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.

Tests unitaires avec pytest

Options

Vrai

Faux

Termes relatifs aux tests unitaires

Couvrir plus de cas de test

Factorielle d'un nombre

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


Exécuter factorial

Tests de fonctionnalités avec pytest

Test de fonctionnalité

Test unitaire

Tests de fonctionnalités ou tests unitaires

# 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)


Agrégations avec sum

Tests d'intégration avec pytest

Test d'intégration

Pas un test d'intégration

Test d'intégration ou non

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


Lire le fichier

Tests de performance avec pytest

Qu'est-ce qu'un test de performance ?

Recherche d'un élément

Vitesse des boucles

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

Beaucoup de gens écrivent du code. Certains d'entre eux y parviennent et en tirent profit. Mais parfois, même le plus intelligent des meilleurs programmeurs commet une erreur qui peut coûter des millions de dollars. Comment réduire la possibilité d'un tel fiasco ? Comment vous assurer que vous créez un programme qui fait exactement ce que vous voulez ? La réponse est très simple : écrivez des tests !

Au cours de ce voyage, vous apprendrez les bases de la création de tests en Python. Vous rencontrerez quatre types de méthodes de test de logiciels. Vous créerez vos propres tests pour vérifier si le programme ou un pipeline de données fonctionne comme prévu avant d'être mis en production. Qu'il s'agisse d'un résultat nul inattendu, d'une faute de frappe dans votre ensemble de données ou d'une erreur de signe dans l'équation. Vous pouvez le faire, et les tests vous permettront de détecter ces cas.

À l'issue de la formation, vous connaîtrez les types de méthodes de test et vous serez en mesure de choisir celles qui conviennent le mieux à un contexte spécifique. Vous serez également en mesure de concevoir ces tests et de les mettre en œuvre en Python à l'aide des bibliothèques pytest et unittest.

<h2>Pourquoi des tests ?</h2>Beaucoup de gens écrivent du code. Certains d'entre eux y parviennent et en tirent profit. Mais parfois, même le plus intelligent des meilleurs programmeurs commet une erreur qui peut coûter des millions de dollars. Comment réduire la possibilité d'un tel fiasco ? Comment vous assurer que vous créez un programme qui fait exactement ce que vous voulez ? La réponse est très simple : écrivez des tests !<br><br><h2>Principes de base des tests Python</h2>Au cours de ce voyage, vous apprendrez les bases de la création de tests en Python. Vous rencontrerez quatre types de méthodes de test de logiciels. Vous créerez vos propres tests pour vérifier si le programme ou un pipeline de données fonctionne comme prévu avant d'être mis en production. Qu'il s'agisse d'un résultat nul inattendu, d'une faute de frappe dans votre ensemble de données ou d'une erreur de signe dans l'équation. Vous pouvez le faire, et les tests vous permettront de détecter ces cas.<br><br><h2>Tests avec pytest et unittest</h2>À l'issue de la formation, vous connaîtrez les types de méthodes de test et vous serez en mesure de choisir celles qui conviennent le mieux à un contexte spécifique. Vous serez également en mesure de concevoir ces tests et de les mettre en œuvre en Python en utilisant les bibliothèques `pytest` et `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Maîtrisez les tests Python : méthodes, vérifications, code sans erreur avec pytest et unittest.

Introduction aux tests en Python

Maîtrisez les tests Python : apprenez des méthodes, créez des vérifications et assurez-vous d'un code sans erreur avec pytest et unittest.

Ingénieur IA associé pour les scientifiques de données

Ingénieur professionnel en données en Python

Développeur Python

Python for Software Engineering

Programmation Python

Vérifier qu'un navigateur peut ouvrir un site web sur un ordinateur.

S'assurer que l'application de navigation cartographique peut construire un itinéraire de A à B.

Tester qu'un utilisateur peut se connecter à votre site web.

Vérifier que Python décode correctement un symbole à partir de ASCII.

Vérification d'une fonction de tri d'un tableau dans une base de données relationnelle.

Tests de fonctionnalités ou tests unitaires

Exercice interactif pratique