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.

Introductie tot fixtures

Opties

Waar

Onwaar

Kennismaken met fixtures

Gegevens voorbereiden

____

@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


Uitvoeren met een fixture

Fixtures aan elkaar koppelen

Programma

Koppel dit aan elkaar

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


Lijst met aangepaste lengte

autouse-fixtures

autouse-uitspraken

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


Automatisch getallen toevoegen

Teardowns voor fixtures

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


Data met 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


Data inlezen met 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

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.

Gegevens voorbereiden

Introductie tot testen in Python

Praktische interactieve oefening