{
"cells": [
{
"cell_type": "markdown",
"metadata": {},
"source": [
"# Файлы с пропусками\n",
"\n",
"Загрузить CSV с пустыми полями — np.genfromtxt превращает их в NaN; заполнить пропуски при чтении filling_values= или потом np.nan_to_num и понять, чем опасен ноль.\n",
"\n",
"Курс NumPy · урок `np-genfromtxt` · [урок на сайте](https://ds-edu-trainer.vercel.app/courses/numpy/genfromtxt).\n",
"\n",
"Выполняйте ячейки по порядку (Shift+Enter), начиная с первой — она готовит урок. После каждого упражнения идёт\n",
"ячейка проверки: она печатает ✓ / ✗ и итог."
],
"id": "intro"
},
{
"cell_type": "code",
"metadata": {
"cellView": "form",
"jupyter": {
"source_hidden": true
}
},
"source": [
"# @title Подготовка урока — выполните эту ячейку первой\n",
"# Проверяет версии пакетов, записывает файлы данных в папку data/ и определяет _check — проверку упражнений.\n",
"import base64, os, zlib\n",
"\n",
"for _name, _min in {\"numpy\":\"2.0\"}.items():\n",
" try:\n",
" _have = __import__(_name).__version__\n",
" except ImportError:\n",
" print(f\"Нет пакета {_name}: выполните %pip install {_name} и перезапустите ядро\")\n",
" continue\n",
" if tuple(int(x) for x in _have.split(\".\")[:2]) < tuple(int(x) for x in _min.split(\".\")):\n",
" print(f\"Урок написан для {_name} {_min} и новее, у вас {_have}: выполните %pip install -U {_name} и перезапустите ядро\")\n",
"\n",
"_DATA = {\n",
" \"station_center.csv\": \"\"\"\n",
"eNotkEFqRDEMQ/c+i2Jix4mT4xR+oX8xpYspZW5flMkqPCTLcq6PF56fjx98/T7u636+8Hd/X2IoXRumw3SJH4pNjZTIhGtIHGow\n",
"DelABrouGShNO9K3K1FCG2eGhkzOdEyDa8oiBXLtBKsoqcbAqk3MmDOYOnWKOXESqy6xdtS+t9gu4xgNTVOso/g7qmkVG6dERxDz\n",
"zOa+yibNwZODixYqS50PqKjqSD5T3N5EbYg7ivGaCqfYUKoOjA5TFw+q2xxq4p2qsQP7+4DTm+j0JsVF79AmPlG1YvZ9zD89y1E+\n",
"\"\"\",\n",
" \"station_airport.csv\": \"\"\"\n",
"eNo1kEFOBDEMBO9+S8eK7ThxnoM0SMxhEYdFaH+PegaO5SSVbh9vLzzfH1/4+H6cx/l84ef8PMTQpg5UwTXFSYlKDE0JUqAmproM\n",
"tFLDWggdkjeVITRkoqUWypE6Zf1RR2qXoqVQC6kmG22R+M7FOnFibQwdYgY6QruYg1PnNPBvtkHZxkq4LrFECw1mStom2tB1lwmx\n",
"RZxs43xbjGX3ByG2gVVXQu9ors6ToVvc0Lom1oTz1KkxbLusHrycjDC5sQEWZRpPNOMu49qQT3RWMww18UXp5peXtG7cflX8BZMj\n",
"TyQ=\n",
"\"\"\",\n",
" \"station_forest.csv\": \"\"\"\n",
"eNotkEtqg0EMg/c+i8b4MQ/PcQp/oVmkdJFScvuiTJYfsmXJ18cTj8/7D75+77fr9nji7/Z9iaNNXdiBriaBVodCTRJta6A2lk7p\n",
"JEclXFMGyUimSyba0kFKnbLetJCaUvRMuriGbFJgO0yHuJ2DNRHq4q80RdW1xINGTqPXcB61JpLYj4rQJT7Qhk6Ohqb4fNfyVwRf\n",
"xHE2Xby42VnTdYtvtGAIQ9cpYWjJarTaEv5GOx8KHjJsg2lJJFrnjxxdl0Sn6qhCUB3cHaiO0JCYaKaFVcd58e6kc2iXKA7nSRXy\n",
"D7SAUsQ=\n",
"\"\"\",\n",
"}\n",
"os.makedirs(\"data\", exist_ok=True)\n",
"for _name, _packed in _DATA.items():\n",
" with open(os.path.join(\"data\", _name), \"wb\") as _f:\n",
" _f.write(zlib.decompress(base64.b64decode(_packed)))\n",
"print(\"Файлы данных:\", \", \".join(sorted(_DATA)))\n",
"\n",
"# ─── Проверка упражнений: тот же раннер, что у задач на сайте ───\n",
"# ─── Запуск тестов ───────────────────────────────────────────────────────────\n",
"\n",
"_TIMEOUT = 2.0 # секунд на тест; отдельный тест может задать свой: test_x.timeout = 10\n",
"\n",
"\n",
"def _call_with_timeout(target, seconds: float) -> bool:\n",
" \"\"\"Запускает target() в отдельном потоке. Возвращает False, если за seconds он не завершился.\"\"\"\n",
" import sys\n",
" import threading\n",
"\n",
" if sys.platform == \"emscripten\": # Python в браузере: потоков нет, таймаут обеспечивает страница\n",
" target()\n",
" return True\n",
" # Большой стек нужен, чтобы глубокая рекурсия давала RecursionError, а не аварийное завершение Python.\n",
" for megabytes in (256, 64, 0):\n",
" try:\n",
" threading.stack_size(megabytes * 1024 * 1024)\n",
" worker = threading.Thread(target=target, daemon=True)\n",
" worker.start()\n",
" except (ValueError, RuntimeError, MemoryError):\n",
" continue\n",
" worker.join(seconds)\n",
" return not worker.is_alive()\n",
" target() # потоки недоступны — запускаем без таймаута\n",
" return True\n",
"\n",
"\n",
"def _test_info(fn) -> dict:\n",
" \"\"\"Описание теста, его лимит времени и сообщение на случай зависания.\"\"\"\n",
" limit = getattr(fn, \"timeout\", _TIMEOUT)\n",
" hint = getattr(fn, \"timeout_hint\", \"\")\n",
" message = (\n",
" f\"тест не завершился за {limit:g} с — возможно, бесконечный цикл или рекурсия: \"\n",
" \"проверьте, что границы/аргументы изменяются на каждом шаге\" + (f\". {hint}\" if hint else \"\")\n",
" )\n",
" return {\"title\": (fn.__doc__ or fn.__name__).strip(), \"timeout\": limit, \"timeout_message\": message}\n",
"\n",
"\n",
"def _error_result(title: str, error: BaseException, user_file: str | None) -> dict:\n",
" \"\"\"Результат упавшего теста: статус, сообщение, тип исключения и строка в коде решения.\"\"\"\n",
" line = None\n",
" if user_file: # самый глубокий кадр в коде решения; ошибка внутри самих тестов — без номера строки\n",
" tb = error.__traceback__\n",
" while tb is not None:\n",
" if tb.tb_frame.f_code.co_filename == user_file:\n",
" line = tb.tb_lineno\n",
" tb = tb.tb_next\n",
" status, message = \"error\", f\"{type(error).__name__}: {error}\"\n",
" if isinstance(error, NotImplementedError):\n",
" status, message, line = \"not_written\", \"функция ещё не написана\", None\n",
" elif isinstance(error, AssertionError):\n",
" status, message = \"failed\", str(error) or \"проверка не прошла\"\n",
" elif isinstance(error, RecursionError):\n",
" message = \"RecursionError: слишком глубокая рекурсия — проверьте базовый случай и то, что задача уменьшается\"\n",
" elif isinstance(error, MemoryError) or (isinstance(error, OverflowError) and \"index-sized\" in str(error)):\n",
" message = f\"{type(error).__name__}: не хватило памяти — возможно, создаётся слишком большая структура данных\"\n",
" return {\"title\": title, \"status\": status, \"message\": message, \"error_type\": type(error).__name__, \"line\": line}\n",
"\n",
"\n",
"def _run_tests(verbose: bool = True, on_start=None, on_result=None, user_file: str | None = None) -> list[dict]:\n",
" \"\"\"Запускает тесты задачи (_TESTS — функции из tests.py) по порядку, каждый — с таймаутом.\n",
"\n",
" Возвращает список результатов: {\"title\", \"status\", \"message\", \"error_type\", \"line\"}, где status —\n",
" passed · failed · error · not_written · timeout · not_run. Если тест завис, при verbose=True печатает\n",
" итог и завершает процесс: зависший поток остановить нельзя. on_start(i) и on_result(i, результат)\n",
" вызываются по мере выполнения; user_file — имя файла с кодом решения для номеров строк в ошибках.\n",
" \"\"\"\n",
" import os\n",
" import sys\n",
"\n",
" if verbose:\n",
" try: # ✓ и кириллица в консоли Windows со старой кодировкой\n",
" sys.stdout.reconfigure(encoding=\"utf-8\")\n",
" except Exception: # noqa: BLE001 — reconfigure может не быть (перенаправленный вывод, браузер)\n",
" pass\n",
"\n",
" tests = list(_TESTS)\n",
" results: list[dict] = []\n",
" not_written = hung = False\n",
" for index, fn in enumerate(tests):\n",
" info = _test_info(fn)\n",
" outcome: dict = {}\n",
"\n",
" def target(fn=fn, outcome=outcome):\n",
" try:\n",
" fn()\n",
" except BaseException as e:\n",
" outcome[\"error\"] = e\n",
"\n",
" if on_start:\n",
" on_start(index)\n",
" if not _call_with_timeout(target, info[\"timeout\"]):\n",
" results.append({\"title\": info[\"title\"], \"status\": \"timeout\", \"message\": info[\"timeout_message\"], \"error_type\": None, \"line\": None})\n",
" for other in tests[index + 1:]:\n",
" results.append({\"title\": _test_info(other)[\"title\"], \"status\": \"not_run\", \"message\": \"не запускался: предыдущий тест завис\", \"error_type\": None, \"line\": None})\n",
" hung = True\n",
" break\n",
" error = outcome.get(\"error\")\n",
" if error is None:\n",
" result = {\"title\": info[\"title\"], \"status\": \"passed\", \"message\": \"\", \"error_type\": None, \"line\": None}\n",
" else:\n",
" result = _error_result(info[\"title\"], error, user_file)\n",
" not_written = not_written or result[\"status\"] == \"not_written\"\n",
" results.append(result)\n",
" if on_result:\n",
" on_result(index, result)\n",
"\n",
" if not_written: # пока функция не написана, «даром» пройденные тесты не засчитываются\n",
" for r in results:\n",
" if r[\"status\"] == \"passed\":\n",
" r.update(status=\"not_written\", message=\"не засчитан, пока функция не написана\")\n",
" for r in results:\n",
" if len(r[\"message\"]) > 300:\n",
" r[\"message\"] = r[\"message\"][:300] + \"…\"\n",
"\n",
" if verbose:\n",
" if not_written:\n",
" print(\"Функция ещё не написана — замените raise NotImplementedError своим кодом.\\n\")\n",
" for r in results:\n",
" mark = {\"passed\": \"✓\", \"not_run\": \"–\"}.get(r[\"status\"], \"✗\")\n",
" print(f\"{mark} {r['title']}\")\n",
" if r[\"message\"]:\n",
" print(f\" {r['message']}\")\n",
" passed = sum(r[\"status\"] == \"passed\" for r in results)\n",
" print(\"─\" * 40)\n",
" print(f\"Прошло {passed} из {len(results)}\" + (\" — всё верно!\" if passed == len(results) else \"\"))\n",
" if hung:\n",
" print(\"Выполнение остановлено: один из тестов завис.\")\n",
" sys.stdout.flush()\n",
" os._exit(1)\n",
" return results\n",
"\n",
"\n",
"def _check(*tests, names=()):\n",
" \"\"\"Запускает проверки упражнения и печатает ✓ / ✗ и итог — как на сайте.\"\"\"\n",
" for name in names:\n",
" if \".\" in name: # «Класс.метод» из заготовки: класс должен быть объявлен\n",
" if not isinstance(globals().get(name.split(\".\")[0]), type):\n",
" print(f\"✗ класс {name.split('.')[0]} не объявлен — выполните ячейку упражнения\")\n",
" return\n",
" continue\n",
" if name not in globals():\n",
" print(f\"✗ переменная {name} не создана — выполните ячейку упражнения\")\n",
" return\n",
" if globals()[name] is Ellipsis:\n",
" print(f\"✗ {name} пока равна ... — замените многоточие своим кодом\")\n",
" return\n",
" globals()[\"_TESTS\"] = list(tests)\n",
" _run_tests()"
],
"execution_count": null,
"outputs": [],
"id": "setup"
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"В этом модуле мы работаем с тремя метеостанциями за февраль 2025 года: в центре города, в аэропорту и в лесу за\n",
"городом. Каждая записывает по строке в день: номер дня, температуру, влажность в процентах и ветер в метрах\n",
"в секунду. Иногда датчик молчит — и в файле остаётся пустое поле. Посмотрим на файл аэропорта: метод строки\n",
"`splitlines` делит прочитанный текст на список строк файла, и мы напечатаем строки дней с 9-го по 14-й:"
],
"id": "text-10"
},
{
"cell_type": "code",
"metadata": {},
"source": [
"# Пустые поля в CSV\n",
"with open(\"data/station_airport.csv\") as f:\n",
" lines = f.read().splitlines()\n",
"for line in lines[9:15]:\n",
" print(line)"
],
"execution_count": null,
"outputs": [],
"id": "peek"
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"У дней 11–13 между запятыми пусто: температуры нет. Знакомый `np.loadtxt` на таком файле падает — пустое\n",
"поле не число:"
],
"id": "text-17"
},
{
"cell_type": "code",
"metadata": {},
"source": [
"# loadtxt не читает пустые поля\n",
"# Эта ячейка показывает ошибку ValueError: она перехвачена, чтобы «Выполнить всё» не останавливалось.\n",
"try:\n",
" import numpy as np\n",
"\n",
" np.loadtxt(\"data/station_airport.csv\", delimiter=\",\", skiprows=1)\n",
"except Exception as error:\n",
" print(f\"{type(error).__name__}: {error}\")"
],
"execution_count": null,
"outputs": [],
"id": "loadtxt-fails"
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## np.genfromtxt\n",
"\n",
"`np.genfromtxt` — «сгенерировать из текста» — читает CSV так же, как `loadtxt`, но пустое поле превращает\n",
"в `nan`. Параметры почти те же: `delimiter=\",\"`, `usecols=`, только строки заголовка пропускает\n",
"`skip_header=` (а не `skiprows=`):"
],
"id": "text-22"
},
{
"cell_type": "code",
"metadata": {},
"source": [
"# Файл аэропорта с пропусками\n",
"airport = np.genfromtxt(\"data/station_airport.csv\", delimiter=\",\", skip_header=1)\n",
"print(airport.shape)\n",
"print(airport[8:14])\n",
"print(np.isnan(airport[:, 1]).sum(), \"дней без температуры\")"
],
"execution_count": null,
"outputs": [],
"id": "load"
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Дальше это обычный массив: пропуски ищет `np.isnan`, итоги без них считают nan-функции."
],
"id": "text-30"
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### Упражнение 1. Станция в центре\n",
"\n",
"Загрузите файл `data/station_center.csv` целиком в `center`. Сохраните в `gaps_by_col` число пропусков\n",
"в каждом столбце, а в `center_avg` — среднюю температуру (столбец 1) без учёта пропусков.\n",
"\n",
"Подсказка 1
\n",
"\n",
"`np.genfromtxt(\"data/station_center.csv\", delimiter=\",\", skip_header=1)`.\n",
"\n",
"Подсказка 2
\n",
"\n",
"Пропуски по столбцам — `np.isnan(center).sum(axis=0)`; средняя — `np.nanmean(center[:, 1])`.\n",
"\n",
"Решение
\n",
"\n",
"```python\n",
"center = np.genfromtxt(\"data/station_center.csv\", delimiter=\",\", skip_header=1)\n",
"gaps_by_col = np.isnan(center).sum(axis=0)\n",
"center_avg = np.nanmean(center[:, 1])\n",
"```\n",
"\n",
"Ответ
\n",
"\n",
"`(29, 4)`\n",
"\n",
"В файле 28 строк данных и строка заголовка. `genfromtxt` не падает на тексте, а делает из заголовка строку `nan` — получается 29 строк.\n",
"\n",
"Подсказка 1
\n",
"\n",
"Оба раза — `delimiter=\",\"`, `skip_header=1`, `usecols=1`; для `zero_temp` добавьте `filling_values=0`.\n",
"\n",
"Подсказка 2
\n",
"\n",
"`true_avg = np.nanmean(temp)`.\n",
"\n",
"Решение
\n",
"\n",
"```python\n",
"zero_temp = np.genfromtxt(\"data/station_airport.csv\", delimiter=\",\", skip_header=1, usecols=1, filling_values=0)\n",
"temp = np.genfromtxt(\"data/station_airport.csv\", delimiter=\",\", skip_header=1, usecols=1)\n",
"zero_avg = zero_temp.mean()\n",
"true_avg = np.nanmean(temp)\n",
"```\n",
"\n",
"Подсказка 1
\n",
"\n",
"Столбец таблицы — `forest[:, 2]`.\n",
"\n",
"Подсказка 2
\n",
"\n",
"`np.nan_to_num(humidity, nan=np.nanmean(humidity))`.\n",
"\n",
"Решение
\n",
"\n",
"```python\n",
"forest = np.genfromtxt(\"data/station_forest.csv\", delimiter=\",\", skip_header=1)\n",
"humidity = forest[:, 2]\n",
"hum_filled = np.nan_to_num(humidity, nan=np.nanmean(humidity))\n",
"```\n",
"\n",
"