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.

Einführung in Fixtures

Optionen

Richtig

Falsch

Mit Fixtures vertraut machen

Datenaufbereitung

____

@pytest.fixture
def prepare_data():
    return [i for i in range(10)]

def test_elements(prepare_data):
    assert 9 in prepare_data
    assert 10 not in prepare_data


import pytest

@pytest.fixture
def prepare_data():
    return [i for i in range(10)]

def test_elements(prepare_data):
    assert 9 in prepare_data
    assert 10 not in prepare_data


Mit einem Fixture ausführen

Kettenfixture-Anfragen

Programm

Löse das Problem schrittweise

import pytest

# Define the fixture for returning the length
@____
def ____():
    return 10

# Define the fixture for a list preparation
@____
def ____(____):
    return [i for i in range(____)]

def test_9(prepare_list):
    assert 9 in prepare_list
    assert 10 not in prepare_list


import pytest

# Define the fixture for returning the length
@pytest.fixture
def list_length():
    return 10

# Define the fixture for a list preparation
@pytest.fixture
def prepare_list(list_length):
    return [i for i in range(list_length)]

def test_9(prepare_list):
    assert 9 in prepare_list
    assert 10 not in prepare_list


Liste mit benutzerdefinierter Länge

Fixtures autouse

autouse-Anweisungen

import pytest

@pytest.fixture
def init_list():
    return []

# Declare the fixture with autouse
____
def add_numbers_to_list(init_list):
    init_list.extend([i for i in range(10)])

# Complete the tests
def test_elements(init_list):
    assert ____
    assert ____


import pytest

@pytest.fixture
def init_list():
    return []

# Add autouse here
@pytest.fixture(autouse=True)
def add_numbers_to_list(init_list):
    init_list.extend([i for i in range(10)])

# Complete the tests
def test_elements(init_list):
    assert 1 in init_list
    assert 9 in init_list


Zahlen automatisch hinzufügen

Bereinigung von Fixtures

import pytest

@pytest.fixture
def prepare_data():
    data = [i for i in range(10)]
    # Return the data with the special keyword
    ____ ____
    # Clear the data list
    data.____
    # Delete the data variable
    del ____

def test_elements(prepare_data):
    assert 9 in prepare_data
    assert 10 not in prepare_data


import pytest

@pytest.fixture
def prepare_data():
    data = [i for i in range(10)]
    # Return the data with the special keyword
    yield data
    # Clear the data list
    data.clear()
    # Delete the data variable
    del data

def test_elements(prepare_data):
    assert 9 in prepare_data
    assert 10 not in prepare_data


Daten mit Bereinigung

import pytest
import pandas as pd

@pytest.fixture
def data():
    df = pd.read_csv('/usr/local/share/games.csv')
    # Return df with the special keyword
    ____ ____
    # Remove all rows in df
    ____.drop(df.index, inplace=True)
    # Delete the df variable
    ____ ____

def test_type(data):
    assert type(data) == pd.DataFrame

def test_shape(data):
    assert data.shape[0] == 1512


import pytest
import pandas as pd

@pytest.fixture
def data():
    df = pd.read_csv('/usr/local/share/games.csv')
    # Return df with the special keyword
    yield df
    # Remove all rows in df
    df.drop(df.index, inplace=True)
    # Delete the df variable
    del df

def test_type(data):
    assert type(data) == pd.DataFrame

def test_shape(data):
    assert data.shape[0] == 1512


Daten mit Bereinigung lesen

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 testing with pytest

Unit testing terms

Cover more test cases

Factorial of number

Run factorial

Feature testing with pytest

Feature or unit testing

Aggregate with sum

Integration testing with pytest

Integration test or not

Read the file

Performance testing with pytest

What is performance testing?

Finding an element

Speed of loops

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 Fixture ist eine vorbereitete Umgebung, die in Tests verwendet wird.

Du musst den Decorator `@pytest.fixture` zusammen mit einer benutzerdefinierten Fixture-Funktion deklarieren, um ein `pytest`-Fixture zu implementieren.

Fixtures helfen dabei, den Testaufbau modularer zu gestalten.

Ein `pytest`-Fixture kann als reguläre Funktion ohne Decorator implementiert werden.

Mit Fixtures vertraut machen

Interaktive praktische Übung