Odpravljanje težav z izhodom NaN v Pythonu: odpravljanje napak v izračunih na podlagi datotek

Izračunavanje ločenih povprečij pozitivnih in negativnih števil iz datoteke

Zaledni skript Python za branje podatkov datoteke, izračun povprečij in robustno obravnavanje manjkajočih vrednosti.

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')

Ravnanje z različnimi formati podatkov z modularno kodo in kodo za večkratno uporabo

Zaledni skript Python z izboljšano modularno strukturo in obravnavanjem napak za različne formate podatkov.

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')

Testiranje enot za program za izračun povprečja na podlagi datoteke

Preizkusi enot Python za zagotavljanje pravilnega izračuna povprečja za različne scenarije vnosa.

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()

Pogosta vprašanja o Python NaN in obravnavanju napak

1. Kaj počne float('NaN') narediti v Pythonu?
2. Ta ukaz ustvari posebno plavajočo vrednost, prepoznano kot »NaN« (ni število). Uporaben je za obravnavanje primerov, ko je izračun nedefiniran ali ko morate v programu označiti manjkajoče podatke.
3. Kako lahko zagotovim, da moj izpis ustreza določenim zahtevam glede oblikovanja?
4. Z uporabo metod, kot je replace() vam omogoča, da nadzirate, kako se prikaže vaš rezultat. na primer replace('nan', 'NaN') lahko zagotovi, da so vaše vrednosti »NaN« prikazane v pravilnih velikih in malih črkah, kot je zahtevano v določenih sistemih testiranja.
5. Zakaj je try...except pomembno v programih, ki temeljijo na datotekah?
6. The try...except blok je ključnega pomena za obravnavo napak v primerih, ko lahko vrstice vsebujejo neveljavne podatke. Preprečuje zrušitev programa, če vrstice ni mogoče pretvoriti v lebdečo, zaradi česar je koda bolj zanesljiva.
7. Kaj je vstavljeni pogojnik in zakaj ga uporabljati?
8. Pogojni pogojnik v vrstici sum(numbers) / len(numbers) if numbers else float('NaN') omogoča izvedbo operacije le, ko so izpolnjeni določeni pogoji, na primer, ko ima seznam vrednosti. To je idealno za izogibanje napakam, kot je deljenje z ničlo.
9. Kako deluje with open(file_name, 'r') komandno delo?
10. Ta ukaz odpre datoteko v načinu branja in jo nato samodejno zapre. Uporaba »with« zagotavlja, da se datoteka pravilno zapre, kar pomaga pri upravljanju virov in preprečuje napake zaradi nenamernega puščanja odprtih datotek.
11. Ali lahko preizkusim, ali je vrednost »NaN« v Pythonu?
12. Da, lahko uporabite math.isnan() da preverite, ali je vrednost »NaN«. To je še posebej uporabno, če želite oblikovati ali izključiti vrednosti »NaN« v izračunih ali izhodu.
13. Zakaj je doslednost oblikovanja pomembna pri avtomatiziranem ocenjevanju?
14. Avtomatizirani sistemi se zanašajo na natančno oblikovanje, zato lahko manjše razlike (na primer »nan« namesto »NaN«) povzročijo napake. Z uporabo doslednih metod, kot je replace() za oblikovanje preprečuje te težave.
15. Kako uporaba seznamov poenostavi kategorizacijo podatkov v Pythonu?
16. Seznami vam omogočajo ločevanje podatkov v kategorije, kot so pozitivni in negativni, zaradi česar je izračun ločene statistike za vsako kategorijo preprost. Dodajanje vrednosti na sezname na podlagi pogojev je učinkovito in ohranja kodo organizirano.
17. Kaj so vstavljeni pogojniki in kdaj jih je treba uporabiti?
18. Vgrajeni pogojniki omogočajo jedrnate enovrstične stavke, ki izvajajo kodo le, če je izpolnjen pogoj. Na primer, izračun povprečja samo, če vrednosti obstajajo na seznamu, kar preprečuje napake.
19. Kako lahko preusmerim tiskanje za testiranje?
20. Z uporabo StringIO in sys.stdout preusmeritev, lahko zajamete izhod v testih, da preverite, ali se ujema s pričakovanimi rezultati. To je običajna praksa pri testiranju enot, kjer želite preveriti izhod programa.
21. Kaj je namen tearDown v enotnih testih?
22. notri unittest okvirji, tearDown() se uporablja za čiščenje po testih, na primer za odstranjevanje začasnih datotek. To zagotavlja, da se vsak test začne s svežim okoljem, kar preprečuje motnje podatkov med testi.

Zaključek rešitve

Ta dodelitev prikazuje pomembnost obravnavanja posebnih primerov, kot so manjkajoče pozitivne ali negativne vrednosti, pri izračunu povprečij v Pythonu. Z uporabo pogojnih stavkov in prilagoditev oblikovanja zagotovite, da se po potrebi vrne »NaN«, s čimer preprečite morebitne napake iz praznih seznamov podatkov.

Pythonova orodja, kot so poskusi ... razen in float('NaN') omogočajo prilagodljivo upravljanje napak, zaradi česar je lažje ravnati z nepričakovanimi podatki. Takšne prakse so neprecenljive za programerje, ki se ukvarjajo z nalogami, avtomatiziranimi testi in vsemi situacijami, ki zahtevajo natančno oblikovanje izhoda. 🚀