Running Contoh
Sebelum kita menyelam ke dalam semua prinsip, heuristik, dan panduan, mari kita lihat contoh ujian unit praktikal.
Buat direktori baru yang dipanggil
python_tests dan tambahkan dua fail:
- car.py
- test_car.py
init .py . Struktur fail mestilah seperti berikut:
Fail<code>python_tests/ -__init__.py - car.py - test_car.py</code>
car.py akan digunakan untuk menulis logik program kereta memandu sendiri yang kami gunakan dalam contoh ini, dan fail test_car.py akan digunakan untuk menulis semua ujian.
kandungan fail car.py:
class SelfDrivingCar: def __init__(self): self.speed = 0 self.destination = None def _accelerate(self): self.speed += 1 def _decelerate(self): if self.speed > 0: self.speed -= 1 def _advance_to_destination(self): distance = self._calculate_distance_to_object_in_front() if distance Ini adalah ujian unit untuk kelas ujian. Dapatkan modul Unittest seperti yang ditunjukkan di bawah. <p> </p> <pre class="brush:php;toolbar:false">from unittest import TestCaseAnda kemudian boleh mengatasi modul Unittest.Main yang disediakan oleh Rangka Kerja Ujian Unittest dengan menambahkan skrip ujian berikut di bahagian bawah fail ujian.
if __name__ == '__main__': unittest.main()Teruskan dan tambahkan skrip ujian di bahagian bawah
test_car.py fail seperti yang ditunjukkan di bawah.
import unittest from car import SelfDrivingCar class SelfDrivingCarTest(unittest.TestCase): def setUp(self): self.car = SelfDrivingCar() def test_stop(self): self.car.speed = 5 self.car.stop() self.assertEqual(0, self.car.speed) self.car.stop() self.assertEqual(0, self.car.speed) if __name__ == '__main__': unittest.main(verbosity=2)Untuk menjalankan ujian, jalankan program Python:
python test_car.pyanda harus melihat output berikut:
<code>test_stop (__main__.SelfDrivingCarTest) ... ok ---------------------------------------------------------------------- Ran 1 test in 0.000s OK</code>Test Discovery
kaedah lain, dan kaedah yang paling mudah, adalah untuk menguji penemuan. Pilihan ini hanya ditambah dalam Python 2.7. Sebelum 2.7, anda boleh menggunakan hidung untuk menemui dan menjalankan ujian. Hidung mempunyai kelebihan lain, seperti menjalankan fungsi ujian tanpa membuat kelas untuk kes ujian. Tetapi untuk artikel ini, mari kita berpegang dengan Unittest.
seperti namanya, -v logo:
selfdrivingcartest.
Terdapat beberapa tanda untuk mengawal operasi:
python -m unittest -hliputan ujian
Perlindungan ujian adalah kawasan yang sering diabaikan. Liputan adalah berapa kod ujian anda sebenarnya ujian. Sebagai contoh, jika anda mempunyai fungsi dengan pernyataan IF, anda perlu menulis ujian untuk mengatasi cawangan yang benar dan palsu dari pernyataan IF. Sebaik -baiknya, kod anda harus dalam pakej. Ujian untuk setiap pakej harus berada di direktori saudara pakej. Dalam direktori ujian, fail yang bernama Unittest Module harus disediakan untuk setiap modul pakej.
Kesimpulan
ujian unit adalah asas kod yang boleh dipercayai. Dalam tutorial ini, saya meneroka beberapa prinsip dan garis panduan untuk ujian unit dan menerangkan beberapa sebab di sebalik amalan terbaik. Semakin besar sistem yang anda bina, ujian unit yang lebih penting adalah. Tetapi ujian unit tidak mencukupi. Sistem besar juga memerlukan jenis ujian lain: ujian integrasi, ujian prestasi, ujian beban, ujian penembusan, ujian penerimaan, dll.
Artikel ini telah dikemas kini dan mengandungi sumbangan dari Esther Vaati. Esther adalah pemaju perisian dan penyumbang kepada Envato Tuts.
Atas ialah kandungan terperinci Tulis ujian unit profesional di Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

ArraysareGenerallymorememememory-efficientthanlistsforstoringnumericaldataduetotheirfixed-sizenatureanddirectmemoryaccess.1) arraysstoreelementsinacontiguousblock, reducingoverheadfrointersormetadata.2)

ToConvertapythonlisttoanarray, usetheArraymodule: 1) importThearraymodule, 2) createalist, 3) UseArray (typecode, list) toConvertit, spesifyingthetypecodelike'i'forintegers.ThisconversionOptimizesMogenhomogeneousdata, enHomerMogeneShomogeneousdata, enHomerMogeneousdata, enhomoMogenerDataShomaSdata, enhomoMogenhomogeneousdata,

Senarai Python boleh menyimpan pelbagai jenis data. Senarai contoh mengandungi integer, rentetan, nombor titik terapung, boolean, senarai bersarang, dan kamus. Senarai fleksibiliti adalah berharga dalam pemprosesan data dan prototaip, tetapi ia perlu digunakan dengan berhati -hati untuk memastikan kebolehbacaan dan pemeliharaan kod.

Pythondoesnothavebuilt-inarrays;usethearraymoduleformemory-efficienthomogeneousdatastorage,whilelistsareversatileformixeddatatypes.Arraysareefficientforlargedatasetsofthesametype,whereaslistsofferflexibilityandareeasiertouseformixedorsmallerdatasets.

Themostcomonlyedmoduleforcreatingarraysinpythonisnumpy.1) numpyprovidesefficienttoolsforarrayoperations, idealfornumericaldata.2) arrayscanbecreatedingingnp.array () for1dand2dstructures

ToAppendElementStoapyThonList, useTheAppend () methodforsingleelements, extend () formultipleelements, andInsert () forspecificposition.1) useAppend () foraddingOneElementAttheend.2)

TOCREATEAPYTHONLIST, USESQUAREBRACKETS [] danSeparatateItemSwithCommas.1) listsaredynamicandCanHoldMixedDatypes.2) UseAppend (), mengalih keluar (), danSlicingFormApulation.3)

Dalam bidang kewangan, penyelidikan saintifik, penjagaan perubatan dan AI, adalah penting untuk menyimpan dan memproses data berangka dengan cekap. 1) Dalam Kewangan, menggunakan memori yang dipetakan fail dan perpustakaan Numpy dapat meningkatkan kelajuan pemprosesan data dengan ketara. 2) Dalam bidang penyelidikan saintifik, fail HDF5 dioptimumkan untuk penyimpanan data dan pengambilan semula. 3) Dalam penjagaan perubatan, teknologi pengoptimuman pangkalan data seperti pengindeksan dan pembahagian meningkatkan prestasi pertanyaan data. 4) Dalam AI, data sharding dan diedarkan latihan mempercepatkan latihan model. Prestasi dan skalabiliti sistem dapat ditingkatkan dengan ketara dengan memilih alat dan teknologi yang tepat dan menimbang perdagangan antara kelajuan penyimpanan dan pemprosesan.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

mPDF
mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),

Muat turun versi mac editor Atom
Editor sumber terbuka yang paling popular

SecLists
SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

Penyesuai Pelayan SAP NetWeaver untuk Eclipse
Integrasikan Eclipse dengan pelayan aplikasi SAP NetWeaver.

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
