Téléchargez l’application
Sélectionnez un dossier et demandez à l’assistant de lire les fichiers concernés avant de les modifier. Définissez le résultat attendu et les limites de la tâche.
Méthodes de travail
Méthodes de développement · Écart absolu médian non normalisé
03
Méthodes de travail
Renvoyez la médiane et l’écart absolu médian non normalisé de 1–4096 nombres finis bornés à ±10^100. Testez les longueurs paires, les valeurs égales et une valeur aberrante, en rejetant booléens et valeurs non finies sans changer l’ordre initial.
Ouvrez le dossier du projet
Choisissez un endpoint compatible. Les outils disponibles et la qualité des réponses dépendent du modèle et du serveur utilisés.
Connectez et testez le modèle
Examinez les changements et les sorties de commandes. Lancez les vérifications du projet avant de valider le résultat : le code généré n’est pas testé automatiquement.
Examinez les modifications et lancez les tests
Comparez le comportement observé au résultat attendu. Si une vérification échoue, cherchez la cause avant de poursuivre les modifications.
Écart absolu médian non normalisé
Méthodes de travail
import math
def median_deviation(values):
if type(values) is not list or not 1 <= len(values) <= 4096:
raise ValueError("mad.input")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in values):
raise ValueError("mad.value")
def median(items):
ordered = sorted(items)
n = len(ordered)
return float(ordered[n//2]) if n % 2 else ordered[n//2-1]/2+ordered[n//2]/2
center = median(values)
return center, median([abs(x-center) for x in values])
Vérifiez avant d’appliquer. Examinez les changements et les sorties de commandes. Lancez les vérifications du projet avant de valider le résultat : le code généré n’est pas testé automatiquement.