ازگر میں NaN آؤٹ پٹ کی خرابیوں کا سراغ لگانا: فائل پر مبنی حسابات میں غلطیوں کو ٹھیک کرنا

ایک فائل سے مثبت اور منفی نمبروں کی الگ الگ اوسط کا حساب لگانا

فائل ڈیٹا کو پڑھنے، اوسط کا حساب لگانے اور گمشدہ اقدار کو مضبوطی سے سنبھالنے کے لیے ازگر کا بیک اینڈ اسکرپٹ۔

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')

ماڈیولر اور دوبارہ قابل استعمال کوڈ کے ساتھ مختلف ڈیٹا فارمیٹس کو ہینڈل کرنا

مختلف ڈیٹا فارمیٹس کے لیے بہتر ماڈیولر ڈھانچہ اور ایرر ہینڈلنگ کے ساتھ ازگر بیک اینڈ اسکرپٹ۔

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')

فائل پر مبنی اوسط کیلکولیشن پروگرام کے لیے یونٹ ٹیسٹنگ

مختلف ان پٹ منظرناموں کے لیے درست اوسط حساب کو یقینی بنانے کے لیے Python یونٹ کے ٹیسٹ۔

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 اور ایرر ہینڈلنگ کے بارے میں عام سوالات

1. کیا کرتا ہے float('NaN') Python میں کرتے ہیں؟
2. یہ کمانڈ ایک خاص فلوٹ ویلیو بناتی ہے جسے "NaN" (نمبر نہیں) کے طور پر پہچانا جاتا ہے۔ یہ ایسے معاملات سے نمٹنے کے لیے مفید ہے جہاں حساب کتاب کی وضاحت نہیں کی گئی ہے یا جب آپ کو اپنے پروگرام میں گمشدہ ڈیٹا کو جھنڈا لگانے کی ضرورت ہے۔
3. میں یہ کیسے یقینی بنا سکتا ہوں کہ میرا آؤٹ پٹ فارمیٹنگ کی مخصوص ضروریات سے میل کھاتا ہے؟
4. جیسے طریقے استعمال کرنا replace() آپ کو یہ کنٹرول کرنے کی اجازت دیتا ہے کہ آپ کا آؤٹ پٹ کیسے ظاہر ہوتا ہے۔ مثال کے طور پر، replace('nan', 'NaN') اس بات کو یقینی بنا سکتا ہے کہ آپ کی "NaN" اقدار درست صورت میں ظاہر ہوں، جیسا کہ بعض ٹیسٹنگ سسٹم میں ضرورت ہوتی ہے۔
5. کیوں ہے try...except فائل پر مبنی پروگراموں میں اہم؟
6. دی try...except ایسے معاملات میں جہاں لائنوں میں غلط ڈیٹا ہو سکتا ہے، غلطی سے نمٹنے کے لیے بلاک بہت ضروری ہے۔ یہ پروگرام کو کریش ہونے سے روکتا ہے اگر کسی لائن کو فلوٹ میں تبدیل نہیں کیا جا سکتا، کوڈ کو زیادہ قابل اعتماد بناتا ہے۔
7. ان لائن مشروط کیا ہے، اور اسے کیوں استعمال کریں؟
8. ایک ان لائن مشروط کی طرح sum(numbers) / len(numbers) if numbers else float('NaN') آپ کو صرف اس وقت آپریشن کرنے کی اجازت دیتا ہے جب کچھ شرائط پوری ہو جائیں، جیسے کہ جب کسی فہرست کی قدر ہو۔ صفر سے تقسیم جیسی غلطیوں سے بچنے کے لیے یہ مثالی ہے۔
9. کیسے کرتا ہے with open(file_name, 'r') کمانڈ کام؟
10. یہ کمانڈ ایک فائل کو پڑھنے کے موڈ میں کھولتا ہے اور بعد میں اسے خود بخود بند کر دیتا ہے۔ "with" کا استعمال یقینی بناتا ہے کہ فائل مناسب طریقے سے بند ہو جائے، جس سے وسائل کے انتظام میں مدد ملتی ہے اور غلطی سے فائلوں کو کھلا چھوڑنے سے بچ جاتا ہے۔
11. کیا میں جانچ سکتا ہوں کہ آیا Python میں کوئی قدر "NaN" ہے؟
12. جی ہاں، آپ استعمال کر سکتے ہیں math.isnan() چیک کرنے کے لیے کہ آیا کوئی قدر "NaN" ہے۔ یہ خاص طور پر مددگار ہے جب آپ حساب یا آؤٹ پٹ میں "NaN" اقدار کو فارمیٹ یا خارج کرنا چاہتے ہیں۔
13. خودکار درجہ بندی میں فارمیٹنگ کی مستقل مزاجی کیوں اہم ہے؟
14. خودکار نظام درست فارمیٹنگ پر انحصار کرتے ہیں، اس لیے معمولی اختلافات (جیسے "NaN" کی بجائے "nan") خرابیوں کا سبب بن سکتے ہیں۔ جیسے مستقل طریقے استعمال کرنا replace() فارمیٹنگ کے لیے ان مسائل کو روکتا ہے۔
15. فہرستوں کا استعمال ازگر میں ڈیٹا کی درجہ بندی کو کیسے آسان بناتا ہے؟
16. فہرستیں آپ کو ڈیٹا کو مثبت اور منفی جیسے زمروں میں الگ کرنے کی اجازت دیتی ہیں، جس سے ہر زمرے کے لیے الگ الگ اعداد و شمار کا حساب لگانا آسان ہو جاتا ہے۔ شرائط کی بنیاد پر فہرستوں میں اقدار کو شامل کرنا موثر ہے اور کوڈ کو منظم رکھتا ہے۔
17. ان لائن مشروط کیا ہیں، اور انہیں کب استعمال کیا جانا چاہیے؟
18. ان لائن کنڈیشنلز ایک لائن کے مختصر بیانات کی اجازت دیتے ہیں جو کوڈ کو صرف اس صورت میں لاگو کرتے ہیں جب کوئی شرط پوری ہو۔ مثال کے طور پر، اوسط کا حساب لگانا صرف اس صورت میں جب کسی فہرست میں اقدار موجود ہوں، غلطیوں کو روکنا۔
19. میں جانچ کے لیے پرنٹ آؤٹ پٹ کو کیسے ری ڈائریکٹ کر سکتا ہوں؟
20. استعمال کرکے StringIO اور sys.stdout ری ڈائریکشن، آپ ٹیسٹوں میں آؤٹ پٹ کیپچر کر سکتے ہیں اس بات کی تصدیق کرنے کے لیے کہ یہ متوقع نتائج سے میل کھاتا ہے۔ یہ یونٹ ٹیسٹنگ میں ایک عام عمل ہے جہاں آپ پروگرام کے آؤٹ پٹ کی توثیق کرنا چاہتے ہیں۔
21. کا مقصد کیا ہے۔ tearDown یونٹ ٹیسٹ میں؟
22. میں unittest فریم ورک، tearDown() ٹیسٹ کے بعد صاف کرنے کے لیے استعمال کیا جاتا ہے، جیسے عارضی فائلوں کو ہٹانا۔ یہ یقینی بناتا ہے کہ ہر ٹیسٹ ایک نئے ماحول کے ساتھ شروع ہوتا ہے، ٹیسٹوں کے درمیان ڈیٹا کی مداخلت کو روکتا ہے۔

حل کو لپیٹنا

یہ اسائنمنٹ خاص معاملات کو سنبھالنے کی اہمیت کو ظاہر کرتی ہے، جیسے کہ Python میں اوسط کا حساب لگاتے وقت مثبت یا منفی اقدار کا غائب ہونا۔ مشروط بیانات اور فارمیٹنگ ایڈجسٹمنٹس کا استعمال کرکے، آپ اس بات کو یقینی بناتے ہیں کہ "NaN" کو ضرورت پڑنے پر واپس کردیا جائے، خالی ڈیٹا کی فہرستوں سے کسی بھی غلطی کو روکتے ہوئے

ازگر کے اوزار جیسے کوشش کریں...سوائے اور فلوٹ ('NaN') لچکدار خرابی کے انتظام کی اجازت دیتا ہے، غیر متوقع ڈیٹا کو ہینڈل کرنا آسان بناتا ہے۔ اسائنمنٹس، خودکار ٹیسٹوں، اور کسی بھی ایسی صورت حال سے نمٹنے کے پروگرامرز کے لیے اس طرح کے طریقے انمول ہوتے ہیں جس میں قطعی آؤٹ پٹ فارمیٹنگ کی ضرورت ہوتی ہے۔ 🚀