, 누락된 값을 강력하게 처리하는 Python 백엔드 스크립트입니다.

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')

모듈식 및 재사용 가능한 코드로 다양한 데이터 형식 처리

다양한 데이터 형식에 대한 향상된 모듈식 구조 및 오류 처리 기능을 갖춘 Python 백엔드 스크립트입니다.

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')

파일 기반 평균 계산 프로그램의 단위 테스트

다양한 입력 시나리오에 대한 정확한 평균 계산을 보장하기 위한 Python 단위 테스트입니다.

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()

Python NaN 및 오류 처리에 대한 일반적인 질문

1. 무엇을 float('NaN') 파이썬에서 합니까?
2. 이 명령은 "NaN"(숫자가 아님)으로 인식되는 특수 부동 소수점 값을 생성합니다. 계산이 정의되지 않은 경우나 프로그램에서 누락된 데이터에 플래그를 지정해야 하는 경우를 처리하는 데 유용합니다.
3. 내 출력이 특정 형식 요구 사항과 일치하는지 어떻게 확인할 수 있나요?
4. 다음과 같은 방법을 사용하여 replace() 출력이 표시되는 방식을 제어할 수 있습니다. 예를 들어, replace('nan', 'NaN') 특정 테스트 시스템에서 요구되는 대로 "NaN" 값이 올바른 대소문자로 표시되는지 확인할 수 있습니다.
5. 왜? try...except 파일 기반 프로그램에서 중요한가요?
6. 그만큼 try...except 블록은 행에 유효하지 않은 데이터가 포함될 수 있는 경우 오류 처리에 중요합니다. 라인을 부동 소수점으로 변환할 수 없는 경우 프로그램이 충돌하는 것을 방지하여 코드를 더욱 안정적으로 만듭니다.
7. 인라인 조건문이란 무엇이며 왜 사용합니까?
8. 다음과 같은 인라인 조건부 sum(numbers) / len(numbers) if numbers else float('NaN') 목록에 값이 있는 경우와 같이 특정 조건이 충족되는 경우에만 작업을 수행할 수 있습니다. 이는 0으로 나누기와 같은 오류를 피하는 데 이상적입니다.
9. 어떻게 with open(file_name, 'r') 명령 작업?
10. 이 명령은 읽기 모드에서 파일을 열고 나중에 자동으로 닫습니다. "with"를 사용하면 파일이 제대로 닫히므로 리소스 관리에 도움이 되고 실수로 파일을 열어 두는 오류를 방지할 수 있습니다.
11. Python에서 값이 "NaN"인지 테스트할 수 있나요?
12. 예, 사용할 수 있습니다 math.isnan() 값이 "NaN"인지 확인합니다. 이는 계산이나 출력에서 ​​"NaN" 값의 형식을 지정하거나 제외하려는 경우 특히 유용합니다.
13. 자동 채점에서 형식 일관성이 중요한 이유는 무엇입니까?
14. 자동화된 시스템은 정확한 형식을 사용하므로 사소한 차이(예: "NaN" 대신 "nan")로 인해 오류가 발생할 수 있습니다. 다음과 같은 일관된 방법을 사용합니다. replace() 포맷을 하면 이러한 문제를 방지할 수 있습니다.
15. 목록을 사용하면 Python에서 데이터 분류가 어떻게 단순화되나요?
16. 목록을 사용하면 데이터를 긍정 및 부정과 같은 범주로 분리할 수 있으므로 각 범주에 대한 별도의 통계를 간단하게 계산할 수 있습니다. 조건에 따라 목록에 값을 추가하는 것은 효율적이며 코드를 체계적으로 유지합니다.
17. 인라인 조건문은 무엇이며 언제 사용해야 합니까?
18. 인라인 조건문을 사용하면 조건이 충족되는 경우에만 코드를 실행하는 간결한 한 줄 문이 가능합니다. 예를 들어 목록에 값이 있는 경우에만 평균을 계산하여 오류를 방지합니다.
19. 테스트를 위해 인쇄 출력을 리디렉션하려면 어떻게 해야 합니까?
20. 사용하여 StringIO 그리고 sys.stdout 리디렉션을 사용하면 테스트에서 출력을 캡처하여 예상 결과와 일치하는지 확인할 수 있습니다. 이는 프로그램 출력의 유효성을 검사하려는 단위 테스트의 일반적인 관행입니다.
21. 목적은 무엇입니까? tearDown 단위 테스트에서?
22. ~ 안에 unittest 프레임워크, tearDown() 임시 파일 제거와 같은 테스트 후 정리에 사용됩니다. 이렇게 하면 각 테스트가 새로운 환경에서 시작되어 테스트 간의 데이터 간섭을 방지할 수 있습니다.

솔루션 마무리

이 과제는 Python에서 평균을 계산할 때 양수 또는 음수 누락과 같은 특수 사례를 처리하는 것이 얼마나 중요한지 보여줍니다. 조건문과 형식 조정을 사용하면 필요할 때 "NaN"이 반환되어 빈 데이터 목록에서 발생하는 오류를 방지할 수 있습니다.

Python의 도구는 다음과 같습니다. 시도해 보세요...제외 그리고 플로트('NaN') 유연한 오류 관리가 가능해 예상치 못한 데이터를 더 쉽게 처리할 수 있습니다. 이러한 관행은 과제, 자동화된 테스트 및 정확한 출력 형식이 필요한 모든 상황을 다루는 프로그래머에게 매우 중요합니다. 🚀