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.

Testes de unidade com o pytest

Opções

Verdadeiro

Falso

Termos de testes de unidade

Cobertura de casos de teste

Fatorial do número

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


Execução de fatorial

Testes de funcionalidades com o pytest

Teste de funcionalidades

Teste de unidade

Teste de funcionalidades ou de unidades

# 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)


Agregação com soma

Testes de integração com o pytest

Teste de integração

Não é um teste de integração

Teste de integração ou não

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


Leitura de um arquivo

Testes de desempenho com o pytest

O que são testes de desempenho?

Como encontrar um elemento

Velocidade de 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

Muitas pessoas escrevem códigos. Algumas fazem com que isso funcione e seja lucrativo. Porém, às vezes, até mesmo o mais inteligente dos programadores comete um erro que pode custar milhões de dólares. Como diminuir a possibilidade de se envolver em um fiasco como esse? Como garantir que você crie um programa que faça exatamente o que deseja? A resposta muito simples é: escreva testes!

Durante esta jornada, você vai aprender os fundamentos da criação de testes em Python. Você conhecerá quatro tipos de métodos de teste de softwares. Você vai criar os próprios testes para verificar se o programa ou pipeline de dados funciona conforme o esperado antes de entrar em produção. Seja um nulo inesperado, um erro de digitação em seu conjunto de dados ou sinais trocados na equação, você pode – e vai – detectar esses casos com os testes.

Após a conclusão do curso, você conhecerá os tipos de métodos de teste e poderá escolher os mais indicados para um determinado contexto. Você também será capaz de projetar esses testes e implementá-los em Python usando as bibliotecas pytest e unittest.

<h2>Por que testes?</h2>Muitas pessoas escrevem códigos. Alguns deles fazem com que isso funcione e seja lucrativo. Mas, às vezes, até mesmo o mais inteligente dos melhores programadores comete um erro que pode custar milhões de dólares. Como você pode diminuir a possibilidade de se envolver em um fiasco como esse? Como garantir que você crie um programa que faça exatamente o que você deseja? A resposta muito simples é: escreva testes!<br><br><h2>Noções básicas de testes em Python</h2>Durante esta jornada, você aprenderá os fundamentos da criação de testes em Python. Você conhecerá quatro tipos de métodos de teste de software. Você criará seus próprios testes para verificar se o programa ou um pipeline de dados funciona conforme o esperado antes de entrar em produção. Seja um nulo inesperado, um erro de digitação em seu conjunto de dados ou sinais confusos na equação. Você pode, e você detectará esses casos com os testes.<br><br><h2>Testes com pytest e unittest</h2>Após a conclusão do curso, você conhecerá os tipos de métodos de teste e poderá escolher os mais adequados para um contexto específico. Você também será capaz de projetar esses testes e implementá-los em Python usando as bibliotecas `pytest` e `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Domine testes em Python: Aprenda métodos, crie verificações e garanta código sem erros com pytest e unittest.

Introdução aos Testes em Python

Domine os testes do Python: Aprenda métodos, crie verificações e garanta um código livre de erros com pytest e unittest.

Cobertura de casos de teste

Introdução aos Testes em Python

exercicio interativo prático