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.

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

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

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.

Introductie tot testen in Python

AI-ingenieur voor datawetenschappers

Professionele data-engineer in Python

Python-ontwikkelaar

Python programmeren

Controleren dat een browser op een computer een website kan openen.

Zeker weten dat een navigatie-app voor kaarten een route van A naar B kan maken.

Testen dat een gebruiker kan inloggen op je website.

Controleren dat Python een symbool correct decodeert uit ASCII.

Controleren of een functie een array in een relationele database kan sorteren.

Feature- of unit-testen

Introductie tot testen in Python

Praktische interactieve oefening