代码之家 › 专栏 › 技术社区 › The Unfun Cat

当行元组具有不同的数据类型时根据假设生成的数据帧排序

python-hypothesis

2

The Unfun Cat · 技术社区 · 7 年前

我用的是:

from hypothesis.extra.pandas import columns, data_frames, column
import hypothesis.strategies as st

positions = st.integers(min_value=0, max_value=int(1e7))
strands = st.sampled_from("+ -".split())
data_frames(columns=columns(["Start", "End"], dtype=int),
            rows=st.tuples(positions, positions).map(sorted)).example()

它给予

     Start      End
0   589492  6620613
1  5990807  8083222
2   252458  8368032
3  1575938  5763895
4  4689113  9133040
5  7439297  8646668
6   838051  1886133

但是,我想添加第三列,Strand to the data,正如上面使用策略生成的那样。然后停止工作:

data_frames(columns=columns(["Start", "End", "Strands"], dtype=int),
            rows=st.tuples(positions, positions, strands).map(sorted)).example()

它给出了错误

TypeError: '<' not supported between instances of 'str' and 'int'

这是由于int和str的元组排序。我该怎么解决?

我可以让假设生成一个包含pos、pos、strand-int的数据帧,其中strand-int为0或1,并在测试中将其转换为“-”或“+”,但感觉很恶心。

2 回复 | 直到 7 年前

1

2

The Unfun Cat 7 年前

最佳方法

better_dfs_min = data_frames(index=range_indexes(min_size=better_df_minsize),
                             columns=[column("Chromosome", chromosomes_small),
                                      column("Start", elements=small_lengths),
                                      column("End", elements=small_lengths),
                                      column("Strand", strands)])


@st.composite()
def dfs_min(draw):
    df = draw(better_dfs_min)
    df.loc[:, "End"] += df.Start
    return df

@given(df=dfs_min())
def test_me(df):
    print(df)
    assert 0

首次尝试:

from hypothesis.extra.pandas import columns, data_frames, column
import hypothesis.strategies as st

def mysort(tp):

    key = [-1, tp[1], tp[2], int(1e10)]

    return [x for _, x in sorted(zip(key, tp))]

positions = st.integers(min_value=0, max_value=int(1e7))
strands = st.sampled_from("+ -".split())
chromosomes = st.sampled_from(elements=["chr{}".format(str(e)) for e in list(range(23)) + "X Y M".split()])

data_frames(columns=columns(["Chromosome", "Start", "End", "Strand"], dtype=int), rows=st.tuples(chromosomes, positions, positions, strands).map(mysort)).example()

结果:

  Chromosome    Start      End Strand
0      chr13  5660600  6171569      -
1       chrY  3987154  5435816      +
2      chr11  4659655  4956997      +
3      chr14   239357  8566407      +
4       chr3  3200488  9337489      +
5       chr8   304886  1078020      +

必须有更好的方法来做这件事,而不是实现你自己的分类…我的排序依赖于开始和结束的整数介于0和int(1e10)-1之间,这让人觉得恶心。

2

Zac Hatfield-Dodds 7 年前

欺骗!

做你的第一行测试 df.End += df.Start ,结束将始终大于开始(假设为正整数)。如果有更具体的大小限制,请描述 end 假设所需的差异,然后使用这个技巧。

您还可以使用 @st.composite 内联执行此操作的decorator。不过,如果你要用它进行多次测试,我认为这是值得的,但这是一个风格问题,而不是实质问题。