Lär dig vad ett test är och hur du kör ditt första eget med biblioteket pytest! Du vänjer dig vid testramverket pytest och kommandoradsgränssnittet. Du lär dig också att hantera specifika situationer, som "misslyckade tester" och "hoppa över test", med hjälp av pytest-markörer.

Introduktion till testning i Python

Den första testsviten

pytest.raises

Anropa pytest från CLI

Kör testet!

Kör med nyckelord

Använda testmarkörer

Användningsfall för markörer

Misslyckade tester med xfail

Villkorsstyrd överhoppning

Skapa tester med pytest

Lär dig vad en fixture är och hur du förenklar din kod genom att använda den i tester. Du bekantar dig med fixture-dekoratorn @pytest.fixture och tillhörande verktyg. Du analyserar din kod för att identifiera "fixture-delen" i den. Slutligen lär du dig att använda teardowns för att förebygga programfel.

Introduktion till fixtures

Bekanta dig med fixtures

Dataförberedelse

Kör med en fixture

Kedjekopplade fixture-anrop

Kedja ihop det

Lista med anpassad längd

Automatisk användning av fixtures

autouse-påståenden

Lägg till tal automatiskt

Teardowns för fixtures

Data med teardown

Läs data med teardown

pytest-fixtures

Lär dig vilka de grundläggande testtyperna är och vad som utmärker dem. Lär dig om testfall och hur de hjälper dig att implementera tester. Du blir mer van vid att skapa testfunktioner och att köra pytest från kommandoraden i IDE-övningar. Till slut kan du skilja mellan olika testtyper och skapa tester för var och en av dem.

Enhetstestning med pytest

Alternativ

Sant

Falskt

Termer inom enhetstestning

Täck fler testfall

Fakulteten av ett tal

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


Kör factorial

Funktionstestning med pytest

Funktionstest

Enhetstest

Funktionstestning eller enhetstestning

# 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)


Aggregera med sum

Integrationstestning med pytest

Integrationstest

Inte ett integrationstest

Integrationstest eller inte

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


Läs filen

Prestandatestning med pytest

Vad är prestandatestning?

Hitta ett element

Loopars hastighet

Grundläggande testtyper

I det här avslutande kapitlet bekantar du dig med ramverket unittest. Du börjar med grundläggande assertionsmetoder, går sedan vidare till dess kommandoradsgränssnitt och lär dig använda fixtures. Avslutningsvis sätter du ihop allt i praktiska exempel med datapipelines.

Bekanta dig med Unittest

Fakultet med unittest

Primtal eller inte

CLI-gränssnitt

Kör factorial med unittest

Felaktig fakultet

Alternativ i unittest

Fixtures i unittest

Testa strängvariabeln

Palindromkontroll

Praktiska exempel

Integrations- och enhetstester

Funktions- och prestandatester

Energipipeline

Grattis!

Skriva tester med unittest

Games

Energy

DS_salaries

Många skriver kod. En del får den att fungera och ge värde. Men ibland gör även de skickligaste programmerarna misstag som kan kosta miljontals kronor. Hur minskar du risken för den typen av haveri? Hur säkerställer du att ditt program gör exakt det du vill? Svaret är enkelt: skriv tester!

Under kursens gång lär du dig grunderna i att skapa tester i Python. Du bekantar dig med fyra typer av testmetoder inom mjukvaruutveckling. Du skapar egna tester för att kontrollera att ett program eller en datapipeline fungerar som förväntat innan det driftsätts – oavsett om det handlar om ett oväntat null-värde, ett stavfel i din datamängd eller ett felvänt tecken i en ekvation. Du kan, och kommer, att fånga den typen av fel med hjälp av tester.

När du har slutfört kursen känner du till de olika testtyperna och kan välja den mest lämpliga för ett givet sammanhang. Du kan också utforma tester och implementera dem i Python med hjälp av biblioteken pytest och unittest.

<h2>Varför tester?</h2>Många skriver kod. Vissa av dem får det att fungera och bli lönsamt. Men ibland gör till och med de allra bästa programmerarna ett misstag som kan kosta miljontals dollar. Hur minskar man risken att hamna i ett sådant fiasko? Hur säkerställer du att du skapar ett program som gör exakt det du vill? Det väldigt enkla svaret är: skriv tester!<br><br><h2>Grundläggande Python-testning</h2>Under den här kursen lär du dig grunderna i att skapa tester i Python. Du kommer att möta fyra typer av metoder för mjukvarutestning. Du kommer att skapa dina egna tester för att kontrollera om programmet eller en datapipeline fungerar som förväntat innan det går till produktion. Oavsett om det handlar om det oväntade null-värdet, ett stavfel i din datamängd eller omkastade tecken i ekvationen. Du kan, och du kommer att fånga de fallen med testerna.<br><br><h2>Testning med pytest och unittest</h2>Efter att ha slutfört kursen kommer du att känna till olika typer av testmetoder och kunna välja de mest lämpliga för ett specifikt sammanhang. Du kommer också att kunna utforma dessa tester och implementera dem i Python med hjälp av biblioteken `pytest` och `unittest`.

Writing Functions in Python

Software Engineering Principles in Python

Lär dig Python-testning: Metoder, skapa kontroller och säkerställ felfri kod med pytest och unittest.

Bemästra Python-testning: Lär dig metoder, skapa kontroller och säkerställ felfri kod med pytest och unittest.

Vad är prestandatestning?

Introduktion till testning i Python

Interaktiv övning med praktiskt arbete