揭开1+2个数据科学库中默认参数破坏性变更的面纱
软件工程
2025-04-17 v2
摘要
数据科学（DS）已成为现代软件的基石，使数据驱动的决策得以改善公司服务。遵循现代软件开发实践，数据科学家使用第三方库来支持其任务。由于这些工具提供的API通常需要设置广泛的参数列表，数据科学家依赖默认值来简化使用。事实证明，这些默认值会随时间变化，导致一种特定类型的破坏性变更，定义为默认参数破坏性变更（DABC）。本工作揭示了三个在数据科学任务中频繁使用的Python库——Scikit Learn、NumPy和Pandas——中的93个DABC，研究了它们对超过50万个客户端应用的潜在影响。我们发现DABC的发生频率因库而异；35%的Scikit Learn客户端受到影响，而仅有0.13%的NumPy客户端受到影响。引入DABC的主要原因是为了增强API可维护性，但它们往往会改变函数的行为。我们讨论了管理第三方DS库中DABC的重要性，并为开发者提供了缓解这些变化对其应用潜在影响的见解。
引用
@article{arxiv.2408.05129,
title = {Unboxing Default Argument Breaking Changes in 1 + 2 Data Science Libraries},
author = {João Eduardo Montandon and Luciana Lourdes Silva and Cristiano Politowski and Daniel Prates and Arthur de Brito Bonifácio and Ghizlane El Boussaidi},
journal= {arXiv preprint arXiv:2408.05129},
year = {2025}
}
备注
Accepted at Journal of Systems and Software