preloader

1 de enero de 1 | 2 minutos de lectura
Índice de contenido

Esto ilustra la configuración de una prueba parametrizada para la Calculadora en la que dos los valores de entrada se suman y se comparan con el resultado esperado. Nota que los parámetros se nombran en el decorador y luego se usa una lista de tuplas para defina los valores que se utilizarán para los parámetros. En este caso la prueba_ calculadora_añadir_operación se ejecutará dos pasando en 3, 1 y 4 y luego pasando 3, 2 y 5 para los parámetros entrada1, entrada2 y esperado respectivamente. Prueba de excepciones Puede escribir pruebas que verifiquen que se generó una excepción. Esto es útil como prueba el comportamiento negativo es tan importante como probar el comportamiento positivo. por ejemplo, nosotros Es posible que desee verificar que se genera una excepción particular cuando intentamos retirar dinero de una cuenta bancaria que nos llevará por encima de nuestro límite de sobregiro. Para verificar la presencia de una excepción en PyTest, use la instrucción with y pytest.raises. Este es un administrador de contexto que verificará al salir que el se generó la excepción especificada. Se utiliza de la siguiente manera: con pytest.raises(cuentas.BalanceError): cuenta_actual.retirar(200.0) Ignorando las pruebas En algunos casos, es útil escribir una prueba de funcionalidad que aún no se ha implementado; esto puede ser para asegurarse de que la prueba no se olvide o porque ayuda para documentar lo que debe hacer el elemento bajo prueba. Sin embargo, si se ejecuta la prueba, el conjunto de pruebas fallará porque la prueba se está ejecutando contra un comportamiento que tiene aún por escribir. @pytest.mark.parametrize decorador. @pytest.mark.parametrize(’entrada1,entrada2,esperado’, [ (3, 1, 4), (3, 2, 5), ]) def test_calculator_add_operation(calculadora, entrada1, entrada2, esperada): calculadora.set(entrada1) calculadora.add() calculadora.set(entrada2) calculadora.add() afirmar calculadora.total == esperado 184 15 Marco de prueba de PyTest

comments powered by Disqus

popular post

El modelo AR de series temporales univariadas

Resumen: En esta entrada, descubrirá el modelo AR: El modelo autorregresivo.

Leer más

Evaluación de modelos para pronosticar

Resumen: Al desarrollar modelos de aprendizaje automático, generalmente se comparan varios modelos durante la fase de construcción.

Leer más

Modelos para pronosticar

Resumen: El pronóstico, traducido groseramente como la tarea de predecir el futuro, ha estado presente en la sociedad humana durante siglos.

Leer más