最佳方法

Question

我想创建End大于Start的数据帧。

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()

给出了

     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，我想在数据中添加第三列Strand，如上面的策略所生成的那样。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。我该如何解决这个问题？

我可以要求假设生成一个带pos，pos，strand_int的数据框，其中strand_int为0或1，并在测试中将其转换为“ - ”或“+”，但感觉很蹩脚。

Answer 1

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      +

必须有一个更好的方法来实现它而不是实现你自己的排序......我的排序取决于Start和End中的整数介于0和int（1e10）之间 - 1感觉很icky。

Answer 2

作弊！

制作测试的第一行end，并且end将始终大于start（假设为正整数）。如果您有更具体的大小限制，请将@st.composite假设为假设，然后使用此技巧。

您还可以使用内联执行此操作的node -v装饰器编写自定义策略。 IMO只有在您将其用于多项测试时才值得，但这是一个风格问题而不是实质问题。

当行元组具有不同的dtypes时，对假设生成的数据帧进行排序

2 个答案:

最佳方法

第一次尝试：