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 aux luminaires

Options

Vrai

Faux

Se familiariser avec les appareils

Préparation des données

____

@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


Lancer avec une fixture

Demandes de fixation de chaînes

Programme

Enchaînez

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 avec une longueur personnalisée

Autouse de fixation

déclarations d'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


Ajout automatique de nombres

Démontage d'appareils

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


Données avec 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


Lire des données avec un 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.

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

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

Un montage est un environnement préparé qui est utilisé dans les tests.

Il faut déclarer le décorateur `@pytest.fixture` ainsi qu'une fonction de fixation personnalisée pour mettre en œuvre une fixation `pytest`.

Les montages permettent de rendre l'installation d'essai plus modulaire.

Une fixation `pytest` peut être mise en œuvre comme une fonction ordinaire sans décorateur.

Se familiariser avec les appareils

Exercice interactif pratique