Lerne, was ein Test ist und wie du deinen ersten Test mit der pytest-Bibliothek schreiben kannst! Du lernst das pytest-Testframework und die Kommandozeilenschnittstelle CLI kennen. Du lernst auch, wie du bestimmte Kontexte wie „Tests fehlgeschlagen“ und „Test überspringen“ mit pytest-Markern behandeln kannst.

Einführung in das Testen in Python

Die erste Testreihe

pytest.raises

Pytest von der CLI aus aufrufen

Führe den Test aus!

Ausführen mit dem Schlüsselwort

Testmarker einsetzen

Anwendungsfälle für Marker

Fehlgeschlagene Tests mit xfail

Bedingtes Überspringen

Tests mit pytest erstellen

Lerne, was ein Fixture ist und wie du deinen Code vereinfachen kannst, indem du es in Tests verwendest. Du wirst dich mit dem Fixture @pytest.fixture-Decorator und den Fixture-Tools vertraut machen. Du wirst deinen Code analysieren, um den „Fixture-Teil“ darin zu sehen. Schließlich lernst du, wie du Teardowns (Bereinigungen) nutzen kannst, um Softwarefehler zu vermeiden.

Einführung in Fixtures

Mit Fixtures vertraut machen

Datenaufbereitung

Mit einem Fixture ausführen

Kettenfixture-Anfragen

Löse das Problem schrittweise

Liste mit benutzerdefinierter Länge

Fixtures autouse

autouse-Anweisungen

Zahlen automatisch hinzufügen

Bereinigung von Fixtures

Daten mit Bereinigung

Daten mit Bereinigung lesen

pytest-Fixtures

Erfahre, was die grundlegenden Testtypen sind und welche Eigenschaften sie haben. Erfahre mehr über Testfälle und wie sie bei der Durchführung von Tests helfen. In den IDE-Übungen lernst du, wie du Testfunktionen erstellst und pytest über die CLI ausführst. Schließlich wirst du in der Lage sein, die verschiedenen Testtypen zu unterscheiden und Tests für jeden Testtyp zu erstellen.

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

Grundlegende Testtypen

In diesem letzten Kapitel lernst du das unittest-Framework kennen. Zuerst lernst du die grundlegenden Assertion-Methoden kennen, dann die CLI-Schnittstelle und wie du Fixtures verwendest. In den praktischen Beispielen für Datenpipelines fügst du schließlich alles zusammen.

Begegnung mit unittest

factorial mit unittest

Primzahl – ja oder nein

CLI-Schnittstelle

factorial mit unittest ausführen

Fehlerhafte factorial-Funktion

unittest-Optionen

Fixtures in unittest

String-Variable testen

Palindrom-Test

Praktische Beispiele

Integrations- und Unit-Tests

Feature- und Performance-Tests

Energie-Pipeline

Glückwunsch!

Tests schreiben mit 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.

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-Programmierung

Überprüfen, ob ein Browser eine Website auf einem Computer öffnen kann.

Sicherstellen, dass eine Kartennavigationsanwendung eine Route von A nach B erstellen kann.

Testen, ob sich ein Benutzer auf deiner Website anmelden kann.

Prüfen, ob Python ein Symbol aus ASCII richtig dekodiert.

Überprüfen einer Funktion zum Sortieren eines Arrays in einer relationalen Datenbank.

Feature- oder Unit-Tests

Einführung in das Testen in Python

Interaktive Übung