小编Kot*_*ori的帖子

我做了一些实验,发现了一些python的标准random和math库比numpy对应的更快的情况.

我认为python的标准库有一个趋势,即小规模操作的速度快10倍,而numpy大规模(矢量)操作的速度要快得多.我的猜测是,numpy有一些开销会成为小案件的主导.

我的问题是:我的直觉是否正确？通常建议使用标准库而不是numpy小型(通常是标量)操作吗？

示例如下.

import math
import random
import numpy as np

记录和指数

%timeit math.log(10)
# 158 ns ± 6.16 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit np.log(10)
# 1.64 µs ± 93.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit math.exp(3)
# 146 ns ± 8.57 ns per loop (mean ± std. dev. of …

我正在开发一个R包，其中一个功能是通过的标准输入来实现与用户的交互readline。我现在想知道如何测试此功能的行为，最好是使用testthat库。

似乎test_that函数假定答案是""用户输入的。我希望我可以测试用户可以输入的各种答案的行为条件。

下面是一个小的示例代码。在实际开发中，该marryme函数在单独的文件中定义，并导出到名称空间。 devtools::test()在最后一行让我出错，因为答案永远不会是。我想测试用户输入时函数是否正确返回true "y"。

library(testthat)

test_that("input", {
  marryme <- function() {
    ans <- readline("will you marry me? (y/n) > ")
    return(ans == "y")
  }

  expect_false(marryme())  # this is good
  expect_true(marryme())   # this is no good
})

在Travis-ci上,我想跳过一些os和版本的组合.

具体来说,假设我有一个R项目.我目前的".travis.yml"看起来像

language: r

r:
  - oldrel
  - release
  - devel  

os:
  - linux
  - osx

但我想跳过devel用osx(因为devel是没有完全准备好这个平台还).我可以这样做吗？