테스트가 무엇인지, 그리고 pytest 라이브러리로 직접 첫 테스트를 실행하는 방법을 배워 보세요! pytest 테스트 프레임워크와 커맨드라인 인터페이스에 익숙해집니다. 또한 pytest 마커를 사용해 "실패한 테스트"와 "테스트 건너뛰기" 같은 특정 상황을 처리하는 방법도 배웁니다.

Python 테스트 소개

첫 번째 테스트 스위트

pytest.raises

CLI에서 pytest 실행하기

테스트를 실행해 보세요!

키워드로 실행하기

테스트 마커 적용하기

마커 사용 사례

xfail로 실패할 테스트 표시하기

조건부 건너뛰기

pytest로 테스트 만들기

Fixture가 무엇인지, 테스트에서 활용해 코드를 어떻게 단순화할 수 있는지 알아봅니다. @pytest.fixture 데코레이터와 다양한 fixture 도구에 익숙해질 거예요. 자신의 코드에서 "fixture로 뽑아낼 부분"을 분석해 보고, 마지막으로 소프트웨어 오류를 방지하기 위한 teardown 사용법을 배웁니다.

fixtures 소개

Fixture 익히기

데이터 준비

fixture로 실행하기

체인 형태의 Fixture 요청

체이닝 정리하기

사용자 지정 길이를 가진 리스트

autouse 픽스처

autouse 관련 문장

숫자 자동 추가

Fixture Teardown

테어다운이 포함된 데이터

teardown으로 데이터 읽기

Pytest Fixture

기본 테스트 유형과 그 특징을 학습합니다. 테스트 케이스가 무엇이며 테스트 구현에 어떻게 도움이 되는지도 배웁니다. IDE에서 CLI로 pytest를 실행하고 테스트 함수를 만드는 연습을 통해 실력을 키웁니다. 마지막에는 서로 다른 테스트 유형을 구분하고 각 유형에 맞는 테스트를 작성할 수 있게 됩니다.

pytest로 유닛 테스트하기

Options

True

False

단위 테스트 용어

더 많은 테스트 케이스 다루기

숫자의 팩토리얼

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


팩토리얼 실행

pytest로 기능 테스트 진행하기

옵션

기능 테스트

단위 테스트

기능 테스트 또는 단위 테스트

# 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)


sum으로 집계하기

pytest로 통합 테스트하기

통합 테스트

통합 테스트가 아님

통합 테스트일까요, 아닐까요

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


파일 읽기

pytest로 성능 테스트하기

성능 테스트란 무엇인가요?

원소 찾기

루프의 속도

기본 테스트 유형

마지막 장에서는 unittest 프레임워크를 만나봅니다. 먼저 기본 단언 메서드, 이어서 CLI 인터페이스와 fixture 사용법을 배웁니다. 마지막으로 데이터 파이프라인의 실전 예제를 통해 모든 내용을 종합해 봅니다.

unittest 만나기

unittest로 팩토리얼 테스트하기

소수인지 아닌지

CLI 인터페이스

unittest로 factorial 실행하기

잘못된 팩토리얼

unittest 옵션

unittest의 Fixture

문자열 변수 테스트하기

팰린드롬 확인

실전 예제

통합 테스트와 단위 테스트

기능 테스트와 성능 테스트

에너지 파이프라인

축하합니다!

unittest로 테스트 작성하기

Games

Energy

DS_salaries

코드를 쓰는 사람은 많습니다. 그중에는 코드를 잘 만들어 성과를 내는 사람도 있죠. 하지만 최고의 개발자라도 실수 한 번이면 수백만 달러의 손실로 이어질 수 있습니다. 이런 상황을 줄이려면 어떻게 해야 할까요? 원하는 대로 정확히 동작하는 프로그램을 만들려면 어떻게 해야 할까요? 답은 의외로 간단합니다: 테스트를 작성하세요!

이 여정에서 여러분은 Python에서 테스트를 만드는 가장 기초부터 배웁니다. 네 가지 소프트웨어 테스트 방법을 접하게 될 거예요. 프로그램이나 데이터 파이프라인이 프로덕션에 배포되기 전에 기대대로 동작하는지 확인하는 자체 테스트를 만들게 됩니다. 예기치 않은 null, 데이터셋의 오타, 식의 부호가 뒤바뀐 경우 등도 테스트로 잡아낼 수 있고, 실제로 잡아낼 수 있습니다.

이 과정을 마치면 테스트 방법의 종류를 이해하고, 상황에 가장 알맞은 방법을 선택할 수 있게 됩니다. 또한 그러한 테스트를 설계하고 pytest와 unittest 라이브러리를 사용해 Python에서 구현할 수 있게 됩니다.

<h2>왜 테스트를 할까요?</h2>많은 사람들이 코드를 작성합니다. 그중 일부는 이를 작동하게 만들고 수익성 있게 만듭니다. 하지만 때로는 최고의 프로그래머 중 가장 똑똑한 사람조차 수백만 달러의 손실을 초래할 수 있는 실수를 저지르기도 합니다. 그런 참사에 휘말릴 가능성을 어떻게 줄일 수 있을까요? 원하는 대로 정확히 작동하는 프로그램을 어떻게 만들 수 있을까요? 아주 간단한 답은: 테스트를 작성하세요!<br><br><h2>Python 테스트 기초</h2>이 과정에서는 Python에서 테스트를 만드는 가장 기본적인 내용을 배우게 됩니다. 소프트웨어 테스트 방법의 네 가지 유형을 만나보게 됩니다. 프로그램이나 데이터 파이프라인이 프로덕션에 배포되기 전에 예상대로 작동하는지 확인하기 위해 직접 테스트를 작성하게 됩니다. 예상치 못한 null이든, 데이터세트의 오타든, 방정식의 부호가 뒤섞였든. 테스트를 통해 그런 사례들을 잡아낼 수 있고, 실제로 잡아내게 될 것입니다.<br><br><h2>pytest와 unittest를 활용한 테스트</h2>강의를 수료한 후에는 다양한 테스트 방법의 유형을 이해하고, 특정 상황에 가장 적합한 방법을 선택할 수 있게 됩니다. 또한 `pytest` 및 `unittest` 라이브러리를 사용하여 이러한 테스트를 설계하고 Python으로 구현할 수 있게 됩니다.

Writing Functions in Python

Software Engineering Principles in Python

Python 테스트 마스터하기: pytest와 unittest로 오류 없는 코드를 위한 방법 학습 및 체크 생성.

Python 테스트 입문

pytest와 unittest로 Python 테스트를 마스터하세요. 다양한 기법을 배우고 체크를 작성해 오류 없는 코드를 보장합니다.

pytest로 통합 테스트하기

Create Your Free Account