Riešenie problémov s výstupom NaN v Pythone: Oprava chýb vo výpočtoch založených na súboroch

Výpočet samostatných priemerov kladných a záporných čísel zo súboru

Backendový skript Pythonu na čítanie údajov súboru, výpočet priemerov a robustné spracovanie chýbajúcich hodnôt.

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')

Spracovanie rôznych dátových formátov pomocou modulárneho a opakovane použiteľného kódu

Backendový skript Pythonu s vylepšenou modulárnou štruktúrou a spracovaním chýb pre rôzne formáty údajov.

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')

Testovanie jednotiek pre program na výpočet priemeru na základe súboru

Testy jednotiek Pythonu na zabezpečenie správneho výpočtu priemeru pre rôzne vstupné scenáre.

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()

Bežné otázky týkajúce sa Python NaN a spracovania chýb

1. Čo robí float('NaN') robiť v Pythone?
2. Tento príkaz vytvorí špeciálnu pohyblivú hodnotu rozpoznanú ako „NaN“ (nie číslo). Je to užitočné pri riešení prípadov, keď výpočet nie je definovaný alebo keď potrebujete označiť chýbajúce údaje v programe.
3. Ako môžem zabezpečiť, aby môj výstup spĺňal špecifické požiadavky na formátovanie?
4. Pomocou metód ako replace() vám umožňuje ovládať, ako bude váš výstup vyzerať. napr. replace('nan', 'NaN') môže zabezpečiť, aby sa vaše hodnoty „NaN“ zobrazili v správnych prípadoch, ako sa to vyžaduje v niektorých testovacích systémoch.
5. Prečo je try...except dôležité v programoch založených na súboroch?
6. The try...except blok je kľúčový pre riešenie chýb v prípadoch, keď riadky môžu obsahovať neplatné údaje. Zabraňuje zlyhaniu programu, ak nie je možné previesť riadok na pohyblivý, čím sa kód stáva spoľahlivejším.
7. Čo je to vložená podmienka a prečo ju používať?
8. Inline podmienený like sum(numbers) / len(numbers) if numbers else float('NaN') umožňuje vykonať operáciu len vtedy, keď sú splnené určité podmienky, napríklad keď zoznam obsahuje hodnoty. To je ideálne na predchádzanie chybám, ako je delenie nulou.
9. Ako sa with open(file_name, 'r') príkazová práca?
10. Tento príkaz otvorí súbor v režime čítania a potom ho automaticky zatvorí. Použitie „s“ zaisťuje správne zatvorenie súboru, čo pomáha pri správe zdrojov a zabraňuje chybám, ktoré by náhodne nechali otvorené súbory.
11. Môžem otestovať, či je hodnota „NaN“ v Pythone?
12. Áno, môžete použiť math.isnan() skontrolujte, či je hodnota „NaN“. To je obzvlášť užitočné, keď chcete formátovať alebo vylúčiť hodnoty „NaN“ vo výpočtoch alebo výstupoch.
13. Prečo je pri automatickom hodnotení dôležitá konzistentnosť formátovania?
14. Automatizované systémy sa spoliehajú na presné formátovanie, takže drobné rozdiely (napríklad „nan“ namiesto „NaN“) môžu spôsobiť chyby. Použitie konzistentných metód ako napr replace() pre formátovanie predchádza týmto problémom.
15. Ako používanie zoznamov zjednodušuje kategorizáciu údajov v Pythone?
16. Zoznamy vám umožňujú rozdeliť údaje do kategórií, ako sú pozitíva a negatíva, vďaka čomu je výpočet samostatných štatistík pre každú kategóriu jednoduchý. Pridávanie hodnôt do zoznamov na základe podmienok je efektívne a udržiava kód organizovaný.
17. Čo sú vložené podmienky a kedy by sa mali použiť?
18. Vložené podmienky umožňujú stručné jednoriadkové príkazy, ktoré vykonávajú kód iba vtedy, ak je splnená podmienka. Napríklad výpočet priemeru iba vtedy, ak existujú hodnoty v zozname, čím sa zabráni chybám.
19. Ako môžem presmerovať tlačový výstup na testovanie?
20. Používaním StringIO a sys.stdout presmerovanie, môžete zachytiť výstup v testoch, aby ste si overili, že zodpovedá očakávaným výsledkom. Toto je bežná prax pri testovaní jednotiek, kde chcete overiť výstup programu.
21. Aký je účel tearDown v jednotkových testoch?
22. In unittest rámce, tearDown() sa používa na vyčistenie po testoch, ako je odstránenie dočasných súborov. To zaisťuje, že každý test začína v novom prostredí, čím sa predchádza interferencii údajov medzi testami.

Zbalenie riešenia

Toto priradenie demonštruje dôležitosť spracovania špeciálnych prípadov, ako sú chýbajúce kladné alebo záporné hodnoty, pri výpočte priemerov v Pythone. Použitím podmienených príkazov a úprav formátovania zaistíte, že sa v prípade potreby vráti „NaN“, čím sa zabráni akýmkoľvek chybám z prázdnych zoznamov údajov.

Nástroje Pythonu ako napr skús...okrem a float ('NaN') umožňujú flexibilnú správu chýb, čím uľahčujú spracovanie neočakávaných údajov. Takéto postupy sú neoceniteľné pre programátorov, ktorí riešia úlohy, automatizované testy a akúkoľvek situáciu vyžadujúcu presné formátovanie výstupu. 🚀