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.

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

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

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.

Ingegnere AI associato per scienziati dei dati

Ingegnere dei dati professionale in Python

Sviluppatore Python

Programmazione Python

Che cos'è il performance testing?

Introduzione al Testing in Python

Esercizio pratico interattivo