对 Python 中的 NaN 输出进行故障排除：修复基于文件的计算中的错误

计算文件中正数和负数的单独平均值

Python 后端脚本，用于读取文件数据、计算平均值并稳健地处理缺失值。

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')

使用模块化和可重用代码处理不同的数据格式

Python 后端脚本具有改进的模块化结构和针对各种数据格式的错误处理。

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')

基于文件的平均值计算程序的单元测试

Python 单元测试，用于确保不同输入场景的平均计算正确。

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()

关于 Python NaN 和错误处理的常见问题

1. 什么是 float('NaN') 用Python做？
2. 此命令创建一个被识别为“NaN”（非数字）的特殊浮点值。它对于处理计算未定义的情况或需要标记程序中丢失的数据时非常有用。
3. 如何确保我的输出符合特定的格式要求？
4. 使用类似的方法 replace() 允许您控制输出的显示方式。例如， replace('nan', 'NaN') 可以确保您的“NaN”值按照某些测试系统的要求以正确的大小写形式出现。
5. 为什么是 try...except 在基于文件的程序中重要吗？
6. 这 try...except 当行可能包含无效数据时，块对于错误处理至关重要。如果一行无法转换为浮点数，它可以防止程序崩溃，从而使代码更加可靠。
7. 什么是内联条件，为什么使用它？
8. 内联条件条件如 sum(numbers) / len(numbers) if numbers else float('NaN') 允许您仅在满足某些条件时执行操作，例如当列表具有值时。这非常适合避免被零除等错误。
9. 如何 with open(file_name, 'r') 指挥工作？
10. 此命令以读取模式打开文件，然后自动关闭它。使用“with”可确保文件正确关闭，这有助于资源管理并避免因意外使文件保持打开状态而出现错误。
11. 我可以在 Python 中测试一个值是否为“NaN”吗？
12. 是的，您可以使用 math.isnan() 检查一个值是否为“NaN”。当您想要在计算或输出中格式化或排除“NaN”值时，这特别有用。
13. 为什么格式一致性在自动评分中很重要？
14. 自动化系统依赖于精确的格式，因此微小的差异（例如“nan”而不是“NaN”）可能会导致错误。使用一致的方法，例如 replace() 格式化可以防止这些问题。
15. 在 Python 中使用列表如何简化数据分类？
16. 列表允许您将数据分为正数和负数等类别，这使得计算每个类别的单独统计数据变得简单。根据条件将值附加到列表中非常高效，并且可以使代码保持井然有序。
17. 什么是内联条件，何时应该使用它们？
18. 内联条件允许简洁的一行语句，仅在满足条件时才执行代码。例如，仅当列表中存在值时才计算平均值，以防止错误。
19. 如何重定向打印输出以进行测试？
20. 通过使用 StringIO 和 sys.stdout 重定向，您可以捕获测试中的输出以验证它是否与预期结果匹配。这是单元测试中您想要验证程序输出的常见做法。
21. 目的是什么 tearDown 在单元测试中？
22. 在 unittest 框架， tearDown() 用于测试后清理，例如删除临时文件。这确保每个测试都从一个全新的环境开始，防止测试之间的数据干扰。

总结解决方案

此作业演示了在 Python 中计算平均值时处理特殊情况（例如缺少正值或负值）的重要性。通过使用条件语句和格式调整，您可以确保在需要时返回“NaN”，从而防止空数据列表出现任何错误。

Python 的工具比如 尝试...除了 和 浮动（'NaN'） 允许灵活的错误管理，从而更容易处理意外数据。对于处理作业、自动化测试以及任何需要精确输出格式的情况的程序员来说，这种做法非常宝贵。 🚀