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

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

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

Begriffe im Bereich Unit-Tests

Mehr Testfälle abdecken

Fakultät der Zahl

factorial ausführen

Feature-Tests mit pytest

Feature- oder Unit-Tests

Aggregat mit Summe

Integrationstests mit pytest

Integrationstest oder nicht

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.

autouse-Anweisungen

Interaktive praktische Übung