内容字号:默认大号超大号

段落设置:取消段首缩进段首缩进

字体设置:切换到微软雅黑切换到宋体

业界资讯软件之家
Win10之家WP之家
iPhone之家iPad之家
安卓之家数码之家
评测中心智能设备
精准搜索请尝试:精确搜索

Python脚本中的bug,可能影响了数百项学术研究

2019/10/25 14:12:16来源:开源中国作者:afterer责编:嗜橙评论:

Python作为一种功能强大且通用的编程语言而广受好评,它具有非常清晰的语法特点,适用于科学计算生态,在数据分析、交互、可视化等方面。

不久前,夏威夷大学的化学研究人员发现,用于化学数据计算分析的一组Python脚本编程有误,该脚本的不同计算机操作系统中运行会产生不同的结果。在计算分析蓝藻实验的结果时,研究人员 Philip Williams 等人发现,通过Python 脚本跑出来的实验结果,因操作系统而异。这导致这些研究人员对已发表的150 多项化学研究论文结果产生了怀疑。

这份脚本名为“Willoughby-Hoye”,脚本大约有1000行,它自2014年开始使用,用来计算核磁共振图谱的化学位移值。研究人员发现在 macOS Mavericks和Windows 10 运行的结果是相同的(173.2),也在研究人员的预想中,但在 macOS Mojave 和 Ubuntu 上却不相同(分别为172.4和172.7),几个结果看起来差不多,但在科学研究领域,对精度要求很高,看似接近的数字其实相差很大。

那么为什么出现这类结果呢?

这份脚本出现的 bug,与我们印象中的 bug 很不同,bug通常在任何地方都会有相同错误结果,而不只是在某些特定的环境中。经过检查,问题锁定在数据的检索方式,每次运行的数据都存储在两个文件中,文件按文件名成对检索,并成对处理。关键在于,检索文件的顺序因操作系统而异。只要文件匹配,就能得到正确的结果。如果不是,将处理来自两次不同运行的数据。

此前,许多新闻报道中认为罪魁祸首是Python标准库模块 glob 模块,该脚本使用Python的glob模块来查找符合特定格式的文件路径名——基于glob的结果去生成读取文件列表。但是glob的结果又取决于操作系统的文件返回值。于是脚本的计算结果会受到文件处理顺序的影响。在Python 文档中关于 glob 模块的描述如下:

glob模块根据Unix shell使用的规则查找与指定模式匹配的所有文件路径名,最终结果以任意顺序返回。

所以这并不是 bug, glob 的结果是任意顺序返回的,它并没有按照指定的顺序返回结果。这错不在Python,而在于编写这份Python 脚本的人。该脚本的作者应该在代码中定义期望的排序行为,以确保一致性。如果是一个好的程序员,在详细阅读文档后,他们能够注意到文档中的说明(例如 glob 的返回结果是任意的),从而在编写代码时考虑到它。这个事情也告诉我们,好的编程技巧相当重要,尤其是当应用到科学计算这类严谨的研究中,失之毫厘,必然差之千里。

Williams 等人发现了这个问题后,为该代码添加了必要的排序代码。他希望科学家们更加关注实验的计算部分,至于该脚本问题影响到其他论文研究结果有多少,他也难以得出定论。

一般来说,代码并不是一篇学术论文中最被关注的点。所以说,计算机学界及其他领域学界往往不会对代码质量过分深究。这也导致,不管是学术研究者还是业界人士,都能感觉到「学术原型代码」和「工业级别代码」之间的巨大差异。

不过相比于工业界的代码,学术论文中代码bug的影响毕竟还是有限的。

相关文章

关键词:PythonBug

IT之家,软媒旗下科技门户网站 - 爱科技,爱这里。

Copyright (C)RuanMei.com, All Rights Reserved.

软媒公司版权所有