Testes de unidade de um pipeline de dados com fixtures
No último vídeo, você viu que testes de unidade ajudam a aumentar a confiança no seu pipeline de dados e ainda podem detectar bugs durante o desenvolvimento. Neste exercício, você vai praticar a escrita de fixtures e testes de unidade usando a biblioteca pytest e assert.
A função transform em torno da qual você vai criar testes de unidade está mostrada abaixo como referência. pandas foi importado como pd, e a biblioteca pytest() está carregada e pronta para uso.
def transform(raw_data):
raw_data["tax_rate"] = raw_data["total_taxes_paid"] / raw_data["total_taxable_income"]
raw_data.set_index("industry_name", inplace=True)
return raw_data
Este exercicio faz parte do curso
ETL e ELT em Python
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Define a pytest fixture
@pytest.fixture()
____ ____():
raw_data = pd.read_csv("raw_tax_data.csv")
# Transform the raw_data, store in clean_data DataFrame, and return the variable
clean_data = ____
return ____