Python 应用数据帧的模拟结果

我试图模拟dataframe.apply（函数）中调用的函数的结果，请参见下面的代码：

def simple_zero(value):
    a = value
    return a-value

def difficult_zero(value):
    a = np.zeros(value.shape, dtype=int)
    return a

@mock.patch('difficult_zero', side_effect='simple_zero')
def test_mock_df_apply():
    df = pd.DataFrame([[4, 9],] * 3, columns=['A', 'B'])
    df = df.apply(difficult_zero)
    print(df)
    assert 0

运行此测试会导致“TypeError:需要一个有效的目标进行修补。您提供了：'combly_zero'”。我已经试过两种方法：补丁

side\u effect='simple\u zero'

和补丁

return\u value=pd.DataFrame（[[0,0]，]*3，columns=['A'，B']）

预期产量为

如何模拟数据帧应用的结果

---

编辑：修复了simple_zero函数

模拟模块的正确用法如下：

@mock.patch(__name__+'.difficult_zero', new=simple_zero)

目标

“\uuuu name\uuuu+”。困难的\u0'

是表示函数定义的字符串。由于mock不知道关于当前运行时范围的任何信息，我们应该将其与函数名一起传递。在这种情况下，可以是

\uuuuu name\uuuuu

。使用另一个函数的参数不是

side\u effect='function'

，而是

new=function

。它可能已经改变了，但我不确定

希望这有帮助

@mock.patch(__name__+'.difficult_zero', new=simple_zero)