3

我想创建 End 大于 Start 的数据框。

我这样做：

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()

这使

     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，我想将第三列 Strand 添加到数据中，如使用上述策略生成的那样。然后这停止工作：

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 strs 的元组排序。我该如何解决？

我可以要求假设生成一个带有 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。

4

2 回答 2

3

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

第一次尝试：

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      +

必须有比实现自己的排序更好的方法...我的排序取决于 Start 和 End 中的整数介于 0 和 int(1e10) - 1 之间，这感觉很恶心。

于 2018-05-31T10:40:00.780 回答
2

欺骗！

制作 test 的第一行df.End += df.Start，end 将始终大于 start（假设为正整数）。如果您有更具体的尺寸限制，end请将 Hypothesis 描述为所需的差异，然后使用此技巧。

@st.composite您还可以使用内联的装饰器编写自定义策略。IMO 仅在您将其用于多项测试时才值得，但这是风格问题而不是实质问题。

于 2018-06-01T15:01:46.710 回答