Pytest教程__参数化(10)

本文介绍了pytest框架中进行参数化测试的两种主要方式:@pytest.mark.parametrize和@fixture的params参数。通过示例详细展示了单变量、多变量、字典变量以及多次参数化的用法,帮助读者理解如何在测试中灵活运用参数化。

pytest参数化有两种方式:

  • mark的parametrize标记:@pytest.mark.parametrize(变量名,变量值),其中变量值类型为列表、元组或其它可迭代对象。
  • fixture的params参数:@pytest.fixture(params=变量值),其中变量值类型为列表、元组或其它可迭代对象。

接下来以上面两种方式演示参数化的多种情况。

一、单变量参数化

演示代码如下:

import pytest


# params的值为参数化的值,被装饰的函数为变量名,函数的request形参是固定写法不可修改,return的返回值也是固定写法
@pytest.fixture(params=(1, 2))
def login_data(request):
    return request.param


class TestLogin:

    # parametrize参数化时,需传入两个参数,第一个参数为变量名,第二个参数为参数化的值
    @pytest.mark.parametrize("data", ["a", "b"])
    def test_login_001(self, data):
        print("执行用例001")
        print(f"调用参数-{data}")

    # 调用被@pytest.fixture装饰的函数
    def test_login_002(self, login_data):
        print("执行用例002")
        print(f"调用参数-{login_data}")

执行结果如下:

二、多

标题基于Python的汽车之家网站舆情分析系统研究AI更换标题第1章引言阐述汽车之家网站舆情分析的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义说明汽车之家网站舆情分析对汽车行业及消费者的重要性。1.2国内外研究现状概述国内外在汽车舆情分析领域的研究进展与成果。1.3论文方法及创新点介绍本文采用的研究方法及相较于前人的创新之处。第2章相关理论总结和评述舆情分析、Python编程及网络爬虫相关理论。2.1舆情分析理论阐述舆情分析的基本概念、流程及关键技术。2.2Python编程基础介绍Python语言特点及其在数据分析中的应用。2.3网络爬虫技术说明网络爬虫的原理及在舆情数据收集中的应用。第3章系统设计详细描述基于Python的汽车之家网站舆情分析系统的设计方案。3.1系统架构设计给出系统的整体架构,包括数据收集、处理、分析及展示模块。3.2数据收集模块设计介绍如何利用网络爬虫技术收集汽车之家网站的舆情数据。3.3数据处理与分析模块设计阐述数据处理流程及舆情分析算法的选择与实现。第4章系统实现与测试介绍系统的实现过程及测试方法,确保系统稳定可靠。4.1系统实现环境列出系统实现所需的软件、硬件环境及开发工具。4.2系统实现过程详细描述系统各模块的实现步骤及代码实现细节。4.3系统测试方法介绍系统测试的方法、测试用例及测试结果分析。第5章研究结果与分析呈现系统运行结果,分析舆情数据,提出见解。5.1舆情数据可视化展示通过图表等形式展示舆情数据的分布、趋势等特征。5.2舆情分析结果解读对舆情分析结果进行解读,提出对汽车行业的见解。5.3对比方法分析将本系统与其他舆情分析系统进行对比,分析优劣。第6章结论与展望总结研究成果,提出未来研究方向。6.1研究结论概括本文的主要研究成果及对汽车之家网站舆情分析的贡献。6.2展望指出系统存在的不足及未来改进方向,展望舆情
【磁场】扩展卡尔曼滤波器用于利用高斯过程回归进行磁场SLAM研究(Matlab代码实现)内容概要:本文介绍了利用扩展卡尔曼滤波器(EKF)结合高斯过程回归(GPR)进行磁场辅助的SLAM(同步定位与地图构建)研究,并提供了完整的Matlab代码实现。该方法通过高斯过程回归对磁场空间进行建模,有效捕捉磁场分布的非线性特征,同时利用扩展卡尔曼滤波器融合传感器数据,实现移动机器人在复杂环境中的精确定位与地图构建。研究重点在于提升室内等无GPS环境下定位系统的精度与鲁棒性,尤其适用于磁场特征明显的场景。文中详细阐述了算法原理、数学模型构建、状态估计流程及仿真实验设计。; 适合人群:具备一定Matlab编程基础,熟悉机器人感知、导航或状态估计相关理论的研究生、科研人员及从事SLAM算法开发的工程师。; 使用场景及目标:①应用于室内机器人、AGV等在缺乏GPS信号环境下的高精度定位与地图构建;②为磁场SLAM系统的设计与优化提供算法参考和技术验证平台;③帮助研究人员深入理解EKF与GPR在非线性系统中的融合机制及实际应用方法。; 阅读建议:建议读者结合Matlab代码逐模块分析算法实现细节,重点关注高斯过程回归的训练与预测过程以及EKF的状态更新逻辑,可通过替换实际磁场数据进行实验验证,进一步拓展至多源传感器融合场景。
### pytest `pytest_generate_tests` 自定义测试参数化 #### 使用场景 当默认的参数化机制无法满足需求时,可以通过实现 `pytest_generate_tests` 钩子函数来自定义更复杂的参数化逻辑[^1]。 #### 基本原理 该钩子会在测试用例收集阶段被调用,允许基于特定条件动态生成多个测试实例。这使得可以根据外部数据源或其他复杂规则灵活创建测试案例[^5]。 #### 示例代码 下面是一个简单的例子展示如何利用 `pytest_generate_tests` 进行基本的参数化: ```python import pytest def test_example(request): # 获取由 pytest_generate_tests 提供的数据 input_data, expected_output = request.param assert function_to_test(input_data) == expected_output def pytest_generate_tests(metafunc): """为每个测试提供一组输入和预期输出""" if "request" in metafunc.fixturenames: # 定义要传递给测试的不同参数组合 parameters_list = [ ("input_1", "expected_result_1"), ("input_2", "expected_result_2") ] # 将这些参数应用到标记为 'param' 的 fixture 上 metafunc.parametrize("request", parameters_list, indirect=True) ``` 在这个例子中,`test_example()` 接收了一个名为 `request` 的fixture 参数,并从中提取实际使用的参数值。而真正的参数化工作是在 `pytest_generate_tests()` 中完成的,这里指定了具体的参数列表并将其绑定到了相应的测试函数上[^4]。 对于更加高级的应用场景,还可以结合其他 PyTest 功能(如fixtures),甚至是从文件读取数据作为参数来源等操作来增强灵活性[^3]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值