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.

Introdução às fixtures

Opções

Verdadeiro

Falso

Familiarização com as fixtures

Preparação de dados

____

@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


Execução com uma fixture

Solicitações de fixtures em cadeia

Programa

Encadeamento

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 com comprimento personalizado

Autouse em fixtures

Instruções com 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


Adição automática de números

Teardown de 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


Dados com 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


Leitura de dados com 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

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.

Engenheiro associado de IA para cientistas de dados

Engenheiro de dados profissional Em Python

Desenvolvedor Python

Python for Software Engineering

Programação Python

Uma fixture é um ambiente preparado que é usado em testes.

Você precisa declarar o decorador `@pytest.fixture` junto com uma fixture personalizada para implementar uma fixture do `pytest`.

As fixtures ajudam a tornar a configuração do teste mais modular.

Uma fixture do `pytest` pode ser implementada como uma função comum sem decoradores.

Familiarização com as fixtures

Introdução aos Testes em Python

exercicio interativo prático