पायथनमधील NaN आउटपुटचे समस्यानिवारण: फाइल-आधारित गणनेतील त्रुटींचे निराकरण करणे

फाइलमधून सकारात्मक आणि ऋण संख्यांची वेगळी सरासरी काढणे

फाइल डेटा वाचण्यासाठी, सरासरीची गणना करण्यासाठी आणि हरवलेली मूल्ये मजबूतपणे हाताळण्यासाठी पायथन बॅकएंड 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 आणि पुन्हा वापरता येण्याजोग्या कोडसह भिन्न डेटा स्वरूप हाताळणे

सुधारित मॉड्यूलर रचना आणि विविध डेटा स्वरूपांसाठी त्रुटी हाताळणीसह पायथन बॅकएंड स्क्रिप्ट.

१

फाइल-आधारित सरासरी गणना कार्यक्रमासाठी युनिट चाचणी

वेगवेगळ्या इनपुट परिस्थितींसाठी योग्य सरासरी गणना सुनिश्चित करण्यासाठी पायथन युनिट चाचण्या.

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 आणि एरर हँडलिंग बद्दल सामान्य प्रश्न

1. काय करते float('NaN') Python मध्ये करू?
2. ही आज्ञा "NaN" (नंबर नाही) म्हणून ओळखले जाणारे एक विशेष फ्लोट मूल्य तयार करते. जेव्हा गणना अपरिभाषित असते किंवा जेव्हा तुम्हाला तुमच्या प्रोग्राममधील गहाळ डेटा फ्लॅग करण्याची आवश्यकता असते अशा प्रकरणांना हाताळण्यासाठी हे उपयुक्त आहे.
3. माझे आउटपुट विशिष्ट स्वरूपन आवश्यकतांशी जुळते याची मी खात्री कशी करू शकतो?
4. सारख्या पद्धती वापरणे replace() तुमचे आउटपुट कसे दिसते ते नियंत्रित करण्यास तुम्हाला अनुमती देते. उदाहरणार्थ, १ तुमची "NaN" मूल्ये काही विशिष्ट चाचणी प्रणालींमध्ये आवश्यक असल्यानुसार, योग्य स्थितीत दिसतील याची खात्री करू शकते.
5. का आहे ५ फाइल-आधारित प्रोग्राममध्ये महत्वाचे आहे?
6. द ५ ओळींमध्ये अवैध डेटा असू शकतो अशा प्रकरणांमध्ये त्रुटी हाताळण्यासाठी ब्लॉक महत्त्वपूर्ण आहे. जर एखादी ओळ फ्लोटमध्ये रूपांतरित केली जाऊ शकत नसेल तर ते प्रोग्रामला क्रॅश होण्यापासून प्रतिबंधित करते, कोड अधिक विश्वासार्ह बनवते.
7. इनलाइन कंडिशनल म्हणजे काय आणि ते का वापरावे?
8. एक इनलाइन सशर्त जसे ७ तुम्हाला काही अटी पूर्ण झाल्यावरच ऑपरेशन करण्याची परवानगी देते, जसे की जेव्हा सूचीमध्ये मूल्ये असतात. शून्याने भागाकारण्यासारख्या त्रुटी टाळण्यासाठी हे आदर्श आहे.
9. कसे करते with open(file_name, 'r') आदेश कार्य?
10. ही आज्ञा रीड मोडमध्ये फाइल उघडते आणि नंतर ती स्वयंचलितपणे बंद करते. "सह" वापरल्याने फाइल योग्यरित्या बंद होते याची खात्री होते, जे संसाधन व्यवस्थापनात मदत करते आणि चुकून फायली उघडण्यापासून त्रुटी टाळते.
11. पायथनमध्ये मूल्य "NaN" असल्यास मी चाचणी करू शकतो?
12. होय, तुम्ही वापरू शकता ९ मूल्य "NaN" आहे का ते तपासण्यासाठी. जेव्हा तुम्ही गणना किंवा आउटपुटमध्ये "NaN" मूल्ये फॉरमॅट किंवा वगळू इच्छित असाल तेव्हा हे विशेषतः उपयुक्त आहे.
13. स्वयंचलित प्रतवारीमध्ये स्वरूपन सुसंगतता का महत्त्वाची आहे?
14. स्वयंचलित प्रणाली अचूक स्वरूपनावर अवलंबून असतात, त्यामुळे किरकोळ फरक (जसे की "NaN" ऐवजी "nan") त्रुटी निर्माण करू शकतात. सारख्या सुसंगत पद्धती वापरणे replace() फॉरमॅटिंग या समस्यांना प्रतिबंध करते.
15. याद्या वापरणे पायथनमधील डेटाचे वर्गीकरण कसे सोपे करते?
16. याद्या तुम्हाला सकारात्मक आणि नकारात्मक सारख्या श्रेणींमध्ये डेटा विभक्त करण्याची परवानगी देतात, ज्यामुळे प्रत्येक श्रेणीसाठी स्वतंत्र आकडेवारीची गणना करणे सोपे होते. अटींवर आधारित सूचींमध्ये मूल्ये जोडणे कार्यक्षम आहे आणि कोड व्यवस्थित ठेवते.
17. इनलाइन कंडिशनल्स काय आहेत आणि ते कधी वापरले जावे?
18. इनलाइन कंडिशनल्स एका ओळीच्या संक्षिप्त विधानांना परवानगी देतात जी अट पूर्ण झाल्यासच कोड कार्यान्वित करतात. उदाहरणार्थ, जर सूचीमध्ये मूल्ये अस्तित्वात असतील तरच सरासरी मोजणे, त्रुटींना प्रतिबंध करणे.
19. मी चाचणीसाठी प्रिंट आउटपुट कसे पुनर्निर्देशित करू शकतो?
20. वापरून StringIO आणि sys.stdout पुनर्निर्देशन, ते अपेक्षित परिणामांशी जुळते हे सत्यापित करण्यासाठी तुम्ही चाचण्यांमध्ये आउटपुट कॅप्चर करू शकता. युनिट चाचणीमध्ये ही एक सामान्य प्रथा आहे जिथे तुम्हाला प्रोग्राम आउटपुट प्रमाणित करायचे आहे.
21. उद्देश काय आहे tearDown युनिट चाचण्यांमध्ये?
22. मध्ये unittest फ्रेमवर्क, १५ चाचण्यांनंतर साफ करण्यासाठी वापरला जातो, जसे की तात्पुरत्या फाइल्स काढून टाकणे. हे सुनिश्चित करते की प्रत्येक चाचणी नवीन वातावरणाने सुरू होते, चाचण्यांमधील डेटा हस्तक्षेप प्रतिबंधित करते.

समाधान गुंडाळणे

ही असाइनमेंट Python मध्ये सरासरी मोजताना, सकारात्मक किंवा नकारात्मक मूल्ये गहाळ झाल्यासारखी विशेष प्रकरणे हाताळण्याचे महत्त्व दर्शवते. कंडिशनल स्टेटमेंट्स आणि फॉरमॅटिंग ऍडजस्टमेंट्स वापरून, तुम्ही खात्री करता की "NaN" रिकाम्या डेटा याद्यांमधील त्रुटींना प्रतिबंधित करून, आवश्यकतेनुसार परत केले जाईल.

पायथनची साधने जसे प्रयत्न करा...वगळून आणि फ्लोट ('NaN') लवचिक त्रुटी व्यवस्थापनास अनुमती देते, अनपेक्षित डेटा हाताळणे सोपे करते. असाइनमेंट, स्वयंचलित चाचण्या आणि अचूक आउटपुट फॉरमॅटिंग आवश्यक असलेल्या कोणत्याही परिस्थितीला हाताळणाऱ्या प्रोग्रामरसाठी अशा पद्धती अमूल्य आहेत. 🚀