Как построить стратегию создания массива кортежей с парами одинаковых значений?

Я обнаружил, что если мне нужно управлять содержимым внутри существующей структуры стратегии (например, пары одинаковых значений внутри массива), мне нужно пропустить эту стратегию для более низкоуровневых с помощью которое я могу создать «готовое» значение, которое может засеять тип, который я хочу сгенерировать.

Давайте воспользуемся тем, что numpy.array принимает список списков для создания массива. Предположим также, что вы хотите, чтобы каждая строка была уникальной, поскольку в вашем примере не отображаются повторяющиеся строки. Если это нежелательно, удалите unique_by=str из определения depth_strategy.

1. Сгенерируйте целое число и создайте список этого значения, повторяющийся несколько раз, чтобы соответствовать ШИРИНЕ.
2. Сгенерируйте список длины ГЛУБИНЫ из тех списков, которые мы создали на первом шаге.
3. Объедините две стратегии, вложив их.
4. Загрузите результат третьего шага в numpy.array, убедившись, что dtype соответствует стратегии, используемой для генерации значений на первом шаге.

# %%
"""Hypothesis strategy for array of tuples with pairs of identical values."""
from hypothesis import given, settings, strategies as st

import numpy as np

WIDTH = 2
DEPTH = 4
MIN_VALUE = -10
MAX_VALUE = 10

# Build the row - Here for clarification only
width_strategy = st.integers(MIN_VALUE, MAX_VALUE).map(
    lambda i: tuple(i for _ in range(WIDTH))
)

# Build the array of rows - Here for clarification only
depth_strategy = st.lists(
    width_strategy, min_size=DEPTH, max_size=DEPTH, unique_by=str
).map(lambda lot: np.array(lot, dtype=np.int64))

# All-in-One
complete_strategy = st.lists(
    st.integers(MIN_VALUE, MAX_VALUE).map(
        lambda i: tuple(i for _ in range(WIDTH))
    ),
    min_size=DEPTH,
    max_size=DEPTH,
    unique_by=str,
).map(lambda lot: np.array(lot, dtype=np.int64))


@settings(max_examples=10)
@given(an_array=complete_strategy)
def create_numpy_array(an_array):
    """Turn list of lists into numpy array."""
    print(f"A numpy array could be:\n{an_array}")


create_numpy_array()

Это генерирует что-то вроде:

A numpy array could be:
[[ 3  3]
 [ 9  9]
 [-5 -5]
 [ 0  0]]
A numpy array could be:
[[ 3  3]
 [-2 -2]
 [ 4  4]
 [-5 -5]]
A numpy array could be:
[[ 7  7]
 [ 0  0]
 [-2 -2]
 [-1 -1]]

Обратите внимание, что я установил max_examples равным 10, поскольку Гипотеза дает более высокое отношение вхождений к значениям, которые она считает «проблемными», например, ноль, NaN, Infinity и т. Д. Таким образом, example () или меньшее количество примеров, вероятно, сгенерируют множество массивов 2x4 всех нулей. К счастью, здесь нам помогает ограничение unique_by.

Не вдаваясь в подробности того, что предлагает np, вы можете просто сгенерировать кортежи с помощью генератора:

tuple_list = [tuple(a) for a in arrays(np.int16, (4,2), elements=integers(-10,10)).example()]

Не уверен, что это именно то, что вам нужно, но arrays из hypothesis.extra.numpy, похоже, не имеет вариантов для дублирования значений.

Вы можете просто построить нужный массив следующим образом:

import numpy as np
from hypothesis.strategies import integers
strat = integers(10, -10)
np.array([[x, x] for x in [strat.example() for _ in range(4)]], np.int16)

Пример результата:

array([[-9, -9],
       [ 0,  0],
       [-2, -2],
       [ 0,  0]], dtype=int16)

Если вам не нравится, что размер 2 запечен, вы можете иметь оба параметра be, например:

def get_array(rows, cols, strat):
    np.array([[x]*cols for x in [strat.example() for _ in range(rows)]], np.int16)


get_array(4, 2, integers(-10, 10))