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.

Introduzione alle fixture

Opzioni

Vero

Falso

Prendere confidenza con le fixture

Preparazione dei dati

____

@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


Esegui con una fixture

Collegare le richieste alle fixture

Programma

Metti in catena

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 con una lunghezza personalizzata

Fixture autouse

affermazioni su 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


Aggiunta automatica di numeri

Teardown delle fixture

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


Dati 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


Leggi i dati con 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

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

Una fixture è un ambiente preparato che viene usato nei test.

Per implementare una fixture di `pytest` bisogna dichiarare il decorator `@pytest.fixture` insieme a una funzione di fixture personalizzata.

Le fixture aiutano a rendere più modulare il setup del test.

Una fixture di `pytest` può essere implementata come una normale funzione senza decorator.

Prendere confidenza con le fixture

Introduzione al Testing in Python

Esercizio pratico interattivo