软工第五次作业——Python效能分析之四则运算生成器
程序员文章站
2022-05-04 13:22:31
Github项目地址: https://github.com/JtvDeemo/elementary arithmetic PSP ||||| |: |: |: |: | | PSP2.1 | Personal Software Process Stages | 预估耗时(分钟) | 实际耗时(分钟 ......
Github项目地址:
https://github.com/JtvDeemo/elementary-arithmetic
PSP
PSP2.1 | Personal Software Process Stages | 预估耗时(分钟) | 实际耗时(分钟) |
Planning | 计划 | 10 | 10 |
· Estimate | · 估计这个任务需要多少时间 | 1440 | 920 |
Development | 开发 | 700 | 200 |
· Analysis | · 需求分析 (包括学习新技术) | 180 | 240 |
· Design Spec | · 生成设计文档 | 5 | 5 |
· Design Review | · 设计复审 (和同事审核设计文档) | 10 | 15 |
· Coding Standard | · 代码规范 (为目前的开发制定合适的规范) | 5 | 5 |
· Design | · 具体设计 | 40 | 60 |
· Coding | · 具体编码 | 300 | 380 |
· Code Review | · 代码复审 | 30 | 30 |
· Test | · 测试(自我测试,修改代码,提交修改) | 30 | 30 |
Reporting | 报告 | 120 | 120 |
· Test Report | · 测试报告+博客 | 120 | 120 |
· Size Measurement | · 计算工作量 | 10 | 10 |
· Postmortem & Process Improvement Plan | · 事后总结, 并提出过程改进计划 | 40 | 50 |
合计 | 3040 | 2195 |
题目要求:
- 能自动生成小学四则运算题目
- 除了整数外,还要支持真分数的四则运算
除了以上的基本需求,还有 - 生成的算式长度随机
- 能处理分数的运算,结果能用分数(字符串类型)表示出来,能与用户输入相对应
解题思路:
- 定义一个函数用于随机生成随机长度的算式
- 把字符串型的算式转换为逆波兰式(RPN,也称后缀表达式)
- 再把后缀表达式利用栈结构计算出结果
- 最后再与用户的输入做比较
重点难点:
- 分数的表示与计算
- 后缀表达式的生成和计算
- 结果为负数的情况
如何解决:
- Python的分数计算可以用 fractions 库
- https://blog.csdn.net/qq_36763635/article/details/72627601 这里介绍了如何将中缀表达式转换为后缀表达式(RPN)
- https://blog.csdn.net/yangquanhui1991/article/details/52187375 图解后缀表达式的计算过程
- 对于结果为负数的情况,只能生成算式之后验算一遍,若为负数的情况,重新生成一遍(可能是个人水平有限)
设计实现:
具体程序设计:
成员变量
成员名 | 类型 | 功能 |
op | list | 存放运算符 |
quest | str | 存放算式 |
lens | int | 2到9的随机长度 |
teop | str | 存放当前运算符 |
tstr | str | 存放当前算式 |
tint | int | 存放当前运算数 |
成员函数
函数名 | 输入 | 输出 | 依赖函数 | 功能 |
get_string | 冇 | 字符串 | 冇 | 随机生成一个算式 |
get_ans | str | 返回布尔类型 | get_string | 将用户输入与正确答案比较 |
to_rpn | str | 返回后缀表达式 | get_ans | 将随机生成的算式转换为RPN |
this_bigger | str,str | 返回布尔表达式 | 冇啊 | 比较两个运算符的优先级 |
slove_rpn | str | 返回计算结果 | get_ans | 将后缀表达式计算出来 |
核心代码:
#随机生成一个算式 def get_string(self): self.lens = random.randint(2, 9) self.teop = '' self.tstr = [] for i in range(self.lens): if self.teop == '÷': self.tint = random.randint(1, 8) self.teop = random.choice(self.op) elif self.teop == '/': self.tint = random.randint(self.tint+1, 9) self.teop = random.choice(self.op[:-1]) else: self.tint = random.randint(0, 8) self.teop = random.choice(self.op) self.tstr.append(str(self.tint)) self.tstr.append(self.teop) self.tstr[-1] = '=' self.tstr = ''.join(self.tstr) self.quest = self.tstr return self.tstr
#将随机生成的算式转换为RPN def to_rpn(self, ques): #Reverse Polish notation self.stack = [] s = '' for x in ques: if x != '+' and x != '-' and x != '×' and x != '÷' and x != '/': s += x #若为数字,直接输出 else: # 若为运算符,进栈 if not self.stack: #栈空 self.stack.append(x) else: if self.this_bigger(x, self.stack[-1]): #运算级高于栈顶元素 self.stack.append(x) #直接进栈 else: while self.stack: if self.this_bigger(x, self.stack[-1]): break s += self.stack.pop() self.stack.append(x) while self.stack: s += self.stack.pop() # print('在to_rpn函数中,rpn:',s) return s
#将后缀表达式计算出来 def slove_rpn(self, rpn): #print('进入slove_rpn函数:') self.stack1 = [] #用于保存运算数 for x in rpn: if x != '+' and x != '-' and x != '×' and x != '÷' and x != '/': self.stack1.append(int(x)) elif x == '+': second = self.stack1.pop() first = self.stack1.pop() self.stack1.append(first + second) elif x == '-': second = self.stack1.pop() first = self.stack1.pop() self.stack1.append(first - second) elif x == '×': second = self.stack1.pop() first = self.stack1.pop() self.stack1.append(first * second) elif x == '÷': second = self.stack1.pop() first = self.stack1.pop() self.stack1.append(Fraction(first, second)) elif x == '/': second = self.stack1.pop() first = self.stack1.pop() self.stack1.append(Fraction(first, second)) resault = self.stack1[0] if resault >= 0: #print('--------------题结束----------------') return resault elif resault < 0: s = self.get_string() rpn = self.to_rpn(s[:-1]) return self.slove_rpn(rpn)
运行效果:
单元测试
《构建之法》第二章中详细提及了好的单元测试的标准。
- 单元测试应该在最基本的功能/参数上检验程序的正确性。
- 单元测试必须由最熟悉代码的人来写。
- 单元测试过后,机器状态保持不变。
- 单元测试要快。
- 单元测试应该产生可重复、一致的结果。
- 独立性-单元测试的运行/通过/失败不依赖于别的测试,可以人为构造数据,以保持测试的独立性。
- 单元测试应该覆盖所有代码路径。
效能分析图
Pycharm中运行profiler,次数为10W次
可以看到所用的时间长度为16.04s