如何使用Pytest测试生成随机样本的函数？

Question

假设我在使用 pytest 的 test_func.py 脚本中使用 np.random.normal() 生成一些输入 numpy 数组数据。

现在我想调用我正在测试的 func.py 函数。我怎样才能获得可测试的结果？如果我在 test_func.py 脚本中设置种子，它不会对应于 func.py 函数中生成的随机数据，对吗？

我希望能够在 test_func.py 中创建一些参考数据，然后测试 func.py 脚本中生成的随机性是否与我创建的参考数据相当（因此，测试 func.py 函数的随机性和功能） 。

谢谢你！

编辑：这是一些示例代码来描述我的过程：

# func.py
import numpy as np
# I send in a numpy array signal, generate noise, and append noise to signal
def generate_random_noise(signal):
    noise = np.random.normal(0, 5, signal.shape)
    signal_w_noise = signal + noise
    return signal_w_noise


# test_func.py
import pytest
import numpy as np
import func
def test_generate_random_noise():
    # create reference signal
    # ...
    np.random.seed(5)
    reference_noise = np.random.normal(0, 5, ref_signal.shape)
    ref_signal_w_noise = ref_signal + reference_noise

    # assert manually created signal and noise and 
    assert all(np.array_equal(x, y) for x, y in zip(generate_random_noise(reference_signal), ref_signal_w_noise))

Answer 1

当使用随机的东西时，你可以有两种测试方法：

• 使用已知种子来确保函数根据随机分布按预期执行：使用已知种子，您可以将函数行为与预先已知的行为进行比较。
• 根据随机分布验证函数的统计行为。在这里，您需要对函数“结果”的预期分布进行一些数学计算，并使用一些统计指标作为成功/失败标准，例如，测试函数与其预期目标相匹配的平均值、偏差等。这可以使用非冻结种子来完成，但需要收集许多函数调用以获得足够的数据来进行有意义的统计。