R 使用TestThis对唯一性进行大规模测试

我有一个使用testthat的自动化测试包。然而，我想知道当一个人想要进行大量测试时，最佳实践是什么。一种常见的情况是，我正在测试所有参数/PAR是否都有独特的功能。下面是一个非功能性示例，给出一个想法：

# GG_heatmap --------------------------------------------------------------

#save plots to list
heatmaps = list(
  #various options
  default = mtcars[, c(1,3,4,5,6,7)] %>% GG_heatmap(),
  no_reorder = mtcars[, c(1,3,4,5,6,7)] %>% GG_heatmap(reorder_vars = F),
  no_values = mtcars[, c(1,3,4,5,6,7)] %>% GG_heatmap(add_values = F),
  many_digits = mtcars[, c(1,3,4,5,6,7)] %>% GG_heatmap(digits = 5)
)

test_that("GG_heatmap", {
  #check that plots work
  walk(heatmaps, ~expect_s3_class(., class = "ggplot"))

  #check for non-identity
  #cant think of an easy smart way to do this
  expect_true(!identical(heatmaps$default, heatmaps$no_reorder))
  expect_true(!identical(heatmaps$default, heatmaps$no_values))
  expect_true(!identical(heatmaps$default, heatmaps$many_digits))
  expect_true(!identical(heatmaps$no_reorder, heatmaps$no_values))
  expect_true(!identical(heatmaps$no_reorder, heatmaps$many_digits))
  expect_true(!identical(heatmaps$no_values, heatmaps$many_digits))
})

因此，有一个名为

GG_heatmap（）

（稍加修改）的函数，它返回一个

ggplot2

绘图

在

walk（）

中，我们只检查类是否正确。我尝试过，但当类出错时，它确实失败了，并且执行

devtools:：test（）

时的测试摘要是正确的，即它发现

walk（）

调用运行4个测试，而不是1个

在下面的6个测试中，我检查每个绘图对象是否不同，即参数是否有作用，所有这些都是不同的。在我的例子中，由于我有4个版本，我需要测试6个（即，

选择（4，2）

）组合，以确保它们都是唯一的。比如说，如果我有10个参数要测试，这将需要编写大量手动代码（

choose（10,2）

=45）

所以我的问题是，当进行这样的测试时，什么是最佳实践？是否有一个函数允许测试每个对象的唯一性？我所能想到的最好的方法是循环输出：

> gtools::combinations(4, 2)
     [,1] [,2]
[1,]    1    2
[2,]    1    3
[3,]    1    4
[4,]    2    3
[5,]    2    4
[6,]    3    4

然后调用每一行：

expect_true(!identical(heatmaps[[v1]], heatmaps[[v2]]))

---

其中，

v1

和

v2

指的是以上列中的整数。

在您的具体案例中，我想说的是——无论您最终如何实施它们——这些测试几乎没有价值，其结果甚至可能不可信

这些测试没有什么价值，因为如果它们通过了，你仍然会得到非常有限的信息：你会知道所有的热图看起来都不一样（好吧，也许，见下文），但你不会知道它们看起来是否像你期望的那样。然而，尽管结果很差，但测试可能需要很长的时间，当添加其他热图样式时，测试甚至会大幅增加

就有限的信息而言，测试可能不可信：取决于ggplot的工作方式，即使外观相同的热图也可能不相等，例如，如果工具为每个生成的热图添加了一些时间戳。即使工具今天不能像这样工作，您也可能无法保证将来会这样。因此，即使您的测试通过，一些图可能看起来仍然相同，但比较起来不相等

---

当然，热图的外观是否符合您的要求，这是单元测试无法确定的。相反，您需要查看生成的输出—一个可能最好归类为系统测试的测试。

在您的特定情况下，我要说的是—无论您最终如何实现它们—这些测试几乎没有价值，甚至可能不可信

这些测试没有什么价值，因为如果它们通过了，你仍然会得到非常有限的信息：你会知道所有的热图看起来都不一样（好吧，也许，见下文），但你不会知道它们看起来是否像你期望的那样。然而，尽管结果很差，但测试可能需要很长的时间，当添加其他热图样式时，测试甚至会大幅增加

就有限的信息而言，测试可能不可信：取决于ggplot的工作方式，即使外观相同的热图也可能不相等，例如，如果工具为每个生成的热图添加了一些时间戳。即使工具今天不能像这样工作，您也可能无法保证将来会这样。因此，即使您的测试通过，一些图可能看起来仍然相同，但比较起来不相等

---

当然，热图的外观是否符合您的要求，这是单元测试无法确定的。相反，您需要查看生成的输出-一个可能最好归类为系统测试的测试。

我看不出您的建议有问题。我看不出您的建议有问题。可以解构

ggplot

s的属性，看看它们是否具有正确的层等（使用

ggplot\u build（）

，请参阅），因此，可以进行更精确的这种性质的测试，但需要更多的编码来设置。在我的例子中，只知道它们产生不同的结果对我来说已经足够好了（这是我的私人软件包，不是很多$$$依赖于结果的东西）。我明白了-那么，如果性能对你来说也不是问题，我会说你的方法很好。如果性能在某个时间点成为一个问题，那么您可能会考虑为每个图创建一些散列值，而不是对这些图进行成对比较，比较散列。可以解构<代码> ggPrP>代码> s，以查看它们是否具有正确的层等（使用<代码> GGOPTTJBug（）< <代码> >，请参阅）因此，可以进行更精确的这种性质的测试，但需要更多的编码来设置。在我的例子中，只知道它们产生不同的结果对我来说已经足够好了（这是我的私人软件包，不是很多$$$依赖于结果的东西）。我明白了-那么，如果性能对你来说也不是问题，我会说你的方法很好。如果性能在某个时间点成为一个问题，那么您可能会考虑为每个图创建一些散列值，而不是成对比较的曲线图，比较散列。