小编iro*_*ein的帖子

我正在为 python 编写 C 扩展。我暂时只是在尝试，我已经编写了一个 hello world 扩展，如下所示：

#include <Python2.7/Python.h>

static PyObject* helloworld(PyObject* self)
{
    return Py_BuildValue("s", "Hello, Python extensions!!");
}

static char helloworld_docs[] = "helloworld( ): Any message you want to put here!!\n";

static PyMethodDef helloworld_funcs[] = {
    {"helloworld", (PyCFunction)helloworld, METH_NOARGS, helloworld_docs},
    {NULL,NULL,0,NULL}
};

void inithelloworld(void)
{
    Py_InitModule3("helloworld", helloworld_funcs,"Extension module example!");
}

从我编写的 setup.py 文件安装它并从命令行安装之后，代码工作得很好

python setup.py install

我想要的是以下内容：

我想使用 C 文件作为 python 扩展模块，而不安装它，也就是说，我想将它用作项目中的另一个 python 文件，而不是在我的 python 模块使用其之前需要安装的文件功能。有什么方法可以做到这一点吗？

我一直在阅读这个示例Google样式Python文档字符串文档,以了解如何编写好的Python文档.但我无法理解一件事.

记录字符串时,有一种奇怪的表示法.

例如,在记录参数时,文档指定它们的写法如下:

Args: 
    arg1(str): The description for arg1

但是,在其他一些地方,该文件写道:

Args: 
    param2 (:obj:`str`, optional): The second parameter.

在第二种情况下,为什么字符串表示为:obj:`str`而不仅仅是普通的str？为什么首先有两个表示strings？我什么时候使用哪个？

考虑Java中的以下简单类层次结构

class Foo {
    protected void someMethod(Bar bar) {
        ...
    }

    protected void someOtherMethod(Baz baz) {
        ...
    }
}

class EnhancedFoo extends Foo {
    @Override
    protected void someMethod(Bar bar) {
        ...
    }
}

我现在开始为这两个类编写JUnit单元测试.由于方法的合同对于someMethod两个类都是相同的,因此我需要两个类基本上完全相同的测试方法(关于someMethod方法),这导致代码重复.使用多个覆盖方法为更丰富的类层次结构执行此操作时,感觉继承对可测试性不利.

此外,即使该方法someOtherMethod没有被覆盖ExtendedFoo,我需要包括相关的测试,ExtendedFoo因为这仍然是合同,这个扩展的类和单元测试应该测试这个.

是否有其他一些在Java中组织层次结构的方法更适合可测试性？是否有一些JUnit构造可以帮助缓解这个问题？

我需要在 Python 中实现一个类，它代表单变量（目前）正态分布。我的想法如下

class Norm():
    def __init__(self, mu=0, sigma_sq=1):
        self.mu = mu
        self.sigma_sq = sigma_sq
        # some initialization if necessary

    def sample(self):
        # generate a sample, where the probability of the value 
        # of the sample being generated is distributed according
        # a normal distribution with a particular mean and variance
        pass

N = Norm()
N.sample()

生成的样本应根据以下概率密度函数分布

我知道这一点scipy.stats并Numpy提供了执行此操作的函数，但我需要了解这些函数是如何实现的。任何帮助将不胜感激，谢谢:)

我有一个非常简单的功能,如下所示

def new_price(A, B, x):
    return np.linalg.inv(A @ B) @ x

这些是我给它的输入

A = np.array([
    [2, 0, 1, 0],
    [1, 1, 1, 1],
    [0, 0, 0, 10]
]) 

B = np.array([
    [3, 3, 3],
    [2, 0, 8],
    [0, 5, 3],
    [0, 0, 10] 
])

x = np.array([ 84, 149, 500])

这将返回数组[ 1. 3. 5.].但是,当我进行以下等式检查时,它会返回False

v1 = new_price(A, B, x)
v2 = np.array([1.0, 3.0, 5.0])
np.array_equal(new_price(A, B, [ 84, 149, 500]), np.array([1.0, 3.0, 5.0]))

我检查了两个阵列的形状和类型是一样的.我在这里错过了什么？