Leer wat een test is en hoe je je eerste eigen test uitvoert met de pytest-library! Je raakt vertrouwd met het pytest-testframework en de command-lineinterface. Je leert ook hoe je specifieke situaties afhandelt, zoals "mislukte tests" en "tests overslaan", met pytest-markers.

Introductie tot testen in Python

De eerste testsuite

pytest.raises

pytest aanroepen vanaf de CLI

Voer de test uit!

Runnen met het trefwoord

Testmarkeringen toepassen

Use-cases voor markers

Mislukte tests met xfail

Voorwaardelijk overslaan

Tests maken met pytest

Leer wat een fixture is en hoe je je code eenvoudiger maakt door die in tests te gebruiken. Je maakt kennis met de fixturedecorator @pytest.fixture en de fixturetools. Je analyseert je code om er het "fixture-gedeelte" in te herkennen. Tot slot leer je teardowns gebruiken om softwarefouten te voorkomen.

Introductie tot fixtures

Kennismaken met fixtures

Gegevens voorbereiden

Uitvoeren met een fixture

Fixtures aan elkaar koppelen

Koppel dit aan elkaar

Lijst met aangepaste lengte

autouse-fixtures

autouse-uitspraken

Automatisch getallen toevoegen

Teardowns voor fixtures

Data met teardown

Data inlezen met teardown

Pytest-fixtures

Leer wat de basistesttypen zijn en wat hun kenmerken zijn. Leer over testcases en hoe die helpen bij het implementeren van tests. Je wordt vaardiger in het schrijven van testfuncties en het draaien van pytest via de CLI in IDE-oefeningen. Tot slot kun je de verschillende testtypen onderscheiden en voor elk type tests maken.

Unittests met pytest

Opties

Waar

Onwaar

Begrippen rond unittesten

Meer testgevallen afdekken

Faculteit van een getal

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


Draai factorial

Feature testing met pytest

Featuretest

Unittest

Feature- of unit-testen

# 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)


Aggreren met sum

Integratietests met pytest

Integratietest

Geen integratietest

Integratietest of niet

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


Lees het bestand

Prestatie­testen met pytest

Wat is performance testing?

Een element vinden

Snelheid van lussen

Basis testtypen

In dit laatste hoofdstuk maak je kennis met het unittest-framework. Eerst leer je de basisassertiemethoden, daarna de CLI-interface en hoe je fixtures gebruikt. Tot slot breng je alles samen in praktische voorbeelden van datapijplijnen.

Kennismaken met Unittest

Faculteit met unittest

Priem of niet

CLI-interface

Voer factorial uit met unittest

Foutieve faculteit

Unittest-opties

Fixtures in unittest

Test de stringvariabele

Palindroomcontrole

Praktische voorbeelden

Integratie- en unittests

Feature- en prestatietests

Energie-pijplijn

Gefeliciteerd!

Tests schrijven met unittest

DS_salaries

Energy

Games

Veel mensen schrijven code. Sommigen krijgen het werkend en winstgevend. Maar zelfs de slimste programmeurs maken weleens een fout die miljoenen kan kosten. Hoe verklein je de kans op zo’n fiasco? Hoe zorg je dat je een programma maakt dat precies doet wat jij wilt? Het eenvoudige antwoord is: schrijf tests!

Tijdens deze reis leer je de basis van tests schrijven in Python. Je maakt kennis met vier typen softwaretestmethoden. Je schrijft je eigen tests om te controleren of een programma of datapijplijn werkt zoals verwacht voordat het naar productie gaat. Of het nu gaat om een onverwachte null, een typefout in je gegevensset of verwisselde tekens in een formule: met tests kun je die gevallen vinden en voorkomen.

Na afloop van de cursus ken je de verschillende testmethoden en kun je de meest geschikte kiezen voor een specifieke context. Je kunt deze tests ook ontwerpen en in Python implementeren met de libraries pytest en unittest.

<h2>Waarom testen?</h2>Veel mensen schrijven code. Sommigen van hen maken het succesvol en winstgevend. Maar soms maken zelfs de slimste programmeurs fouten die miljoenen dollars kunnen kosten. Hoe kun je de kans op zo'n ramp verkleinen? Hoe zorg je ervoor dat je een programma maakt dat precies doet wat je wilt? Het simpele antwoord is: schrijf tests!<br><br><h2>Python-testen: de basis</h2>Tijdens deze reis leer je de basis van het maken van tests in Python. Je zult vier soorten methoden voor het testen van software tegenkomen. Je gaat je eigen tests maken om te checken of het programma of een datapijplijn werkt zoals het hoort voordat het in productie gaat. Of het nu gaat om een onverwachte nul, een typefout in je dataset of verwisselde tekens in de vergelijking. Je kunt die gevallen opsporen met de tests, en dat zul je ook doen.<br><br><h2>Testen met pytest en unittest</h2>Na afloop van de cursus weet je welke soorten testmethoden er zijn en kun je de meest geschikte kiezen voor een bepaalde situatie. Je kunt die tests ook ontwerpen en in Python uitvoeren met behulp van de bibliotheken `pytest` en `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Beheers Python-test: Leer methoden, maak controles en zorg voor foutloze code met pytest en unittest.

Wat is performance testing?

Introductie tot testen in Python

Interactieve oefening met praktijkervaring