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

Alternativ

Sant

Falskt

Bekanta dig med fixtures

Dataförberedelse

____

@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


Kör med en fixture

Kedjekopplade fixture-anrop

Program

Kedja ihop det

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 med anpassad längd

Automatisk användning av fixtures

autouse-påståenden

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


Lägg till tal automatiskt

Teardowns för 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


Data med 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


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

Termer inom enhetstestning

Täck fler testfall

Fakulteten av ett tal

Kör factorial

Funktionstestning med pytest

Funktionstestning eller enhetstestning

Aggregera med sum

Integrationstestning med pytest

Integrationstest eller inte

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.

Associate AI Engineer för data scientists

Professionell dataingenjör i Python

Pythonutvecklare

Python för mjukvaruteknik

Python-programmering

En fixture är en förberedd miljö som används i tester.

För att implementera en `pytest`-fixture måste man deklarera dekoratorn `@pytest.fixture` tillsammans med en anpassad fixture-funktion.

Fixtures gör det enklare att bygga testuppsättningen på ett modulärt sätt.

En `pytest`-fixture kan implementeras som en vanlig funktion utan dekoratorer.

Bekanta dig med fixtures

Introduktion till testning i Python

Interaktiv övning med praktiskt arbete