Khắc phục sự cố đầu ra NaN trong Python: Sửa lỗi trong tính toán dựa trên tệp

Tính giá trị trung bình riêng biệt của số dương và số âm từ một tệp

Tập lệnh phụ trợ Python để đọc dữ liệu tệp, tính toán mức trung bình và xử lý các giá trị bị thiếu một cách mạnh mẽ.

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')

Xử lý các định dạng dữ liệu khác nhau bằng mã mô-đun và có thể tái sử dụng

Tập lệnh phụ trợ Python với cấu trúc mô-đun được cải thiện và xử lý lỗi cho các định dạng dữ liệu khác nhau.

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')

Kiểm tra đơn vị cho chương trình tính toán trung bình dựa trên tệp

Kiểm tra đơn vị Python để đảm bảo tính toán trung bình chính xác cho các tình huống đầu vào khác nhau.

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()

Các câu hỏi thường gặp về Python NaN và cách xử lý lỗi

1. làm gì float('NaN') làm bằng Python?
2. Lệnh này tạo ra một giá trị float đặc biệt được nhận dạng là “NaN” (Không phải số). Nó rất hữu ích để xử lý các trường hợp trong đó phép tính không được xác định hoặc khi bạn cần gắn cờ dữ liệu bị thiếu trong chương trình của mình.
3. Làm cách nào để đảm bảo đầu ra của tôi phù hợp với các yêu cầu định dạng cụ thể?
4. Sử dụng các phương pháp như replace() cho phép bạn kiểm soát cách đầu ra của bạn xuất hiện. Ví dụ, replace('nan', 'NaN') có thể đảm bảo các giá trị “NaN” của bạn xuất hiện đúng kiểu chữ, theo yêu cầu trong một số hệ thống kiểm tra nhất định.
5. Tại sao là try...except quan trọng trong các chương trình dựa trên tập tin?
6. các try...except khối rất quan trọng để xử lý lỗi trong trường hợp các dòng có thể chứa dữ liệu không hợp lệ. Nó ngăn chương trình bị lỗi nếu một dòng không thể được chuyển đổi thành float, làm cho mã trở nên đáng tin cậy hơn.
7. Điều kiện nội tuyến là gì và tại sao lại sử dụng nó?
8. Một điều kiện nội tuyến như sum(numbers) / len(numbers) if numbers else float('NaN') cho phép bạn chỉ thực hiện một thao tác khi đáp ứng một số điều kiện nhất định, chẳng hạn như khi danh sách có giá trị. Điều này lý tưởng để tránh các lỗi như chia cho 0.
9. Làm thế nào with open(file_name, 'r') lệnh làm việc?
10. Lệnh này mở một tệp ở chế độ đọc và tự động đóng nó sau đó. Việc sử dụng “with” đảm bảo tệp được đóng đúng cách, giúp quản lý tài nguyên và tránh lỗi do vô tình để tệp mở.
11. Tôi có thể kiểm tra xem giá trị có phải là “NaN” trong Python không?
12. Có, bạn có thể sử dụng math.isnan() để kiểm tra xem giá trị có phải là “NaN” hay không. Điều này đặc biệt hữu ích khi bạn muốn định dạng hoặc loại trừ các giá trị “NaN” trong phép tính hoặc đầu ra.
13. Tại sao tính nhất quán trong định dạng lại quan trọng trong việc chấm điểm tự động?
14. Hệ thống tự động dựa vào định dạng chính xác nên những khác biệt nhỏ (như “nan” thay vì “NaN”) có thể gây ra lỗi. Sử dụng các phương pháp nhất quán như replace() để định dạng sẽ ngăn chặn những vấn đề này.
15. Việc sử dụng danh sách có thể đơn giản hóa việc phân loại dữ liệu trong Python như thế nào?
16. Danh sách cho phép bạn tách dữ liệu thành các danh mục như tích cực và tiêu cực, điều này giúp việc tính toán số liệu thống kê riêng biệt cho từng danh mục trở nên đơn giản. Việc thêm các giá trị vào danh sách dựa trên các điều kiện sẽ hiệu quả và giữ cho mã được sắp xếp hợp lý.
17. Điều kiện nội tuyến là gì và khi nào chúng nên được sử dụng?
18. Các điều kiện nội tuyến cho phép các câu lệnh một dòng ngắn gọn chỉ thực thi mã nếu một điều kiện được đáp ứng. Ví dụ: chỉ tính giá trị trung bình nếu các giá trị tồn tại trong danh sách, ngăn ngừa lỗi.
19. Làm cách nào tôi có thể chuyển hướng đầu ra in để thử nghiệm?
20. Bằng cách sử dụng StringIO Và sys.stdout chuyển hướng, bạn có thể nắm bắt kết quả đầu ra trong các thử nghiệm để xác minh rằng nó phù hợp với kết quả mong đợi. Đây là cách thực hành phổ biến trong thử nghiệm đơn vị khi bạn muốn xác thực đầu ra của chương trình.
21. Mục đích của là gì tearDown trong các bài kiểm tra đơn vị?
22. TRONG unittest khuôn khổ, tearDown() được sử dụng để dọn dẹp sau khi kiểm tra, như xóa các tệp tạm thời. Điều này đảm bảo mỗi lần kiểm tra đều bắt đầu trong một môi trường mới, ngăn ngừa nhiễu dữ liệu giữa các lần kiểm tra.

Kết thúc giải pháp

Bài tập này thể hiện tầm quan trọng của việc xử lý các trường hợp đặc biệt, như thiếu giá trị dương hoặc âm, khi tính giá trị trung bình trong Python. Bằng cách sử dụng các câu lệnh có điều kiện và điều chỉnh định dạng, bạn đảm bảo rằng “NaN” được trả về khi cần, ngăn chặn mọi lỗi từ danh sách dữ liệu trống.

Các công cụ của Python như thử...ngoại trừ Và phao('NaN') cho phép quản lý lỗi linh hoạt, giúp xử lý những dữ liệu không mong muốn dễ dàng hơn. Những cách thực hành như vậy là vô giá đối với các lập trình viên khi giải quyết các bài tập, bài kiểm tra tự động và bất kỳ tình huống nào yêu cầu định dạng đầu ra chính xác. 🚀