Dowiedz się, czym jest test i jak uruchomić pierwszy własny test z biblioteką pytest! Zapoznasz się ze środowiskiem testowym pytest oraz interfejsem wiersza poleceń. Nauczysz się też obsługiwać konkretne scenariusze, takie jak testy zakończone niepowodzeniem czy pomijanie testów, korzystając z markerów pytest.

Wprowadzenie do testowania w Pythonie

Pierwszy zestaw testów

pytest.raises

Wywoływanie pytest z poziomu CLI

Uruchom test!

Uruchamianie za pomocą słowa kluczowego

Stosowanie znaczników testów

Zastosowania markerów

Nieudane testy z xfail

Warunkowe pomijanie testów

Tworzenie testów z pytest

Dowiedz się, czym jest fixture i jak upraszczać kod, używając fixtures w testach. Zapoznasz się z dekoratorem @pytest.fixture oraz narzędziami do pracy z fixtures. Przeanalizujesz swój kod, aby wyodrębnić w nim część odpowiedzialną za fixtures. Na koniec nauczysz się korzystać z teardownów, aby zapobiegać awariom oprogramowania.

Wprowadzenie do fikstur

Pierwsze kroki z fixture'ami

Przygotowanie danych

Uruchom z fixtury

Łączenie żądań fikstur

Połącz w łańcuch

Lista o niestandardowej długości

Automatyczne używanie fikstur

Stwierdzenia dotyczące autouse

Automatyczne dodawanie liczb

Teardowny w fiksturach

Dane z teardown

Odczyt danych z teardown

Fixtures w pytest

Poznaj podstawowe rodzaje testów i ich charakterystykę. Dowiedz się, czym są przypadki testowe i jak pomagają w implementacji testów. Rozwiniesz umiejętności tworzenia funkcji testowych i uruchamiania pytest z CLI w ćwiczeniach w IDE. Na koniec będziesz potrafić rozróżniać poszczególne rodzaje testów i tworzyć testy dla każdego z nich.

Testy jednostkowe z pytest

Opcje

Prawda

Fałsz

Pojęcia związane z testami jednostkowymi

Zwiększ pokrycie przypadków testowych

Silnia liczby

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


Uruchom silnię

Testowanie funkcjonalne z pytest

Test funkcjonalny

Test jednostkowy

Test funkcjonalny czy jednostkowy

# 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)


Agregacja z sum

Testowanie integracyjne z pytest

Test integracyjny

Nie jest testem integracyjnym

Test integracyjny czy nie

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


Wczytaj plik

Testowanie wydajności z pytest

Czym są testy wydajnościowe?

Wyszukiwanie elementu

Szybkość pętli

Podstawowe rodzaje testów

W tym ostatnim rozdziale poznasz środowisko unittest. Zaczniesz od podstawowych metod asercji, następnie przejdziesz do interfejsu CLI i korzystania z fixtures. Na koniec połączysz całą zdobytą wiedzę w praktycznych przykładach dotyczących potoków danych.

Poznaj unittest

Silnia z unittest

Pierwsza czy nie

Interfejs CLI

Uruchom funkcję silnia z unittest

Błędna silnia

Opcje unittest

Fixtures w unittest

Testowanie zmiennej tekstowej

Sprawdzanie palindromów

Praktyczne przykłady

Testy integracyjne i jednostkowe

Testy funkcjonalne i wydajnościowe

Potok danych energetycznych

Gratulacje!

Pisanie testów z unittest

Games

Energy

DS_salaries

Kod pisze wiele osób. Część z nich sprawia, że działa on poprawnie i przynosi wymierne korzyści. Jednak nawet najlepsi programiści popełniają błędy, które mogą kosztować miliony dolarów. Jak zmniejszyć ryzyko takiej wpadki? Jak mieć pewność, że tworzony program robi dokładnie to, czego oczekujesz? Odpowiedź jest prosta: pisz testy!

W trakcie tego kursu poznasz podstawy tworzenia testów w Pythonie. Zapoznasz się z czterema rodzajami metod testowania oprogramowania. Stworzysz własne testy sprawdzające, czy program lub pipeline danych działa zgodnie z oczekiwaniami – zanim trafi on na produkcję. Nieoczekiwana wartość null, literówka w zbiorze danych, pomylone znaki w równaniu – to wszystko możesz wychwycić za pomocą testów.

Po ukończeniu kursu będziesz znać różne metody testowania i będziesz potrafić dobrać najbardziej odpowiednią metodę do danego kontekstu. Nauczysz się też projektować testy i implementować je w Pythonie, korzystając z bibliotek pytest oraz unittest.

<h2>Dlaczego testy?</h2>Wiele osób pisze kod. Niektórzy potrafią sprawić, że to działa i przynosi zyski. Ale czasami nawet najinteligentniejszy z najlepszych programistów popełnia błąd, który może kosztować miliony dolarów. Jak zmniejszyć prawdopodobieństwo wpadnięcia w taką katastrofę? Jak upewnić się, że tworzysz program, który robi dokładnie to, czego chcesz? Bardzo prosta odpowiedź brzmi: pisz testy!<br><br><h2>Podstawy testowania w Pythonie</h2>Podczas tej ścieżki nauczysz się absolutnych podstaw tworzenia testów w Pythonie. Poznasz cztery rodzaje metod testowania oprogramowania. Stworzysz własne testy, aby sprawdzić, czy program lub potok danych działa zgodnie z oczekiwaniami, zanim trafi do produkcji. Niezależnie od tego, czy chodzi o nieoczekiwane null, literówkę w Twoim zbiorze danych, czy pomieszane znaki w równaniu. Możesz i wyłapiesz te przypadki dzięki testom.<br><br><h2>Testowanie za pomocą pytest i unittest</h2>Po ukończeniu kursu poznasz rodzaje metod testowania i będziesz potrafić wybrać najbardziej odpowiednie dla konkretnego kontekstu. Będziesz także w stanie projektować te testy i implementować je w Pythonie, korzystając z bibliotek `pytest` i `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Opanuj testowanie w Pythonie: poznaj metody, twórz testy i zapewnij kod bez błędów z pytest i unittest.

Opanuj testowanie w Pythonie: Poznaj metody, twórz testy i zapewnij kod bez błędów dzięki pytest i unittest.

Czym są testy wydajnościowe?

Wprowadzenie do testowania w Pythonie

Interaktywne ćwiczenie praktyczne