Learn what a test is and how to run the first one of your own with the pytest library! You will get used to the pytest testing framework and the command-line interface. You will also learn how to process specific contexts, like "failed tests" and "skipping the test" with pytest markers.

Introduction to Testing in Python

The first test suite

pytest.raises

Invoking pytest from CLI

Run the test!

Run with the keyword

Applying test markers

Markers use cases

Failed tests with xfail

Conditional skipping

Creating Tests with pytest

Learn what a fixture is and how to simplify your code by using it in tests. You will get familiar with the fixture @pytest.fixture decorator and the fixture tools. You will analyze your code to see the "fixture part" in it. Finally, learn how to use teardowns to prevent software failures.

Introduction to fixtures

Getting familiar with fixtures

Data preparation

Run with a fixture

Chain Fixtures Requests

Chain this out

List with a custom length

Fixtures autouse

autouse statements

Auto add numbers

Fixtures Teardowns

Data with teardown

Read data with teardown

Pytest Fixtures

Learn what the basic testing types are and their features. Learn about test cases and how they help to implement tests. You will get more skilled with creating test functions and running pytest from CLI in IDE exercises. Finally, you will be able to differentiate the different testing types and create tests for each of them.

Unit-Tests mit pytest

Optionen

Richtig

Falsch

Begriffe im Bereich Unit-Tests

Mehr Testfälle abdecken

Fakultät der Zahl

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


factorial ausführen

Feature-Tests mit pytest

Feature-Test

Unit-Test

Feature- oder Unit-Tests

# 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)


Aggregat mit Summe

Integrationstests mit pytest

Integrationstest

Kein Integrationstest

Integrationstest oder nicht

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


Datei lesen

Performance-Tests mit pytest

Was sind Performance-Tests?

Ein Element finden

Geschwindigkeit von Schleifen

Basic Testing Types

In this final chapter, you will meet the unittest framework. First, you will learn basic assertion methods, then its CLI interface, and how to use fixtures. Finally, you will put everything together in the practical examples of data pipelines.

Meeting the Unittest

Factorial with unittest

Is prime or not

CLI Interface

Run factorial with unittest

Erroneouos factorial

Unittest options

Fixtures in unittest

Test the string variable

Palindrome check

Practical examples

Integration and unit tests

Feature and performance tests

Energy pipeline

Congratulations!

Writing tests with unittest

DS_salaries

Energy

Games

Es gibt viele Leute, die Code schreiben. Manche von ihnen schaffen es und machen es profitabel. Aber manchmal macht auch der klügste und beste Programmierer einen Fehler, der Millionen von Dollar kosten kann. Wie kann man die Wahrscheinlichkeit verringern, in ein solches Fiasko zu geraten? Wie kannst du sicherstellen, dass du ein Programm erstellst, das genau das tut, was du willst? Die wirklich einfache Antwort lautet: Schreibe Tests!

In diesem Kurs lernst du die Grundlagen der Testerstellung in Python. Du lernst vier Arten von Softwaretestmethoden kennen. Du erstellst deine eigenen Tests, um zu überprüfen, ob ein Programm oder eine Datenpipeline wie erwartet funktioniert, bevor es in Produktion geht. Sei es eine unerwartete Null, ein Tippfehler in deinem Datensatz oder ein vertauschtes Vorzeichen in einer Gleichung. Du kannst und wirst diese Fälle mit den Tests abfangen.

Am Ende des Kurses kennst du die verschiedenen Arten von Testverfahren und kannst die für einen bestimmten Kontext am besten geeigneten auswählen. Du wirst auch in der Lage sein, diese Tests zu entwerfen und sie mit Hilfe der Bibliotheken pytest und unittest in Python zu implementieren.

<h2>Warum Tests?</h2>Es gibt viele Leute, die Code schreiben. Einige von ihnen schaffen es, dass es funktioniert und sich lohnt. Aber manchmal macht auch der klügste der besten Programmierer einen Fehler, der Millionen von Dollar kosten kann. Wie kann man die Wahrscheinlichkeit verringern, in ein solches Fiasko zu geraten? Wie kannst du sicherstellen, dass du ein Programm erstellst, das genau das tut, was du willst? Die ganz einfache Antwort lautet: Schreib Tests!<br><br><h2>Grundlagen des Python-Testens</h2>Auf dieser Reise lernst du die Grundlagen der Erstellung von Tests in Python. Du wirst vier Arten von Softwaretestmethoden kennenlernen. Du erstellst deine eigenen Tests, um zu prüfen, ob das Programm oder eine Datenpipeline wie erwartet funktioniert, bevor es in Produktion geht. Sei es die unerwartete Null, ein Tippfehler in deinem Datensatz oder ein vertauschtes Vorzeichen in der Gleichung. Das kannst du, und du wirst diese Fälle mit den Tests abfangen.<br><br><h2>Testen mit pytest und unittest</h2>Nach Abschluss des Kurses kennst du die Arten von Prüfmethoden und kannst die am besten geeigneten für einen bestimmten Kontext auswählen. Du wirst auch in der Lage sein, diese Tests zu entwerfen und sie mit Hilfe der Bibliotheken `pytest` und `unittest` in Python zu implementieren.

Writing Functions in Python

Software Engineering Principles in Python

Python-Tests meistern: Methoden lernen, Checks erstellen und fehlerfreien Code mit pytest und unittest sichern.

Einführung in das Testen in Python

Werde zum Profi für Testmethoden und Checks in Python und lerne, fehlerfreien Code mit pytest und unittest zu erstellen.

Associate AI Engineer für Datenwissenschaftler

Professioneller Dateningenieur in Python

Python-Entwickler

Python for Software Engineering

Python-Programmierung

Ein Unit-Test ist ein Testtyp, der eine Softwareeinheit prüft.

Ein Testfall ist ein Satz von Eingaben und erwarteten Ausgaben, der ein bestimmtes Problem zusammenfasst.

Die Erstellung von Testfällen ist eine kreative Aufgabe.

Ein Unit-Test ist ein Test, der die Software als Ganzes prüft.

Ein Testfall ist ein implementierter Test.

Begriffe im Bereich Unit-Tests

Interaktive praktische Übung