Aprende qué es una prueba y cómo ejecutar tu primera prueba con la biblioteca pytest. Te acostumbrarás al marco de pruebas pytest y a la interfaz de línea de comandos. También aprenderás a procesar contextos específicos, como "pruebas no superadas" y "omitir la prueba", con los marcadores de pytest.

Introducción a las pruebas en Python

El primer conjunto de pruebas

pytest.raises

Invocación de pytest desde CLI

Ejecuta la prueba

Ejecución con la palabra clave

Aplicación de marcadores de prueba

Casos de uso de marcadores

Pruebas no superadas con xfail

Omisión condicional

Creación de pruebas con pytest

Aprende qué es un fixture y cómo simplificar tu código utilizándolo en las pruebas. Te familiarizarás con el decorador de fixtures @pytest.fixture y las herramientas de fixtures. Analizarás tu código para ver su "parte de fixture". Por último, aprenderás a utilizar teardown para impedir fallos de software.

Introducción a los fixtures

Opciones

Verdadero

Falso

Familiarizarse con los fixtures

Preparación de datos

____

@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


Ejecución con un fixture

Solicitudes de fixtures de cadena

Programa

Encadena esto

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


Lista de longitud personalizada

Autouse de fixtures

Declaraciones autouse

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


Añadir números automáticamente

Teardown de 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


Datos con teardown

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


Leer datos con teardown

Fixtures de Pytest

Aprende cuáles son los tipos básicos de pruebas y sus características. Aprende sobre los casos de prueba y cómo ayudan a implementar las pruebas. Adquirirás más destreza en la creación de funciones de prueba y en la ejecución de pytest desde CLI en los ejercicios de IDE. Por último, podrás diferenciar los distintos tipos de pruebas y crear pruebas para cada uno de ellos.

Pruebas unitarias con pytest

Términos de las pruebas unitarias

Abarcar más casos de prueba

Factorial de número

Ejecutar factorial

Pruebas de características con pytest

Pruebas de características o unitarias

Agregar con suma

Pruebas de integración con pytest

Prueba de integración o no

Leer el archivo

Pruebas de rendimiento con pytest

¿Qué son las pruebas de rendimiento?

Búsqueda de un elemento

Velocidad de bucles

Tipos básicos de pruebas

En este último capítulo, conocerás el marco unittest. Primero aprenderás los métodos básicos de aserción, luego su interfaz CLI y cómo utilizar fixtures. Por último, aplicarás todo esto en los ejemplos prácticos de pipelines de datos.

Descubre Unittest

Factorial con unittest

Es primo o no

Interfaz CLI

Ejecutar factorial con unittest

Factorial erróneo

Opciones de Unittest

Fixtures en unittest

Probar la variable de cadena

Comprobación de palíndromo

Ejemplos prácticos

Pruebas de integración y unitarias

Pruebas de características y rendimiento

Pipeline de energía

¡Enhorabuena!

Escritura de pruebas con 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.

Ingeniero Asociado de IA para Científicos de Datos

Ingeniero de Datos Profesional en Python

Desarrollador Python

Programación en Python

Declaraciones autouse

Introducción a las pruebas en Python

Ejercicio interactivo práctico