了解什么是测试，并使用 pytest 库运行您的第一个测试！您将熟悉 pytest 测试框架及其命令行界面。您还会学习如何处理特定情境，例如使用 pytest 标记处理"测试失败"和"跳过测试"。

Python 测试入门

第一个测试套件

pytest.raises

从 CLI 调用 pytest

运行测试！

使用关键字运行

应用测试标记

标记的使用场景

使用 xfail 处理失败的测试

按条件跳过

使用 pytest 创建测试

了解什么是 fixture（夹具），以及如何在测试中使用它来简化代码。您将熟悉装饰器 @pytest.fixture 以及各类 fixture 工具。您会分析自己的代码，识别其中的"fixture 部分"。最后，学习如何使用 teardown 防止软件故障。

fixtures 简介

熟悉 fixtures

数据准备

使用 fixture 运行

串联 Fixture 请求

串起来看看

自定义长度的列表

自动使用的 Fixtures

autouse 相关陈述

自动添加数字

Fixtures Teardowns（夹具的清理操作）

带有 teardown 的数据

使用 teardown 读取数据

Pytest Fixtures（夹具）

了解基础测试类型及其特点。学习测试用例，以及它们如何帮助实现测试。您将在 IDE 练习中更熟练地编写测试函数，并从 CLI 运行 pytest。最后，您将能够区分不同的测试类型，并为每种类型编写测试。

使用 pytest 进行单元测试

选项

单元测试术语

覆盖更多测试用例

数字的阶乘

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


运行 factorial

使用 pytest 进行功能测试

功能测试

单元测试

功能测试还是单元测试

# 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)


用 sum 做聚合

使用 pytest 进行集成测试

集成测试

不是集成测试

是不是集成测试

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


读取文件

使用 pytest 进行性能测试

什么是性能测试？

查找元素

循环的速度

基础测试类型

在最后一章中，您将接触 unittest 框架。首先学习基本断言方法，然后是其命令行界面，以及如何使用 fixtures。最后，您会将所学融会贯通，完成数据管道的实操示例。

走近 unittest

使用 unittest 计算阶乘

是否为素数

CLI 接口

使用 unittest 运行 factorial

错误的阶乘函数

unittest 选项

unittest 中的 Fixtures

测试字符串变量

回文检查

实践示例

集成测试与单元测试

特性与性能测试

能源管道

恭喜您！

使用 unittest 编写测试

Games

Energy

DS_salaries

会写代码的人很多。有些人能把代码做得可用并创造收益。但有时，即使是最聪明、最优秀的程序员也可能犯错，造成数百万美元的损失。如何降低陷入这种惨痛局面的可能性？如何确保程序完全按您的预期运行？最直接的答案是：编写测试！

在本课程中，您将学习在 Python 中创建测试的基础知识。您将接触四种软件测试方法。您会编写自己的测试，在程序或数据管道上线前检查其是否按预期工作。无论是意外出现的 null、数据集里的拼写错误，还是公式中正负号颠倒，您都可以—and 将会—通过测试捕获这些问题。

完成课程后，您将了解各类测试方法，并能在具体情境下选择最合适的一种或几种。您还将能够设计这些测试，并使用 pytest 和 unittest 库在 Python 中实现它们。

<h2>为什么要测试？</h2>很多人都会写代码。 其中一些人让它运转起来并实现盈利。 但有时，即使是最优秀的程序员中最聪明的人，也会犯下可能造成数百万美元损失的错误。 如何降低陷入这种灾难的可能性？如何确保你创建的程序正好按你的预期运行？最简单的答案是：编写测试！<br><br><h2>Python 测试基础</h2>在这段学习旅程中，你将学习如何在 Python 中创建测试的最基础知识。 您将了解四种软件测试方法。 您将创建自己的测试，以检查程序或数据管道在投入生产之前是否按预期运行。 无论是数据集中意外出现的空值、拼写错误，还是方程中的符号混乱。 你可以，而且你会通过测试捕捉到这些情况。<br><br><h2>使用 pytest 和 unittest 进行测试</h2>课程完成后，您将了解各种测试方法，并能够为特定场景选择最合适的方法。 你还将能够设计这些测试，并使用 `pytest` 和 `unittest` 库在 Python 中实现它们。

Writing Functions in Python

Software Engineering Principles in Python

掌握Python测试：学习方法、创建检查，使用pytest和unittest确保代码无错误。

掌握 Python 测试： 掌握方法、创建检查，并使用 pytest 和 unittest 确保代码无错误。

面向数据科学家的 AI 工程师助理

专业数据工程师 在 Python 中

Python 开发人员

Python 软件工程

Python 编程

验证浏览器能在电脑上打开一个网站。

确保地图导航应用能从 A 到 B 规划路线。

检查 Python 是否能正确从 ASCII 解码一个符号。

检查关系型数据库中对数组进行排序的函数。

功能测试还是单元测试

Python 测试入门

动手互动练习