Usikker forskning: Python-script gav forskellige resultater afhængig af styresystem

Så en forsker skriver noget kode som kraftigt afhænger af korrekt sortering men sikrer sig ikke samme sortering. Er historien her ikke bare at man skal være varsom med at læne sig op ad sideeffekter? ?

.. og skrive tilstrækkelige testcases til ens kode.

Er historien her ikke bare at man skal være varsom med at læne sig op ad sideeffekter

Jeg vil sige det er et godt eksempel på hvad der kan ske, når man forlader sig på 'citizen programming'.

Fra artiklen:

def read_gaussian_outputfiles():  
    list_of_files = []  
    for file in glob.glob('*.out'):  
        list_of_files.append(file)  
    return list_of_files

The glob module finds all the pathnames matching a specified pattern according to the rules used by the Unix shell, although results are returned in arbitrary order

Man må formode (håbe :) at en professionel Python programmør ville have vist dette. Og ja, som der skrives ovenfor, hvis sortering er vigtig så lav en testcase for det.

Første sætning af dokumentationen af Pythons glob modul:

The glob module finds all the pathnames matching a specified pattern according to the rules used by the Unix shell, although results are returned in arbitrary order.

I pathlib modulet nævner de godt nok ikke noget om rækkefølgen, men alle eksemplerne starter med at sortere resultatet.

Hele funktionen tyder generelt på at de ikke er super kyndige i python. funktionen kunne bare have været:

def read_gaussian_outputfiles():  
    return glob.glob("*.out")

Der er ingen grund til at løbe over listen for at lave en ny liste. I det mindste kunne man have brugt en list comprehension.

Sorteringen er vel ikke kun operativsystem-afhængigt, men nok også filsystems-afhængig?

Hvis hverken OS eller sprogets standard library laver sortering, vil der vel være forskel på om du lister filer fra et filsystem med btree indexering, eller et "dumt" fs som fx FAT?

Sorteringen er vel ikke kun operativsystem-afhængigt, men nok også filsystems-afhængig?

Hvilket måske kan forklare at Linux har problemer, fordi der efterhånden er mange forskellige filsystemer.

En algoritme burde ikke afhænge af rækkefølgen overhovedet. Det er vel den virkelige fejl.

Jeg synes måske kritikken her i kommentar sporet rammer ved siden af.

Kritikken går meget på at der ikke bliver overholdt x, y, og z bedt practices, som man ville kende, hvis man var en programmør.

Han er jo netop ikke programmør, han er kemiker. At skyde skylden på ham, for andres lemfældige brug af hans kode synes jeg rammer ved siden af.

I stedet for at kritisere ham for at skrive et script til sig projekt (som for resten virkede fint dengang), så skulle man måske tage et konstruktivt, kritisk syn på processen for at vælge scripts til at bearbejde data til videnskabelige artikler.

Måske man kunne indføre peer review på dette også, eller måske noget helt andet.

(som for resten virkede fint dengang),

Ved vi det helt eksakt? Hvis algoritmen giver et andet resultat med en anden sortering. Hvorfor skulle den så give det rigtige resultat med den første sortering.

Jeg ville give de oprindelige resultater er check også med den viden man har om algoritmen nu.

En algoritme burde ikke afhænge af rækkefølgen overhovedet. Det er vel den virkelige fejl.

Mener du heller ikke at fx en binær søgning burde afhænge af rækkefølgen af data? ;-)

Hvis man er afhængig af at listen er sorteret må programmøren sikre sig at den returneres sorteret (læs dokumentationen) eller indsætte en sortering.

Mon ikke det er det der menes?

Men de fleste af os har vel prøvet at falde i den slags usikre antagelser - det er vel det man kalder erfaring?

Man må formode (håbe :) at en professionel Python programmør ville have vist dette.

Jeg har arbejdet sammen med (selvlærte) webudviklere der lavede mindst lige så slem "slamkode" professionelt. At man er professionel (får løn) gør ikke automatisk en god til arbejdet.

Mener du heller ikke at fx en binær søgning burde afhænge af rækkefølgen af data? ;-)

Ikke hvis du, som du skal, sorterer dine data inden du bruger algoritmen.