Scopri che cos’è un test e come eseguire il tuo primo test con la libreria pytest! Ti abituerai al framework di testing pytest e all’interfaccia a riga di comando. Imparerai anche a gestire contesti specifici, come i "test falliti" e lo "skip del test", con i marker di pytest.

Introduzione al testing in Python

La prima suite di test

pytest.raises

Richiamare pytest dalla CLI

Esegui il test!

Esegui con la parola chiave

Applicare i marker di test

Casi d’uso dei marker

Test falliti con xfail

Salto condizionale

Creare test con pytest

Scopri che cos’è una fixture e come semplificare il tuo codice usandola nei test. Ti familiarizzerai con il decoratore @pytest.fixture e con gli strumenti per le fixture. Analizzerai il tuo codice per riconoscerne la "parte da fixture". Infine, imparerai a usare i teardown per prevenire malfunzionamenti del software.

Introduzione alle fixture

Prendere confidenza con le fixture

Preparazione dei dati

Esegui con una fixture

Collegare le richieste alle fixture

Metti in catena

Lista con una lunghezza personalizzata

Fixture autouse

affermazioni su autouse

Aggiunta automatica di numeri

Teardown delle fixture

Dati con teardown

Leggi i dati con teardown

Fixture di pytest

Scopri quali sono i tipi di testing di base e le loro caratteristiche. Conosci i test case e come aiutano a implementare i test. Diventerai più abile nel creare funzioni di test ed eseguire pytest dalla CLI negli esercizi in IDE. Infine, saprai distinguere i diversi tipi di testing e creare test per ciascuno di essi.

Unit test con pytest

Opzioni

Vero

Falso

Terminologia dei test unitari

Copri più casi di test

Fattoriale di un numero

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


Esegui factorial

Feature testing con pytest

Feature test

Unit test

Feature o unit test

# 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)


Aggrega con sum

Test di integrazione con pytest

Test di integrazione

Non è un test di integrazione

Test di integrazione 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


Leggi il file

Test delle prestazioni con pytest

Che cos'è il performance testing?

Trovare un elemento

Velocità dei cicli

Tipi di testing di base

In questo capitolo finale incontrerai il framework unittest. Per prima cosa imparerai i metodi di asserzione di base, poi la sua interfaccia CLI e come usare le fixture. Infine, metterai tutto insieme in esempi pratici di pipeline di dati.

Incontriamo unittest

Fattoriale con unittest

È primo oppure no

Interfaccia CLI

Esegui factorial con unittest

Fattoriale errato

Opzioni di unittest

Fixture in unittest

Testa la variabile stringa

Verifica palindromo

Esempi pratici

Test di integrazione e unitari

Test di funzionalità e prestazioni

Pipeline energetica

Congratulazioni!

Scrivere test con unittest

DS_salaries

Energy

Games

Molte persone scrivono codice. Alcune riescono a farlo funzionare e a renderlo redditizio. Ma a volte, anche il programmatore più brillante commette un errore che può costare milioni di dollari. Come ridurre la possibilità di finire in un simile fiasco? Come assicurarti di creare un programma che faccia esattamente ciò che vuoi? La risposta è semplice: scrivi dei test!

In questo percorso imparerai le basi della creazione di test in Python. Vedrai quattro tipi di metodi di testing del software. Scriverai test tuoi per verificare che un programma o una pipeline di dati funzioni come previsto prima di andare in produzione. Che si tratti di un valore null inaspettato, di un refuso nel tuo insieme di dati o di segni scambiati in un’equazione, con i test puoi — e riuscirai a — intercettare questi casi.

Al termine del corso, conoscerai i diversi tipi di metodi di testing e saprai scegliere quelli più adatti al contesto. Sarai anche in grado di progettare questi test e implementarli in Python usando le librerie pytest e unittest.

<h2>Perché i test?</h2>Un sacco di gente scrive codice. Alcuni riescono a farlo funzionare e a renderlo redditizio. Ma a volte, anche i programmatori più bravi e in gamba fanno errori che possono costare un sacco di soldi. Come ridurre la possibilità di finire in un pasticcio del genere? Come fai a essere sicuro di creare un programma che faccia proprio quello che vuoi? La risposta è super semplice: fai dei test!<br><br><h2>Nozioni di base sui test in Python</h2>Durante questo percorso imparerai le basi della creazione di test in Python. Incontrerai quattro tipi di metodi di test del software. Creerai i tuoi test per controllare se il programma o una pipeline di dati funzionano come dovrebbero prima di passare alla produzione. Che si tratti di un valore nullo inaspettato, di un errore di battitura nel tuo set di dati o di segni confusi nell'equazione. Puoi farlo, e riuscirai a individuare questi casi con i test.<br><br><h2>Test con pytest e unittest</h2>Dopo aver finito il corso, conoscerai i diversi tipi di metodi di test e potrai scegliere quelli più adatti a un contesto specifico. Potrai anche progettare questi test e metterli in pratica in Python usando le librerie `pytest` e `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Padroneggia i test Python: scopri metodi, crea verifiche e assicura codice senza errori con pytest e unittest.

Introduzione al Testing in Python

Diventa un esperto dei test Python: Impara i metodi, crea controlli e assicurati che il codice sia privo di errori con pytest e unittest.

Leggi il file

Introduzione al Testing in Python

esercizio interattivo pratico