Python'da NaN Çıkışı Sorunlarını Giderme: Dosya Tabanlı Hesaplamalardaki Hataları Düzeltme

Pozitif ve Negatif Sayıların Ayrı Ortalamalarını Bir Dosyadan Hesaplamak

Dosya verilerini okumak, ortalamaları hesaplamak ve eksik değerleri güçlü bir şekilde işlemek için Python arka uç komut dosyası.

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')

Modüler ve Tekrar Kullanılabilir Kod ile Farklı Veri Formatlarını İşleme

Çeşitli veri formatları için geliştirilmiş modüler yapıya ve hata işlemeye sahip Python arka uç betiği.

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')

Dosya Tabanlı Ortalama Hesaplama Programı için Birim Testi

Farklı giriş senaryoları için doğru ortalama hesaplamayı sağlamak için Python birim testleri.

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 ve Hata İşleme Hakkında Sık Sorulan Sorular

1. ne işe yarar float('NaN') Python'da ne yapacaksın?
2. Bu komut “NaN” (Sayı Değil) olarak tanınan özel bir kayan nokta değeri oluşturur. Bir hesaplamanın tanımsız olduğu veya programınızda eksik verileri işaretlemeniz gereken durumları ele almak için kullanışlıdır.
3. Çıktımın belirli biçimlendirme gereksinimlerine uyduğundan nasıl emin olabilirim?
4. Gibi yöntemleri kullanmak replace() çıktınızın nasıl görüneceğini kontrol etmenizi sağlar. Örneğin, replace('nan', 'NaN') belirli test sistemlerinde gerektiği gibi “NaN” değerlerinizin doğru durumda görünmesini sağlayabilir.
5. Neden try...except dosya tabanlı programlarda önemli mi?
6. try...except satırların geçersiz veriler içerebileceği durumlarda hata yönetimi için blok çok önemlidir. Bir satırın kayan noktaya dönüştürülememesi durumunda programın çökmesini önleyerek kodu daha güvenilir hale getirir.
7. Satır içi koşul nedir ve neden kullanılır?
8. Satır içi koşullu benzeri sum(numbers) / len(numbers) if numbers else float('NaN') bir işlemi yalnızca belirli koşullar karşılandığında (örneğin bir listenin değerleri olduğunda) gerçekleştirmenize olanak tanır. Bu, sıfıra bölme gibi hatalardan kaçınmak için idealdir.
9. Nasıl with open(file_name, 'r') komuta işi?
10. Bu komut, bir dosyayı okuma modunda açar ve daha sonra otomatik olarak kapatır. "With" kullanımı dosyanın düzgün kapanmasını sağlar, bu da kaynak yönetimine yardımcı olur ve dosyaların yanlışlıkla açık bırakılmasından kaynaklanan hataları önler.
11. Python'da bir değerin “NaN” olup olmadığını test edebilir miyim?
12. Evet, kullanabilirsin math.isnan() bir değerin “NaN” olup olmadığını kontrol etmek için Bu, hesaplamalarda veya çıktılarda "NaN" değerlerini biçimlendirmek veya hariç tutmak istediğinizde özellikle yararlıdır.
13. Otomatik not vermede biçimlendirme tutarlılığı neden önemlidir?
14. Otomatik sistemler tam biçimlendirmeye dayanır, bu nedenle küçük farklılıklar ("NaN" yerine "nan" gibi) hatalara neden olabilir. Gibi tutarlı yöntemler kullanma replace() biçimlendirme bu sorunları önler.
15. Listeleri kullanmak Python'da verileri kategorilere ayırmayı nasıl kolaylaştırır?
16. Listeler, verileri pozitif ve negatif gibi kategorilere ayırmanıza olanak tanır; bu da her kategori için ayrı istatistiklerin hesaplanmasını kolaylaştırır. Koşullara dayalı olarak listelere değer eklemek etkilidir ve kodun düzenli kalmasını sağlar.
17. Satır içi koşul cümleleri nelerdir ve ne zaman kullanılmaları gerekir?
18. Satır içi koşullar, yalnızca bir koşulun karşılanması durumunda kodu çalıştıran kısa ve tek satırlık ifadelere izin verir. Örneğin, yalnızca listede değerler varsa ortalama hesaplamak, hataların önlenmesini sağlar.
19. Yazdırma çıktısını test için nasıl yeniden yönlendirebilirim?
20. Kullanarak StringIO Ve sys.stdout yeniden yönlendirmeyi kullanarak, beklenen sonuçlarla eşleştiğini doğrulamak için testlerdeki çıktıları yakalayabilirsiniz. Bu, program çıktısını doğrulamak istediğiniz birim testinde yaygın bir uygulamadır.
21. Amacı nedir? tearDown birim testlerinde?
22. İçinde unittest çerçeveler, tearDown() Geçici dosyaları kaldırmak gibi testlerden sonra temizlemek için kullanılır. Bu, her testin yeni bir ortamda başlamasını sağlayarak testler arasında veri karışmasını önler.

Çözümün Tamamlanması

Bu ödev Python'da ortalamaları hesaplarken eksik pozitif veya negatif değerler gibi özel durumların ele alınmasının önemini göstermektedir. Koşullu ifadeler ve biçimlendirme ayarlamaları kullanarak, gerektiğinde "NaN" ifadesinin döndürülmesini sağlarsınız ve boş veri listelerinde hata oluşmasını önlersiniz.

Python'un araçları gibi dene...hariç Ve kayan nokta('NaN') esnek hata yönetimine izin vererek beklenmeyen verilerin işlenmesini kolaylaştırır. Bu tür uygulamalar; ödevler, otomatik testler ve hassas çıktı formatlaması gerektiren herhangi bir durumla uğraşan programcılar için çok değerlidir. 🚀