Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

[Code scan] Implement or explicitly reject HDF5 output instead of silently no-oping

Aperta Adatta ai principianti
#34 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
65/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
python
Ambito
data

Direzione di ricerca

Inizia in dftio/io/parse.py, nel dispatcher condiviso write() e nello stub write_hdf5() indicato nell’issue. Decidi se il comportamento supportato debba essere un writer HDF5 funzionante o un rifiuto esplicito, quindi verifica che --format hdf5 non non faccia più nulla in modo silenzioso e non fallisca a causa della mancata corrispondenza dell’argomento energy.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

This issue comes from a Codex global repository scan.

Problem

The shared writer accepts format == "hdf5" and dispatches to write_hdf5:

https://github.com/deepmodeling/dftio/blob/c9d128f24a74ef2911e1a28f5640357488beb196/dftio/io/parse.py#L214-L222

But write_hdf5 is an empty pass implementation:

https://github.com/deepmodeling/dftio/blob/c9d128f24a74ef2911e1a28f5640357488beb196/dftio/io/parse.py#L224-L225

There is also a signature mismatch: write() passes energy=energy, but write_hdf5() does not accept energy. So --format hdf5 either raises TypeError or would silently produce no output if the signature is adjusted without an implementation.

Suggested fix

Implement HDF5 output, or reject it in write() with a clear NotImplementedError. If keeping the method, align its signature with the dispatcher.

Lingua principale
Jupyter Notebook
Stelle
16
Fork
14
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di deepmodeling/dftio

Tutte le issue di deepmodeling/dftio

Issue simili

Altre issue su Data Engineering

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.