Oefening met random.seed()

[IngeVerbeek]

Ik ben oefeningen aan het opstellen die gebruik maken van random getallen. Om de testen correct te laten werken, probeer ik te werken met random.seed().

Het is me al gelukt om een testbestand op te stellen (weliswaar in .json ipv in .yaml) met input en output, zoiets:

{ "tabs": [ { "name": "Controle", "contexts": [ { "before": { "python": { "data": "from random import seed; seed(50)" } }, "testcases": [ { "input": { "stdin": { "type": "text", "data": "Tessa\n15\n" } }, "output": { "stdout": { "type": "text", "data": "Proficiat Tessa, je wint 15 procent korting.\n" } } } ] }, { "before": { "python": { "data": "from random import seed; seed(100)" } }, "testcases": [ { "input": { "stdin": { "type": "text", "data": "Farah\n62\n" } }, "output": { "stdout": { "type": "text", "data": "Proficiat Farah, je wint 9 procent korting.\n" } } } ] }, ...

Ik heb geen idee of dit de meest efficiënte/aanbevolen manier is, maar dit was het enige wat ik vond om met random seed te werken (tenzij ik aan de leerlingen zeg dat ze het er zelf tussen moeten typen). Het is is alvast weinig overzichtelijk, maar het werkt wel.

Het lukt me echter op geen enkele manier om hiermee een functie te testen met een return. Ik heb al zitten zoeken naar documentatie over hoe ik dit kan aanpakken of naar voorbeeldoefeningen, maar ik heb nog niets nuttig kunnen vinden.

Kan iemand me op weg zetten?

[DieterPi]

Hoi Inge, ik heb dit zelf ook al een paar keer gedaan in een .json file, maar misschien lukt het ook via .yaml.

Ik heb namelijk ergens een .yaml file waarbij een functie met een andere functie als parameter opgeroepen moet worden:

- tab: Controle
  contexts:
  - testcases:
    - statement:
        python: import math
    - statement:
        python: 'def f(x) : return math.sin(x)'
    - expression: afgeleide(3.141592654, f)
      return: -0.9999999999993933

Dat lijkt mij ook omvormbaar zodat random werkt, zoiets?

- tab: Controle
  contexts:
  - testcases:
    - statement:
        python: import random
    - statement:
        python: 'random.seed(50)'
    - expression: functie(test)
      return: 1

[IngeVerbeek]

Schitterend! Dit werkt (en is veeeel eenvoudiger/leesbaarder dan in een .json file).

Enige detail: de leerlingen zien dit statement in de testgevallen:

Het zou nog beter zijn als ik dit onzichtbaar kan maken (voornamelijk om hen niet te verwarren), maar geen idee of dat kan.

[DieterPi]

Ik dacht dat er ook iets was met visibility, maar dat laat ik aan de Dodona devs over 😉

[chvp]

Om dit onzichtbaar te maken zal je wel degelijk gebruik moeten maken van de before functionaliteit in het JSON-testplan. Voor functies kan dit er als volgt uit zien:

{
  "tabs": [
    {
      "name": "Controle",
      "contexts": [
        {
          "before": {
            "python": {
              "data": "from random import seed; seed(50)"
            }
          },
          "testcases": [
            {
              "input": {
                "type": "function",
                "name": "proficiat",
                "arguments": [
                  {
                    "type": "text",
                    "data": "Farah"
                  }
                ]
              },
              "output": {
                "result": {
                  "value": {
                    "data": "Proficiat Farah, je wint 16% korting",
                    "type": "text"
                  }
                }
              }
            }
          ]
        }
      ]
    }
  ]
}

Met de oplossing

import random

def proficiat(naam):
    return f"Proficiat {naam}, je wint {random.randint(1, 20)}% korting"

geeft dit een correct resultaat en ziet dit er in Dodona als volgt uit:

Let wel dat dit een redelijk fragiele manier is om code te testen die gebruik maakt van random. De volgende oplossing

import random

def proficiat(naam):
    return f"Proficiat {naam}, je wint {random.choice(range(20, 0, -1))}% korting"

is functioneel equivalent maar zal wel fout gerekend worden.

Om hiermee om te gaan maak je best gebruik van een geprogrammeerde evaluator. Een voorbeeld van hoe zo'n evaluatiefunctie er kan uit zien voor een oefening met random kan je hier zien: https://github.com/dodona-edu/universal-judge/blob/master/tests/exercises/lotto/evaluation/evaluator.py#L44

[IngeVerbeek]

Top! Hier kan ik mee verder. Bedankt.