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.

Pruebas unitarias con pytest

Opciones

Verdadero

Falso

Términos de las pruebas unitarias

Abarcar más casos de prueba

Factorial de número

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


Ejecutar factorial

Pruebas de características con pytest

Prueba de características

Prueba unitaria

Pruebas de características o unitarias

# 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)


Agregar con suma

Pruebas de integración con pytest

Prueba de integración

No es una prueba de integración

Prueba de integración o no

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


Leer el archivo

Pruebas de rendimiento con pytest

¿Qué son las pruebas de rendimiento?

Búsqueda de un elemento

Velocidad de bucles

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

Mucha gente escribe código. Alguna consigue que funcione y sea rentable. Sin embargo, a veces incluso el más inteligente de los mejores programadores comete un error que puede costar millones. ¿Cómo reducir las posibilidades de que se produzca semejante fiasco? ¿Cómo puedes asegurarte de crear un programa que haga exactamente lo que quieres? La respuesta es muy sencilla: escribe pruebas.

Durante este viaje, aprenderás los fundamentos de la creación de pruebas en Python. Conocerás cuatro tipos de métodos de prueba de software. Crearás tus propias pruebas para comprobar si el programa o un pipeline de datos funcionan como se espera antes de pasar a producción. Puede haber un nulo inesperado, una errata en tu conjunto de datos o signos confundidos en la ecuación. Puedes detectar y detectarás esos casos con las pruebas.

Una vez finalizado el curso, conocerás los tipos de métodos de prueba y podrás elegir los más adecuados para un contexto específico. También podrás diseñar esas pruebas e implementarlas en Python utilizando las bibliotecas pytest y unittest.

<h2>¿Por qué pruebas?</h2>Mucha gente escribe código. Algunos consiguen que funcione y sea rentable. Pero a veces, incluso el más inteligente de los mejores programadores comete un error que puede costar millones de dólares. ¿Cómo disminuir la posibilidad de meterse en semejante fiasco? ¿Cómo te aseguras de crear un programa que haga exactamente lo que quieres? La respuesta es muy sencilla: ¡escribe pruebas!<br><br><h2>Conceptos básicos de pruebas en Python</h2>Durante este viaje, aprenderás los fundamentos de la creación de pruebas en Python. Conocerás cuatro tipos de métodos de prueba de software. Crearás tus propias pruebas para comprobar si el programa o una canalización de datos funciona como se espera antes de pasar a producción. Ya sea un nulo inesperado, una errata en tu conjunto de datos o signos confusos en la ecuación. Puedes, y detectarás esos casos con las pruebas.<br><br><h2>Pruebas con pytest y unittest</h2>Una vez finalizado el curso, conocerás los tipos de métodos de prueba y podrás elegir los más adecuados para un contexto concreto. También podrás diseñar esas pruebas e implementarlas en Python utilizando las bibliotecas `pytest` y `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Domina las pruebas en Python: Aprende métodos, crea verificaciones y asegura código sin errores con pytest y unittest.

Introducción a las pruebas en Python

Domina las pruebas en Python: aprende métodos, crea comprobaciones y garantiza un código sin errores con pytest y unittest.

¿Qué son las pruebas de rendimiento?

Introducción a las pruebas en Python

ejercicio interactivo práctico