preloader

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

• Decida qué burlarse, los ejemplos típicos de qué burlarse incluyen esos elementos que aún no están disponibles, aquellos elementos que no son por defecto repetibles (como como fuentes de datos en vivo) o aquellos elementos del sistema que consumen mucho tiempo o complejo. • Decida dónde simular, como las interfaces para la unidad bajo prueba. Quieres probar la unidad para que cualquier interfaz que tenga con otro sistema, función o clase pueda ser candidato para un simulacro. • Decida cuándo simular para que pueda determinar los límites de la prueba. • Decida cómo implementará sus simulacros. Por ejemplo, necesita con- Considere qué marco (s) de simulación usará o cómo simular com- componentes como una base de datos. 16.12 Recursos en línea Hay una gran cantidad de información disponible sobre cómo burlarse, cuándo burlarse y qué bibliotecas simuladas usar, sin embargo, lo siguiente proporciona puntos de partida útiles para burlarse de Python: • https://docs.python.org/3/library/unittest.mock.html El Pitón Estándar Documentación de la biblioteca en la biblioteca unitest.mock. • https://docs.python.org/3/library/unittest.mock-examples.html Un conjunto de exámenes ples que puede usar para explorar la burla usando unites.mock. • https://pymox.readthedocs.io/en/latest/index.html Pymox es una alternativa abierta Marco de objeto simulado fuente para Python. • http://gfxmonk.net/dist/doc/mocktest/doc mocktest es otra burla biblioteca para Python. 16.13 Ejercicios Una de las razones para burlarse es garantizar que las pruebas sean repetibles. en este ejercicio Simularemos el uso de un número aleatorio generado para garantizar que nuestras pruebas puedan repetirse fácilmente. El siguiente programa genera una baraja de cartas y elige una carta al azar de la cubierta: 16.11 Consideraciones burlonas 203

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