Откройте контекст
Выберите папку проекта и обозначьте нужные файлы или поведение.
Вычислите исправленную выборочную дисперсию 2–10000 значений с модулем не более 1e150 по алгоритму Уэлфорда. Проверьте постоянные данные и большое смещение, отклоняя булевы и неконечные значения и неверное число элементов.
Выберите папку проекта и обозначьте нужные файлы или поведение.
Укажите входные данные, ожидаемый результат и границы, которые нужно сохранить.
Проверьте предлагаемые изменения и команды, прежде чем полагаться на результат.
Сравните фактическое поведение с ожидаемым. Если проверка не проходит, разберитесь в причине перед следующими изменениями.
from math import isfinite
def sample_variance(values):
if type(values) not in (list, tuple) or not 2 <= len(values) <= 10000:
raise ValueError("sample count")
if any(type(x) not in (int, float) or not -1e150 <= x <= 1e150
or not isfinite(x) for x in values):
raise ValueError("bounded finite samples")
mean, m2 = 0.0, 0.0
for n, x in enumerate(values, 1):
delta = x - mean
mean += delta / n
m2 += delta * (x - mean)
return m2 / (len(values) - 1)Пример — отправная точка для реального проекта, а не утверждение, что сгенерированный код уже протестирован. Адаптируйте пути, зависимости и ожидаемое поведение к своему приложению.