Taxonomy columns in `dataset/catalog.parquet` are shifted incorrectly causing species to be null
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Aptitud para principiantes
- 68/100
Línea de trabajo
Start by inspecting dataset/catalog.parquet, including the Cinnamon Clownfish row identified by UUID, and compare the rank columns against scientific_name. Trace the Python data-generation or alignment entry point that produces the catalog. Done means missing taxonomy ranks remain null without shifting downstream values, including for the reported affected rows.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I was spot checking some fish labels and noticed that some rows in dataset/catalog.parquet have lower ranks shifted one column left, so species ends up null. E.g. the Cinnamon Clownfish (uuid 0eb15b94-0fc6-42cb-a3b2-b310018b7ba4) has
kingdom: Animaliaphylum: Chordataclass: Perciformes (WRONG, this is an order; should be Actinopterygii)order: Pomacentridae (this is a family)family: Amphiprion (this is a genus)genus: melanopus (this is a species)species:nullscientific_name: Amphiprion melanopus
As an aside, I believe clownfish have more recently been placed in the order Blenniiformes but I think Perciformes at least historically correct.
I believe at least 32,943 labels for 2,643,887 rows match this pattern for the species I filtered down to for my use, but there may be more.
I think the fix for this should be that a missing rank should remain null instead of shifting downstream ranks.
- Lenguaje dominante
- Python
- Estrellas
- 20
- Forks
- 0
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de Imageomics/TaxonoPy
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
Imageomics/TaxonoPy#35 ·
-
Common names tracking issueAbiertoenhancement
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
Imageomics/TaxonoPy#38 ·
-
IO inaccuracies in documentationAbiertodocumentation
Dificultad 3/5 1-2 días Aptitud para principiantes 55/100
Imageomics/TaxonoPy#34 ·
-
Trace command package version silent cache missesQuizá libre de nuevo @thompsonmj la tomó hace 237 días y no hay ningún pull request abierto. Abiertoenhancement
Imageomics/TaxonoPy#29 · 1 asignado ·
-
edge case
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
Imageomics/TaxonoPy#25 ·
Todos los issues de Imageomics/TaxonoPy
Issues similares
-
md/asciidoc/csv: an explicit `encoding="utf-8"` keeps a leading BOM, the auto-detect path drops itAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
docling-project/docling#4846 ·
Los mantenedores suelen responder en 1 día
-
area/sessions comp/dashboard comp/desktop comp/gateway comp/tui duplicate P2 sweeper:risk-session-state type/bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
NousResearch/hermes-agent#138914 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
bot-triaged module: activation checkpointing module: inductor oncall: pt2 triaged
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Los mantenedores suelen responder en 1 día
-
[oblt-aw][autodoc] Update PR Actions Detective E2E prerequisites and fix dashboard-format table typoAbiertodocumentation
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
elastic/oblt-aw#2382 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
Los mantenedores suelen responder en 1 día