.

2025-11-18 02:55:01 +03:00
parent 658e5f55f1
commit 3f13f2363c
20 changed files with 152363 additions and 15 deletions
@@ -0,0 +1,67 @@
+import numpy as np
+import pandas as pd
+
+from Task import MyOneHotEncoder, SimpleCounterEncoder, FoldCounters, weights
+
+def test_imports():
+    with open('Task.py', 'r') as file:
+        lines = ' '.join(file.readlines())
+        assert 'import numpy' in lines
+        assert lines.count('import') == 1
+        assert 'sklearn' not in lines
+        assert 'get_dummies' not in lines
+
+def test_one_hot_small():
+    data = {'col_1': [0, 1, 0, 1, 0, 1], 'col_2': ['a', 'b', 'c', 'c', 'b', 'a']}
+    df_test = pd.DataFrame.from_dict(data)
+    enc = MyOneHotEncoder(dtype=int)
+    enc.fit(df_test)
+    onehot = enc.transform(df_test)
+    ans = np.array([[1,0,1,0,0],[0,1,0,1,0],[1,0,0,0,1],[0,1,0,0,1],[1,0,0,1,0],[0,1,1,0,0]])
+    assert len(onehot.shape) == 2
+    assert onehot.shape[0] == 6
+    assert onehot.shape[1] == 5
+    assert (ans == onehot).all()
+    assert type(onehot) == np.ndarray
+
+def test_one_hot_big():
+    data = {'col_1': [1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 2, 1, 2, 0, 2, 1, 2, 0, 0, 2, 0, 1, 2, 2, 0, 1, 1, 2, 0], 'col_2': [1, 1, 1, 1, 0, 4, 1, 0, 0, 3, 2, 1, 0, 3, 1, 1, 3, 4, 0, 1, 3, 4, 2, 4, 0, 3, 1, 2, 0, 4], 'col_3': [1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1]}
+    df_test = pd.DataFrame.from_dict(data)
+    enc = MyOneHotEncoder(dtype=int)
+    enc.fit(df_test)
+    onehot = enc.transform(df_test)
+    ans = np.array([[0, 1, 0, 0, 1, 0, 0, 0, 0, 1],
+       [1, 0, 0, 0, 1, 0, 0, 0, 0, 1],
+       [1, 0, 0, 0, 1, 0, 0, 0, 1, 0],
+       [0, 1, 0, 0, 1, 0, 0, 0, 0, 1],
+       [0, 1, 0, 1, 0, 0, 0, 0, 0, 1],
+       [1, 0, 0, 0, 0, 0, 0, 1, 1, 0],
+       [1, 0, 0, 0, 1, 0, 0, 0, 0, 1],
+       [0, 1, 0, 1, 0, 0, 0, 0, 1, 0],
+       [1, 0, 0, 1, 0, 0, 0, 0, 1, 0],
+       [0, 1, 0, 0, 0, 0, 1, 0, 0, 1],
+       [1, 0, 0, 0, 0, 1, 0, 0, 0, 1],
+       [0, 0, 1, 0, 1, 0, 0, 0, 0, 1],
+       [0, 1, 0, 1, 0, 0, 0, 0, 1, 0],
+       [0, 0, 1, 0, 0, 0, 1, 0, 0, 1],
+       [1, 0, 0, 0, 1, 0, 0, 0, 0, 1],
+       [0, 0, 1, 0, 1, 0, 0, 0, 1, 0],
+       [0, 1, 0, 0, 0, 0, 1, 0, 0, 1],
+       [0, 0, 1, 0, 0, 0, 0, 1, 0, 1],
+       [1, 0, 0, 1, 0, 0, 0, 0, 0, 1],
+       [1, 0, 0, 0, 1, 0, 0, 0, 0, 1],
+       [0, 0, 1, 0, 0, 0, 1, 0, 1, 0],
+       [1, 0, 0, 0, 0, 0, 0, 1, 1, 0],
+       [0, 1, 0, 0, 0, 1, 0, 0, 1, 0],
+       [0, 0, 1, 0, 0, 0, 0, 1, 1, 0],
+       [0, 0, 1, 1, 0, 0, 0, 0, 1, 0],
+       [1, 0, 0, 0, 0, 0, 1, 0, 0, 1],
+       [0, 1, 0, 0, 1, 0, 0, 0, 0, 1],
+       [0, 1, 0, 0, 0, 1, 0, 0, 0, 1],
+       [0, 0, 1, 1, 0, 0, 0, 0, 0, 1],
+       [1, 0, 0, 0, 0, 0, 0, 1, 0, 1]])
+    assert len(onehot.shape) == 2
+    assert onehot.shape[0] == 30
+    assert onehot.shape[1] == 10
+    assert (onehot == ans).all()
+    assert type(onehot) == np.ndarray
@@ -0,0 +1,32 @@
+import numpy as np
+import pandas as pd
+
+from Task import MyOneHotEncoder, SimpleCounterEncoder, FoldCounters, weights
+
+def test_imports():
+    with open('Task.py', 'r') as file:
+        lines = ' '.join(file.readlines())
+        assert 'import numpy' in lines
+        assert lines.count('import') == 1
+        assert 'sklearn' not in lines
+        assert 'get_dummies' not in lines
+
+def test_weights_small():
+    np.random.seed(1)
+    x = np.array([1, 1, 1, 1, 0, 4, 1, 0, 0, 3, 2, 1, 0, 3, 1, 1, 3, 4, 0, 1, 3, 4, 2, 4, 0, 3, 1, 2, 0, 4])
+    y = np.array([1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0])
+    w = weights(x, y)
+    ans = [0.5714285714285714, 0.4, 0.6666666666666666, 1.0, 0.2]
+    assert len(w) == 5
+    assert np.allclose(w, ans, atol=1e-8)
+    assert type(w) == np.ndarray
+
+def test_weights_big():
+    np.random.seed(1)
+    x = np.random.choice([0, 1, 2, 3, 4, 5], size=(300,))
+    y = np.random.choice([0, 1], size=(300,))
+    w = weights(x, y)
+    ans = [0.38596491228070173, 0.5384615384615384, 0.4523809523809524, 0.3409090909090909, 0.44642857142857145, 0.42857142857142855]
+    assert len(w) == 6
+    assert np.allclose(w, ans, atol=1e-8)
+    assert type(w) == np.ndarray
@@ -0,0 +1,96 @@
+import numpy as np
+import pandas as pd
+
+from Task import SimpleCounterEncoder
+
+def test_imports():
+    with open('Task.py', 'r') as file:
+        lines = ' '.join(file.readlines())
+        assert 'import numpy' in lines
+        assert lines.count('import') == 1
+        assert 'sklearn' not in lines
+        assert 'get_dummies' not in lines
+
+def test_simple_counters_small():
+    data = {'col_1': [0, 0, 0, 1, 1, 1], 'col_2': ['a', 'b', 'c', 'a', 'b', 'c'], 'col_3': [0, 1, 2, 3, 4, 5]}
+    df_test = pd.DataFrame.from_dict(data)
+    enc = SimpleCounterEncoder()
+    enc.fit(df_test[['col_1', 'col_2']], df_test['col_3'])
+    counts = enc.transform(df_test[['col_1', 'col_2']], a=1, b=1)
+
+    print("Counters small")
+    print(counts)
+
+    ans = np.array([[1, 0.5, 4/3, 1.5, 1/3, 1.875],\
+                    [1, 0.5, 4/3, 2.5, 1/3, 2.625],\
+                    [1, 0.5, 4/3, 3.5, 1/3, 3.375],\
+                    [4, 0.5, 10/3, 1.5, 1/3, 1.875],\
+                    [4, 0.5, 10/3, 2.5, 1/3, 2.625],\
+                    [4, 0.5, 10/3, 3.5, 1/3, 3.375]])
+    assert len(counts.shape) == 2
+    assert counts.shape[0] == 6
+    assert counts.shape[1] == 6
+    assert np.allclose(counts, ans, atol=1e-8)
+    assert type(counts) == np.ndarray
+
+def test_simple_counters_diff_shape_small():
+    data_enc = {'col_1': [0, 0, 0, 1, 1, 1], 'col_2': ['a', 'b', 'c', 'a', 'b', 'c'], 'col_3': [0, 1, 2, 3, 4, 5]}
+    data_trans = {'col_1': [0, 1, 0, 1, 0], 'col_2': ['c', 'a', 'b', 'b', 'c']}
+    df_test_enc = pd.DataFrame.from_dict(data_enc)
+    df_test_trans = pd.DataFrame.from_dict(data_trans)
+    enc = SimpleCounterEncoder()
+    enc.fit(df_test_enc[['col_1', 'col_2']], df_test_enc['col_3'])
+    counts = enc.transform(df_test_trans[['col_1', 'col_2']], a=1, b=1)
+    ans = np.array([[1, 0.5, 4/3, 3.5, 1/3, 3.375],\
+                    [4, 0.5, 10/3, 1.5, 1/3, 1.875],\
+                    [1, 0.5, 4/3, 2.5, 1/3, 2.625],\
+                    [4, 0.5, 10/3, 2.5, 1/3, 2.625],\
+                    [1, 0.5, 4/3, 3.5, 1/3, 3.375]])
+    assert len(counts.shape) == 2
+    assert counts.shape[0] == 5
+    assert counts.shape[1] == 6
+    assert np.allclose(counts, ans, atol=1e-8)
+    assert type(counts) == np.ndarray
+
+def test_simple_counters_big():
+    data = {'col_1': [1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 2, 1, 2, 0, 2, 1, 2, 0, 0, 2, 0, 1, 2, 2, 0, 1, 1, 2, 0], 'col_2': [1, 1, 1, 1, 0, 4, 1, 0, 0, 3, 2, 1, 0, 3, 1, 1, 3, 4, 0, 1, 3, 4, 2, 4, 0, 3, 1, 2, 0, 4], 'col_3': [1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1], "target": [1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0]}
+    df_test = pd.DataFrame.from_dict(data)
+    enc = SimpleCounterEncoder()
+    enc.fit(df_test[['col_1', 'col_2', 'col_3']], df_test['target'])
+    counts = enc.transform(df_test[['col_1', 'col_2', 'col_3']], a=1, b=2)
+    ans = np.array([[0.6, 0.3333333333333333, 0.6857142857142857, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.4, 0.3333333333333333, 0.6, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 0.5714285714285714, 0.23333333333333334, 0.7036247334754797, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.2, 0.16666666666666666, 0.5538461538461539, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 0.5714285714285714, 0.23333333333333334, 0.7036247334754797, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.5714285714285714, 0.23333333333333334, 0.7036247334754797, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 1.0, 0.16666666666666666, 0.9230769230769231, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.6666666666666666, 0.1, 0.7936507936507935, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 0.5714285714285714, 0.23333333333333334, 0.7036247334754797, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 1.0, 0.16666666666666666, 0.9230769230769231, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 0.4, 0.3333333333333333, 0.6, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 1.0, 0.16666666666666666, 0.9230769230769231, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 0.2, 0.16666666666666666, 0.5538461538461539, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.5714285714285714, 0.23333333333333334, 0.7036247334754797, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 1.0, 0.16666666666666666, 0.9230769230769231, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.2, 0.16666666666666666, 0.5538461538461539, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 0.6666666666666666, 0.1, 0.7936507936507935, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 0.2, 0.16666666666666666, 0.5538461538461539, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 0.5714285714285714, 0.23333333333333334, 0.7036247334754797, 0.36363636363636365, 0.36666666666666664, 0.5761843790012805 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 1.0, 0.16666666666666666, 0.9230769230769231, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 0.4, 0.3333333333333333, 0.6, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.6, 0.3333333333333333, 0.6857142857142857, 0.6666666666666666, 0.1, 0.7936507936507935, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.75, 0.26666666666666666, 0.7720588235294118, 0.5714285714285714, 0.23333333333333334, 0.7036247334754797, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ],\
+[0.3333333333333333, 0.4, 0.5555555555555556, 0.2, 0.16666666666666666, 0.5538461538461539, 0.631578947368421, 0.6333333333333333, 0.619586942038641 ]])
+    assert len(counts.shape) == 2
+    assert counts.shape[0] == 30
+    assert counts.shape[1] == 9
+    assert np.allclose(counts, ans, atol=1e-8)
+    assert type(counts) == np.ndarray
+
@@ -0,0 +1,103 @@
+import numpy as np
+import pandas as pd
+
+from Task import MyOneHotEncoder, SimpleCounterEncoder, FoldCounters, weights
+
+def test_imports():
+    with open('Task.py', 'r') as file:
+        lines = ' '.join(file.readlines())
+        assert 'import numpy' in lines
+        assert lines.count('import') == 1
+        assert 'sklearn' not in lines
+        assert 'get_dummies' not in lines
+
+def test_kfold_counters_small():
+    data = {'col_1': [0,1,0,1,0,1,0,1,0,1,0,1], 'col_2':['a','b','c','a','b','c','a','b','c','a','b','c'], 'col_3': [1,2,3,4,1,2,3,4,1,2,3,4]}
+    df_test = pd.DataFrame.from_dict(data)
+    enc = FoldCounters(n_folds=2)
+    enc.fit(df_test[['col_1', 'col_2']], df_test['col_3'], seed=6)
+    counts = enc.transform(df_test[['col_1', 'col_2']], a=0, b=0)
+    ans = np.array([[7/3,0.5,14/3,3,1/3,9],\
+                    [8/3,0.5,16/3,2,1/3,6],\
+                    [5/3,0.5,10/3,2.5,1/3,7.5],\
+                    [10/3,0.5,20/3,2,1/3,6],\
+                    [5/3,0.5,10/3,3,1/3,9],\
+                    [10/3,0.5,20/3,2.5,1/3,7.5],\
+                    [7/3,0.5,14/3,3,1/3,9],\
+                    [8/3,0.5,16/3,2,1/3,6],\
+                    [7/3,0.5,14/3,2.5,1/3,7.5],\
+                    [10/3,0.5,20/3,2,1/3,6],\
+                    [5/3,0.5,10/3,3,1/3,9],\
+                    [8/3,0.5,16/3,2.5,1/3,7.5]])
+    assert len(counts.shape) == 2
+    assert counts.shape[0] == 12
+    assert counts.shape[1] == 6
+    assert np.allclose(counts, ans, atol=1e-8)
+    assert type(counts) == np.ndarray
+
+def test_kfold_counters_diffshape_idx_small():
+    data = np.array([[0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1], [1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4]])
+    index = pd.Index([11, 0, 9, 7, 6, 10, 1, 2, 5, 4, 3, 8])
+    df_test = pd.DataFrame(data.reshape(12, 2), index=index, columns=['col_1', 'col_2'])
+    enc = FoldCounters(n_folds=2)
+    enc.fit(df_test[['col_1']], df_test['col_2'], seed=6)
+    counts = enc.transform(df_test[['col_1']], a=0, b=0)
+    ans = np.array([[ 1.        ,  0.66666667,  1.5       ],\
+       [ 1.        ,  0.66666667,  1.5       ],\
+       [ 1.        ,  0.33333333,  3.        ],\
+       [ 1.        ,  0.33333333,  3.        ],\
+       [ 1.        ,  0.33333333,  3.        ],\
+       [ 1.        ,  0.33333333,  3.        ],\
+       [ 2.        ,  0.16666667, 12.        ],\
+       [ 4.        ,  0.16666667, 24.        ],\
+       [ 2.        ,  0.16666667, 12.        ],\
+       [ 4.        ,  0.33333333, 12.        ],\
+       [ 2.        ,  0.33333333,  6.        ],\
+       [ 4.        ,  0.16666667, 24.        ]])
+    assert len(counts.shape) == 2
+    assert counts.shape[0] == 12
+    assert counts.shape[1] == 3
+    assert np.allclose(counts, ans, atol=1e-8)
+    assert type(counts) == np.ndarray
+
+def test_fold_counters_big():
+    data = {'col_1': [1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 2, 1, 2, 0, 2, 1, 2, 0, 0, 2, 0, 1, 2, 2, 0, 1, 1, 2, 0], 'col_2': [1, 1, 1, 1, 0, 4, 1, 0, 0, 3, 2, 1, 0, 3, 1, 1, 3, 4, 0, 1, 3, 4, 2, 4, 0, 3, 1, 2, 0, 4], 'col_3': [1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1], "target": [1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0]}
+    df_test = pd.DataFrame.from_dict(data)
+    enc = FoldCounters(n_folds=3)
+    enc.fit(df_test[['col_1', 'col_2', 'col_3']], df_test['target'], seed=1)
+    counts = enc.transform(df_test[['col_1', 'col_2', 'col_3']], a=1, b=2)
+    ans = np.array([[0.3333333333333333, 0.3, 0.5797101449275363, 0.2857142857142857, 0.35, 0.547112462006079, 0.5384615384615384, 0.65, 0.5805515239477503 ],\
+[0.2857142857142857, 0.35, 0.547112462006079, 0.42857142857142855, 0.35, 0.60790273556231, 0.6666666666666666, 0.6, 0.641025641025641 ],\
+[0.2857142857142857, 0.35, 0.547112462006079, 0.42857142857142855, 0.35, 0.60790273556231, 0.5, 0.4, 0.625 ],\
+[0.7142857142857143, 0.35, 0.729483282674772, 0.5, 0.3, 0.6521739130434783, 0.6923076923076923, 0.65, 0.6386066763425254 ],\
+[0.7142857142857143, 0.35, 0.729483282674772, 1.0, 0.2, 0.9090909090909091, 0.6666666666666666, 0.6, 0.641025641025641 ],\
+[0.3333333333333333, 0.45, 0.5442176870748299, 0.3333333333333333, 0.15, 0.6201550387596899, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.2857142857142857, 0.35, 0.547112462006079, 0.42857142857142855, 0.35, 0.60790273556231, 0.6666666666666666, 0.6, 0.641025641025641 ],\
+[0.7142857142857143, 0.35, 0.729483282674772, 1.0, 0.2, 0.9090909090909091, 0.5, 0.4, 0.625 ],\
+[0.3333333333333333, 0.45, 0.5442176870748299, 0.25, 0.2, 0.5681818181818181, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.3333333333333333, 0.3, 0.5797101449275363, 1.0, 0.15, 0.9302325581395349, 0.5384615384615384, 0.65, 0.5805515239477503 ],\
+[0.375, 0.4, 0.5729166666666667, 1.0, 0.05, 0.9756097560975611, 0.6923076923076923, 0.65, 0.6386066763425254 ],\
+[0.8, 0.25, 0.8, 0.2857142857142857, 0.35, 0.547112462006079, 0.5384615384615384, 0.65, 0.5805515239477503 ],\
+[0.3333333333333333, 0.3, 0.5797101449275363, 0.25, 0.2, 0.5681818181818181, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.8333333333333334, 0.3, 0.7971014492753624, 1.0, 0.15, 0.9302325581395349, 0.6666666666666666, 0.6, 0.641025641025641 ],\
+[0.375, 0.4, 0.5729166666666667, 0.5, 0.3, 0.6521739130434783, 0.6923076923076923, 0.65, 0.6386066763425254 ],\
+[0.8, 0.25, 0.8, 0.2857142857142857, 0.35, 0.547112462006079, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.3333333333333333, 0.3, 0.5797101449275363, 1.0, 0.15, 0.9302325581395349, 0.5384615384615384, 0.65, 0.5805515239477503 ],\
+[0.6, 0.25, 0.7111111111111111, 0.0, 0.15, 0.46511627906976744, 0.6923076923076923, 0.65, 0.6386066763425254 ],\
+[0.2857142857142857, 0.35, 0.547112462006079, 1.0, 0.2, 0.9090909090909091, 0.6666666666666666, 0.6, 0.641025641025641 ],\
+[0.375, 0.4, 0.5729166666666667, 0.5, 0.3, 0.6521739130434783, 0.6923076923076923, 0.65, 0.6386066763425254 ],\
+[0.6, 0.25, 0.7111111111111111, 1.0, 0.2, 0.9090909090909091, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.375, 0.4, 0.5729166666666667, 0.0, 0.15, 0.46511627906976744, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.7142857142857143, 0.35, 0.729483282674772, 1.0, 0.05, 0.9756097560975611, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.8333333333333334, 0.3, 0.7971014492753624, 0.25, 0.2, 0.5681818181818181, 0.5, 0.4, 0.625 ],\
+[0.6, 0.25, 0.7111111111111111, 0.5, 0.3, 0.6521739130434783, 0.2857142857142857, 0.35, 0.547112462006079 ],\
+[0.2857142857142857, 0.35, 0.547112462006079, 1.0, 0.15, 0.9302325581395349, 0.6666666666666666, 0.6, 0.641025641025641 ],\
+[0.7142857142857143, 0.35, 0.729483282674772, 0.5, 0.3, 0.6521739130434783, 0.6923076923076923, 0.65, 0.6386066763425254 ],\
+[0.7142857142857143, 0.35, 0.729483282674772, 0.5, 0.1, 0.7142857142857143, 0.6666666666666666, 0.6, 0.641025641025641 ],\
+[0.8, 0.25, 0.8, 0.25, 0.2, 0.5681818181818181, 0.5384615384615384, 0.65, 0.5805515239477503 ],\
+[0.3333333333333333, 0.45, 0.5442176870748299, 0.3333333333333333, 0.15, 0.6201550387596899, 0.5384615384615384, 0.65, 0.5805515239477503 ]])
+    assert len(counts.shape) == 2
+    assert counts.shape[0] == 30
+    assert counts.shape[1] == 9
+    assert np.allclose(counts, ans, atol=1e-8)
+    assert type(counts) == np.ndarray