Zjisti, co je to test, a spusť svůj první vlastní test pomocí knihovny pytest! Seznámíš se s testovacím frameworkem pytest a rozhraním příkazového řádku. Naučíš se také pracovat se specifickými situacemi, jako jsou „neúspěšné testy" nebo „přeskočení testu", pomocí pytest markerů.

Úvod do testování v Pythonu

První sada testů

pytest.raises

Spouštění pytest z příkazové řádky

Spusť test!

Spuštění pomocí klíčového slova

Použití testovacích markerů

Použití markerů

Neúspěšné testy s xfail

Podmíněné přeskočení testu

Tvorba testů s pytest

Zjisti, co je to fixture, a nauč se, jak ji využít v testech a zjednodušit tak svůj kód. Seznámíš se s dekorátorem `@pytest.fixture` a nástroji pro práci s fixtures. Projdeš svůj kód a identifikuješ v něm část, která patří fixture. Na závěr se naučíš používat teardowny, aby ses vyhnul/a selháním softwaru.

Úvod do fixtures

Seznámení s fixtures

Příprava dat

Spuštění s fixture

Řetězení fixture požadavků

Seřaď řetězec

Seznam s vlastní délkou

Fixtures autouse

autouse – pravdivá tvrzení

Automatické přidávání čísel

Teardowny ve fixtures

Data s teardownem

Čtení dat s teardownem

Fixtures v pytest

Poznej základní typy testování a jejich vlastnosti. Nauč se, co jsou testovací případy a jak ti pomáhají při implementaci testů. Prohloubíš si dovednosti v tvorbě testovacích funkcí a spouštění pytest z CLI v cvičeních v IDE. Nakonec budeš schopen/schopna rozlišit různé typy testování a napsat testy pro každý z nich.

Unit testování s pytest

Možnosti

Pravda

Nepravda

Pojmy z unit testování

Pokryj více testovacích případů

Faktoriál čísla

import pytest

def factorial(n):
    if n == 0: return 1
    elif (type(n) == int):
        return n * factorial(n-1)
    else: return -1

# Test case: expected input
def test_regular():
    assert factorial(5) == 120

# Test case: zero input
def test_zero():
    assert factorial(0) == 1

# Test case: input of a wrong type
def test_str():
    assert factorial('5') == -1


Spusť faktoriál

Testování funkcionalit s pytest

Feature test

Unit test

Feature nebo unit test?

# Don't forget to run
# pytest agg_with_sum.py 
# in the CLI to actually run the test!

import pandas as pd
import pytest

# Fixture to prepare the data
@pytest.fixture
def get_df():
    return pd.read_csv('https://assets.datacamp.com/production/repositories/6253/datasets/757c6cb769f7effc5f5496050ea4d73e4586c2dd/laptops_train.csv')

# Aggregation feature
def agg_with_sum(data, group_by_column, aggregate_column):
    return data.groupby(group_by_column)[aggregate_column].sum()

# Test function
def test_agg_feature(get_df):
    # Aggregate preparation
    aggregated = agg_with_sum(get_df, 'Manufacturer', 'Price')
    # Test the type of the aggregated
    ____
    # Test the number of rows of the aggregated
    ____
    # Test the data type of the aggregated
    ____ in (int, float)


import pandas as pd
import pytest

# Fixture to prepare the data
@pytest.fixture
def get_df():
    return pd.read_csv('https://assets.datacamp.com/production/repositories/6253/datasets/757c6cb769f7effc5f5496050ea4d73e4586c2dd/laptops_train.csv')

# Aggregation feature
def agg_with_sum(data, group_by_column, aggregate_column):
    return data.groupby(group_by_column)[aggregate_column].sum()

# Test function
def test_agg_feature(get_df):
    # Aggregate preparation
    aggregated = agg_with_sum(get_df, 'Manufacturer', 'Price')
    # Test the type of the aggregated
    assert type(aggregated) == pd.Series
    # Test the number of rows of the aggregated
    assert aggregated.shape[0] > 0
    # Test the data type of the aggregated
    assert aggregated.dtype in (int, float)


Agregace pomocí sum

Integrační testování s pytest

Integrační test

Není integrační test

Integrační test, nebo ne?

import pandas as pd
import pytest

# Fixture to read the dataframe
@pytest.fixture
def get_df():
    return pd.read_csv('https://assets.datacamp.com/production/repositories/6253/datasets/757c6cb769f7effc5f5496050ea4d73e4586c2dd/laptops_train.csv')

# Integration test function
def test_get_df(get_df):
    # Check the type
    ____
    # Check the number of rows
    ____


import pandas as pd
import pytest

# Fixture to read the dataframe
@pytest.fixture
def get_df():
    return pd.read_csv('https://assets.datacamp.com/production/repositories/6253/datasets/757c6cb769f7effc5f5496050ea4d73e4586c2dd/laptops_train.csv')

# Integration test function
def test_get_df(get_df):
    # Check the type
    assert type(get_df) == pd.DataFrame
    # Check the number of rows
    assert get_df.shape[0] > 0


Čtení souboru

Testování výkonu s pytest

Co je to performance testing?

Hledání prvku

Rychlost cyklů

Základní typy testování

V této závěrečné kapitole se seznámíš s frameworkem unittest. Nejprve se naučíš základní metody assertion, pak jeho rozhraní příkazového řádku a práci s fixtures. Na závěr to všechno dáš dohromady v praktických příkladech s datovými pipeliny.

Seznámení s Unittest

Faktoriál s unittest

Prvočíslo, nebo ne

CLI Interface

Spusť faktoriál s unittest

Chybný faktoriál

Možnosti unittest

Fixtures v unittest

Testování řetězcové proměnné

Kontrola palindromu

Praktické příklady

Integrační a jednotkové testy

Testy funkcí a výkonu

Energetický pipeline

Gratulujeme!

Psaní testů s unittest

Games

Energy

DS_salaries

Spoustu lidí píše kód. Někteří z něj udělají funkční a výnosný produkt. Ale i ti nejzkušenější programátoři občas udělají chybu, která může stát miliony. Jak snížit riziko, že se něco takového stane? Jak zajistit, že tvůj program dělá přesně to, co má? Odpověď je překvapivě jednoduchá: piš testy!

V průběhu tohoto kurzu se naučíš základy tvorby testů v Pythonu. Seznámíš se se čtyřmi typy metod testování softwaru. Napíšeš vlastní testy, které ověří, jestli program nebo datový pipeline funguje správně ještě předtím, než jde do produkce – ať už jde o neočekávanou hodnotu null, překlep v datasetu, nebo záměnu znamének v rovnici. Tyhle případy dokážeš odhalit pomocí testů.

Po dokončení kurzu budeš znát různé typy testovacích metod a dokážeš vybrat ty nejvhodnější pro daný kontext. Také budeš umět testy navrhnout a implementovat v Pythonu pomocí knihoven pytest a unittest.

<h2>Proč testy?</h2>Spousta lidí píše kód. Některým z nich se to daří a je to ziskové. Ale někdy i ten nejchytřejší z nejlepších programátorů udělá chybu, která může stát miliony dolarů. Jak snížit pravděpodobnost, že se dostanete do takového fiaska? Jak zajistíte, že vytvoříte program, který dělá přesně to, co chcete? Velmi jednoduchá odpověď je: pište testy!<br><br><h2>Základy testování v Pythonu</h2>Během této cesty se naučíte úplné základy vytváření testů v Pythonu. Seznámíte se se čtyřmi typy metod testování softwaru. Vytvoříte si vlastní testy, abyste ověřili, zda program nebo datový pipeline funguje podle očekávání, než se dostane do produkce. Ať už jde o neočekávanou hodnotu null, překlep v datové sadě nebo zaměněná znaménka v rovnici. Můžete, a tyto případy zachytíte pomocí testů.<br><br><h2>Testování s pytest a unittest</h2>Po absolvování kurzu budete znát typy testovacích metod a budete schopni vybrat ty nejvhodnější pro konkrétní kontext. Také budete schopni navrhnout tyto testy a implementovat je v Pythonu pomocí knihoven `pytest` a `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Ovládněte testování v Pythonu: Naučte se metody, vytvářejte kontroly a zajistěte bezchybnost kódu.

Zvládněte testování v Pythonu: Naučte se metody, vytvářejte kontroly a zajistěte bezchybný kód s pytest a unittest.

Co je to performance testing?

Úvod do testování v Pythonu

Interaktivní praktické cvičení