Решавање проблема са НаН излазом у Питхон-у: Исправљање грешака у прорачунима заснованим на фајловима

Израчунавање одвојених просека позитивних и негативних бројева из датотеке

Питхон позадинска скрипта за читање података из датотеке, израчунавање просека и робусно руковање недостајућим вредностима.

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')

Руковање различитим форматима података са модуларним кодом за вишекратну употребу

Питхон позадинска скрипта са побољшаном модуларном структуром и руковањем грешкама за различите формате података.

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')

Јединично тестирање за програм за израчунавање просечне вредности засноване на фајловима

Питхон јединични тестови за обезбеђивање тачне просечне калкулације за различите сценарије уноса.

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()

Уобичајена питања о Питхон НаН-у и руковању грешкама

1. Шта ради float('NaN') радити у Питхон-у?
2. Ова команда креира посебну флоат вредност препознату као „НаН“ (није број). Корисно је за руковање случајевима када је прорачун недефинисан или када треба да означите податке који недостају у програму.
3. Како могу да осигурам да мој излаз одговара специфичним захтевима за форматирање?
4. Користећи методе попут replace() омогућава вам да контролишете како се ваш излаз појављује. на пример, replace('nan', 'NaN') може осигурати да се ваше „НаН“ вредности појављују у исправном случају, као што је потребно у одређеним системима за тестирање.
5. Зашто је try...except важно у програмима заснованим на датотекама?
6. Тхе try...except блок је кључан за руковање грешкама у случајевима када линије могу садржати неважеће податке. Спречава пад програма ако се линија не може конвертовати у флоат, чинећи код поузданијим.
7. Шта је инлине кондиционал и зашто га користити?
8. Инлине условни лике sum(numbers) / len(numbers) if numbers else float('NaN') омогућава вам да извршите операцију само када су испуњени одређени услови, на пример када листа има вредности. Ово је идеално за избегавање грешака као што је дељење са нулом.
9. Како се with open(file_name, 'r') командни рад?
10. Ова команда отвара датотеку у режиму читања и аутоматски је затвара након тога. Коришћење „са“ осигурава да се датотека правилно затвара, што помаже у управљању ресурсима и избегава грешке због случајног остављања датотека отворених.
11. Могу ли да тестирам да ли је вредност „НаН“ у Питхон-у?
12. Да, можете користити math.isnan() да проверите да ли је вредност „НаН“. Ово је посебно корисно када желите да форматирате или искључите „НаН“ вредности у прорачунима или излазу.
13. Зашто је доследност форматирања важна у аутоматском оцењивању?
14. Аутоматски системи се ослањају на тачно форматирање, тако да мање разлике (као што је „нан“ уместо „НаН“) могу изазвати грешке. Користећи доследне методе као replace() јер форматирање спречава ове проблеме.
15. Како коришћење листа поједностављује категоризацију података у Питхон-у?
16. Листе вам омогућавају да одвојите податке у категорије као што су позитивне и негативне, што чини израчунавање одвојене статистике за сваку категорију једноставним. Додавање вредности листама на основу услова је ефикасно и одржава код организованим.
17. Шта су инлине кондиционали и када их треба користити?
18. Уграђени услови дозвољавају сажете једнолинијске изјаве које извршавају код само ако је услов испуњен. На пример, израчунавање просека само ако вредности постоје на листи, спречавајући грешке.
19. Како могу да преусмерим излаз штампе на тестирање?
20. Коришћењем StringIO и sys.stdout преусмеравање, можете да снимите излаз у тестовима да бисте проверили да ли одговара очекиваним резултатима. Ово је уобичајена пракса у јединичном тестирању где желите да потврдите излаз програма.
21. Шта је сврха tearDown у јединичним тестовима?
22. Ин unittest оквири, tearDown() користи се за чишћење након тестова, као што је уклањање привремених датотека. Ово осигурава да сваки тест почиње са новим окружењем, спречавајући сметње у подацима између тестова.

Завршавање решења

Овај задатак показује важност руковања посебним случајевима, као што су недостајуће позитивне или негативне вредности, приликом израчунавања просека у Питхон-у. Коришћењем условних исказа и прилагођавања форматирања, обезбеђујете да се „НаН“ врати када је потребно, спречавајући било какве грешке из празних листа података.

Питхон алати као што су покушајте...осим и флоат('НаН') омогућавају флексибилно управљање грешкама, што олакшава руковање неочекиваним подацима. Такве праксе су од непроцењиве вредности за програмере који се баве задацима, аутоматизованим тестовима и било којом ситуацијом која захтева прецизно форматирање излаза. 🚀