Python 如何验证使用随机变量的函数的正确性?
有些应用程序域(例如GameDev)中的许多函数都应该使用随机值创建,以生成它们的输出。其中一个例子如下:Python 如何验证使用随机变量的函数的正确性?,python,testing,random,regression-testing,Python,Testing,Random,Regression Testing,有些应用程序域(例如GameDev)中的许多函数都应该使用随机值创建,以生成它们的输出。其中一个例子如下: def generate_key(monster_key_drop_coef): key_letters = string.ascii_uppercase rand = random.random() if monster_key_drop_coef < rand: return None button = {} button
def generate_key(monster_key_drop_coef):
key_letters = string.ascii_uppercase
rand = random.random()
if monster_key_drop_coef < rand:
return None
button = {}
button["type"] = random.choice([1,2,3])
button["letter"] = random.choice(key_letters)
return button
def test_generate_key():
button_list = []
for _ in range(1, 1000):
button_list.append(generate_key(0.2))
is_all_none = True
is_not_none = False
for key in button_list:
is_all_none &= (key is None)
is_not_none |= (key is not None)
assert is_all_none == False
assert is_not_none == True
def生成密钥(怪物密钥丢弃密钥):
key_字母=string.ascii_大写
rand=random.random()
如果怪物钥匙掉落系数<兰德:
一无所获
按钮={}
按钮[“类型”]=随机选择([1,2,3])
按钮[“字母”]=随机选择(按键字母)
返回按钮
此函数基于几个随机操作生成项目的放置。如果要自动验证此函数的正确性,则会出现此问题。生成的值是不确定的,编写回归测试似乎是不可能的
我的问题是:
下面介绍了一个有用的单元测试:
def generate_key(monster_key_drop_coef):
key_letters = string.ascii_uppercase
rand = random.random()
if monster_key_drop_coef < rand:
return None
button = {}
button["type"] = random.choice([1,2,3])
button["letter"] = random.choice(key_letters)
return button
def test_generate_key():
button_list = []
for _ in range(1, 1000):
button_list.append(generate_key(0.2))
is_all_none = True
is_not_none = False
for key in button_list:
is_all_none &= (key is None)
is_not_none |= (key is not None)
assert is_all_none == False
assert is_not_none == True
它验证函数签名,覆盖函数代码的所有行(良好概率),并在99.999%的情况下通过。还验证了该函数从1000中至少产生一次下降,有时不会产生下降。
0.2是物品掉落的概率 我将重写函数以使用依赖项注入(随机数生成器作为参数传递给函数)。然后,您可以传递一个随机数生成器的模拟,用不同的确定性“随机”输入测试您的函数 当然,您也可以测试您的断言,这些断言不依赖于随机调用的结果。例如:
- 这些函数返回None或带有键“type”和“letter”的dict
- 如果返回字典,则值的类型和范围适当
我决不会写一个结果不确定的单元测试,即使是千分之一。我关心每一次测试失败,随机结果会令人不安。你最好封装你的随机性,这样函数就可以独立于随机数生成器进行测试。关于这个主题有很多书。示例:模拟RNG以交付已知结果(然后使用已知预期结果的特定输出进行测试)是一种方法。