了解什麼是測試，並使用 pytest 函式庫執行你的第一個測試！你會熟悉 pytest 測試框架與命令列介面。你也會學到如何用 pytest 標記處理特定情境，例如「測試失敗」與「略過測試」。

Python 測試入門

第一個測試套件

pytest.raises

從 CLI 呼叫 pytest

執行測試！

使用關鍵字執行

使用測試標記

標記的使用情境

使用 xfail 處理失敗的測試

條件式跳過

使用 pytest 建立測試

了解什麼是 fixture，並學會在測試中使用它，讓程式碼更精簡。你會熟悉裝飾器 @pytest.fixture 與各種 fixture 工具。你會分析自己的程式碼，找出其中的「fixture 部分」。最後，學會使用 teardown，避免軟體出錯。

Fixtures 入門

認識 fixtures

資料前處理

使用 fixture 來執行

串連 fixture 請求

串起來看看

自訂長度的 list

自動使用的 Fixtures

autouse 敘述

自動新增數字

Fixtures 的結束清理（Teardowns）

具有 teardown 的資料

使用 teardown 讀取資料

Pytest Fixtures

認識基本測試類型及其特點。了解測試案例，以及它們如何協助你實作測試。你將更熟練撰寫測試函式，並在 IDE 的練習中從 CLI 執行 pytest。最後，你能分辨不同測試類型，並為各類型撰寫相對應的測試。

使用 pytest 進行單元測試

選項

單元測試術語

涵蓋更多測試案例

數字的階乘

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


執行階乘

使用 pytest 進行功能測試

Feature 測試

Unit 測試

Feature 或 Unit 測試

# 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)


使用 sum 進行彙總

使用 pytest 進行整合測試

整合測試

非整合測試

是否為整合測試

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


讀取檔案

使用 pytest 進行效能測試

什麼是效能測試？

尋找元素

迴圈的速度

基本測試類型

在最後一章，你將認識 unittest 框架。你會先學基本的斷言方法，接著是它的 CLI 介面與如何使用 fixtures。最後，透過資料管線的實務範例，把所學整合起來。

認識 unittest

使用 unittest 撰寫階乘

是否為質數

CLI 介面

用 unittest 執行階乘

錯誤的階乘函式

unittest 選項

unittest 的 Fixtures

測試字串變數

回文檢查

實用範例

整合測試與單元測試

功能與效能測試

能源管線

恭喜你！

使用 unittest 撰寫測試

Games

Energy

DS_salaries

許多人會寫程式，其中有些人能把它做得可用、帶來收益。不過，即使是最聰明、最優秀的程式設計師，有時也可能犯下代價高昂的錯誤。要如何降低這種翻車的機率？要怎麼確保你寫出的程式正好達到你的需求？最簡單的答案就是：寫測試！

在本課程中，你將學會在 Python 中建立測試的基礎觀念。你會接觸到四種軟體測試方法。你會自己撰寫測試，在程式或資料管線送到生產環境前，先確認其表現是否如預期。無論是意外的 null、資料集中的錯字，或方程式中正負號搞混，你都能—and 也會—用測試抓出這些情況。

完成課程後，你會了解各種測試方法，並能依情境選擇最合適的一種。你也能設計這些測試，並使用 pytest 與 unittest 函式庫在 Python 中實作。

<h2>為什麼要進行測試？</h2>許多人都會寫程式碼。 有些人能讓它運作並獲利。 但有時，即使是最優秀的程式設計師也可能犯下代價高達數百萬美元的錯誤。 如何降低陷入這種困境的可能性？你如何確保自己開發的程式能完全達到預期的效果？最簡單的答案就是：撰寫測試！<br><br><h2>Python 測試基礎</h2>在這個課程中，您將學習如何在 Python 中建立基本的測試。 您將會學習四種軟體測試方法。 您將自行撰寫測試，以在程式或資料管線進入正式環境前，確認其運作是否如預期。 無論是意外出現的 null、資料集中的拼寫錯誤，還是方程式中正負號搞錯。 你可以，而且你一定會透過這些測試發現這些情況。<br><br><h2>使用 pytest 與 unittest 進行測試</h2>完成本課程後，您將了解各種測試方法，並能夠根據特定情境選擇最合適的測試方式。 您也將能夠設計這些測試，並使用 `pytest` 和 `unittest` 函式庫在 Python 中實作。

Writing Functions in Python

Software Engineering Principles in Python

掌握Python測試：學習方法、創建檢查，並使用pytest和unittest確保代碼無錯誤。

精通 Python 測試： 掌握方法、建立檢查，使用pytest與unittest確保程式碼無錯誤。

AI 工程師助理職涯路徑（適合資料科學家）

專業資料工程師 使用 Python

Python 開發人員

Python 軟體工程師養成之路

Python 程式設計

檢查 ping 要求能到達目的地並返回。

驗證雲端伺服器與資料庫之間的連線。

確認計算機的「加法」按鈕可以正確運作。

確保你的汽車輪胎有足夠的胎壓。

是否為整合測試

Python 測試入門

動手互動練習