news 2026/11/4 12:10:10

python实验一

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
python实验一

(一) 考题一:Excel 报表生成脚本

1. 项目目标

读取月度销售原始 Excel,自动完成脏数据清洗、多维度销售额统计,输出包含 4 个工作表的报表文件,程序具备异常容错能力,不修改原始文件。

2. 输入与输出

输入文件:sales_raw.xlsx
固定字段:日期、销售员、产品、数量、单价、地区
输出文件:report.xlsx
固定 4 个工作表:明细清洗后、按销售员、按地区、总览

3. 业务规则(清洗逻辑)

1. 关键字段为空→删除整行;
2. 订单数量≤0→剔除异常行;
3. 全字段完全一致的重复行→只保留 1 条;
4. 单行销售额 = 数量 × 单价;
5. 分组汇总:按销售员求和、按地区求和;
6. 总览输出月度总销售额 + 有效订单条数。

4.异常处理要求

1. 原始文件不存在;
2. 原始表格缺少关键字段;
3. 读取文件失败(文件损坏);
4. 清洗后无任何有效数据;
5. 所有异常仅打印文字提示,程序不崩溃退出。

5.验收标准

1. 一键运行自动生成`report.xlsx`,4 个工作表完整;
2. 汇总数值与人工手工计算结果完全一致;
3. VS Code 预览只能看到第一张 sheet,用 WPS/Excel 打开可切换全部 4 个标签;
4. 各类异常场景程序友好提示,无报错闪退。

6.测试用例

用例 1:正常业务用例

用例 2:边界异常用例 1(原始文件缺失)

用例 3:边界异常用例 2(清洗后无有效数据)

7.可运行源代码工程

https://download.csdn.net/download/2601_95771059/93789052?spm=1001.2014.3001.5503

8. AI 协作过程记录

(1)关键对话摘要

1. 我给出业务背景与完整需求,请求编写 Python 清洗统计代码;
2. AI 给出初始代码,实现清洗、分组、多 sheet 写入;
3. 我发现 VS Code 预览只能看到第一张 sheet,误以为少了工作表;
4. AI 定位问题:编辑器预览插件不支持多 sheet,必须用 WPS 打开,并给出开启工作表标签的设置方法;
5. 我补充要求增加异常容错:文件不存在、字段缺失、空数据;AI 完善 try-except 与前置判断;
6. 最后共同完成完整实验报告与全套交付文档。

(二) 考题二:FastAPI 记账接口

1. 项目目标

实现简易记账 HTTP 接口,支持流水录入、筛选查询、收支统计;具备参数校验、异常容错,可选用内存或 SQLite 存储。

2. 输入与输出

接口服务:FastAPI Web 服务

POST /records:新增流水,入参:金额、类型、分类、日期
GET /records:查询流水,支持筛选、分页,返回流水列表
GET /summary:收支汇总,入参:日期区间,返回收入合计、支出合计、结余

3. 业务规则

1. 金额必须大于 0;
2. 类型仅允许:收入 / 支出;
3. 日期格式合法;
4. 流水查询支持按类型、分类、起止日期筛选,支持分页;
5. 汇总接口按指定日期区间统计收支,结余 = 收入合计 - 支出合计。

4. 异常处理要求

1. 参数非法,返回 4xx 状态码 + 结构化错误信息;
2. 测试用例覆盖校验逻辑;
3. 说明并发写入的数据安全方案。

5. 验收标准

1. 服务可正常启动,全部接口可成功调用;
2. 参数校验生效,非法参数返回对应 4xx 状态码;
3. 使用 pytest 编写用例,覆盖核心业务逻辑;
4. 能说明并发写入场景下的数据一致性保障方案。

6.截图

服务启动截图:uvicorn 启动成功终端

接口文档首页截图:127.0.0.1:8000/docs

pytest 测试截图:5 个用例全部 PASS

非法参数报错截图:400 类型非法结构化返回

7.可运行源代码工程

https://download.csdn.net/download/2601_95771059/93800087

8.AI 协作过程记录

对话摘要

1. 提交考题需求,确认接口字段、校验规则、4xx 结构化报错、pytest、并发说明等验收要点;
2. 初始版本校验简单,错误信息为默认格式,不满足「结构化错误信息」要求;
3. 修改代码,自定义 JSON 格式异常返回,区分 400(类型错误)和 422(金额 / 日期错误);
4. 编写 pytest 自动化用例,覆盖正常、两种异常场景;
5. 学习 uvicorn 启动方式,在`/docs`页面手动测试接口、截取测试截图;
6. 整理全套交付文档,包含需求清单、测试表格、复盘文字。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/11/4 12:09:31

深度学习:多模态学习——图文联合表征前沿进展

上篇把模型压缩与 ONNX 部署打通,而「图文一起理解」这类多模态能力,正在重新定义模型的边界。 人类一眼看图、一读文字就能把两者联系起来——"这是只橘猫"。但模型长期被割裂成"看图的"和"读字的"。多模态学习要做的&am…

作者头像 李华
网站建设 2026/11/4 12:03:50

重磅发布2026最新跌倒检测雷达 全频段技术突破破解康养机构跌倒预警痛点

本文面向智慧康养机构技术负责人、智能家居方案工程师、康养设备采购人员,针对当前跌倒监测设备普遍存在的静止人体漏报、复杂环境误报率高、老年慢滑场景识别不准的核心问题,详解2026最新跌倒检测雷达的技术架构、落地参数与实测效果,为场景…

作者头像 李华
网站建设 2026/11/4 12:03:50

写好 Prompt 的三个底层方法:从 CoT 到 few-shot

上周改一个接口,同一段 prompt 换了个措辞,模型返回的 JSON 字段名就乱了。这种「换个说法结果就变」的坑,根子在模型怎么处理提示词。一、让模型一步一步来,能很好地提升答案的准确性Google 团队在《Chain-of-Thought Prompting …

作者头像 李华
网站建设 2026/11/4 12:03:11

国产半实物仿真软件推荐:航空航天与武器装备测试场景解读

国产半实物仿真软件推荐:航空航天与武器装备测试场景解读 在航空航天飞行控制系统的开发与验证过程中,半实物仿真测试是连接数字仿真与真实飞行环境的必经环节。近年来,随着国防军工领域对自主可控要求的持续提升,越来越多的工程团…

作者头像 李华