使用 pytest 和假设进行异常处理和测试

Question

我正在编写带有假设的统计分析测试。ZeroDivisionError当传递非常稀疏的数据时，假设导致我在代码中出现 a 。所以我调整了我的代码来处理异常；就我而言，这意味着记录原因并重​​新引发异常。

try:
    val = calc(data)
except ZeroDivisionError:
    logger.error(f"check data: {data}, too sparse")
    raise

我需要通过调用堆栈向上传递异常，因为顶级调用者需要知道存在异常，以便它可以将错误代码传递给外部调用者（REST API 请求）。

编辑：我也无法为val;分配合理的值 本质上我需要一个直方图，当我根据数据计算合理的箱宽度时会发生这种情况。显然，当数据稀疏时，这会失败。如果没有直方图，算法就无法继续进行。

现在我的问题是，在我的测试中，当我做这样的事情时：

@given(dataframe)
def test_my_calc(df):
    # code that executes the above code path

hypothesis不断生成触发的失败示例ZeroDivisionError，并且我不知道如何忽略此异常。通常我会用 标记这样的测试pytest.mark.xfail(raises=ZeroDivisionError)，但在这里我不能这样做，因为相同的测试可以通过良好的输入。

像这样的东西是理想的：

1. 但是，对大多数输入照常继续测试
2. 当ZeroDivisionError引发时，将其视为预期失败而跳过。

我怎样才能做到这一点？我还需要try: ... except: ...在测试主体中放入 a 吗？我需要在 except 块中做什么才能将其标记为预期失败？

编辑：为了解决@hoefling的评论，分离出失败的案例将是理想的解决方案。但不幸的是，hypothesis没有给我足够的句柄来控制它。我最多可以控制生成数据的总数和限制（最小值，最大值）。然而，失败案例的范围非常窄。我没有办法控制这一点。我想这就是假设的要点，也许我根本不应该为此使用假设。

这是我生成数据的方式（稍微简化）：

cities = [f"city{i}" for i in range(4)]
cats = [f"cat{i}" for i in range(4)]


@st.composite
def dataframe(draw):
    data_st = st.floats(min_value=0.01, max_value=50)
    df = []
    for city, cat in product(cities, cats):
        cols = [
            column("city", elements=st.just(city)),
            column("category", elements=st.just(cat)),
            column("metric", elements=data_st, fill=st.nothing()),
        ]
        _df = draw(data_frames(cols, index=range_indexes(min_size=2)))
        # my attempt to control the spread
        assume(np.var(_df["metric"]) >= 0.01)
        df += [_df]
    df = pd.concat(df, axis=0).set_index(["city", "category"])
    return df

Answer 1

from hypothesis import assume, given, strategies as st

@given(...)
def test_stuff(inputs):
    try:
        ...
    except ZeroDivisionError:
        assume(False)

该assume调用将告诉 Hypothesis 该示例“不好”，它应该尝试另一个示例，而不会导致测试失败。.filter(will_not_cause_zero_division)如果你有这样的函数的 话，这相当于调用你的策略。有关详细信息，请参阅文档。