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

Opcje

Prawda

Fałsz

Pierwsze kroki z fixture'ami

Przygotowanie danych

____

@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


Uruchom z fixtury

Łączenie żądań fikstur

Program

Połącz w łańcuch

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


Lista o niestandardowej długości

Automatyczne używanie fikstur

Stwierdzenia dotyczące autouse

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


Automatyczne dodawanie liczb

Teardowny w fiksturach

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


Dane z 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


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

Pojęcia związane z testami jednostkowymi

Zwiększ pokrycie przypadków testowych

Silnia liczby

Uruchom silnię

Testowanie funkcjonalne z pytest

Test funkcjonalny czy jednostkowy

Agregacja z sum

Testowanie integracyjne z pytest

Test integracyjny czy nie

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.

Stwierdzenia dotyczące autouse

Wprowadzenie do testowania w Pythonie

Interaktywne ćwiczenie praktyczne