python - allpairspy 的使用demo

在编写测试用例时,若设计几十种或上百种筛选条件让你进行测试,并告知某几种特定筛选条件肯定有问题,需要找出。你的测试思路是什么呢?

最暴力的就是全部罗列出,并逐一测试;

最省事的就是随意找几个,碰运气。

为了解决上面出现的问题,python中allpairspy库就脱险而出了,不多说,直接进入demo

from allpairspy import AllPairs

parameters = [
    ["男11", "女"],
    ["一年级", "二年级", "三年级", "四年级", "五年级"],
    ["3岁以下", "4-10岁", "10-13岁"],
    ["北京", "天津", "上海", "广州22"]
]

for i, pairs in enumerate(AllPairs(parameters)):
    print("用例编号{:2d}: {}".format(i, pairs))

 

为使demo更有带入感,我将性别男,广州地区改为了“男11”,“广州22”

这两个在上面截图中返回,红框的两条数据,也符合了开头提到的“特定筛选条件肯定有问题”,如此可见,本方法在设计用例或罗列一些条件时是可以使用的。

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python-PCL 是一个用于处理点云数据的 Python 绑定库。PCL(Point Cloud Library)是一个功能强大的开源点云处理库,提供了许多用于点云数据处理和分析的算法和工具。Python-PCL 将 PCL 的功能和性能与 Python 的简洁和易用性相结合,使得在 Python 中处理点云数据变得更加方便和高效。 首先,我们需要安装 Python-PCL 库。可以使用以下命令在 Python 环境中安装它: ``` pip install python-pcl ``` 安装完成后,我们可以导入 Python-PCL 库并开始使用它。在导入库之前,我们需要先导入点云数据。可以通过多种方式导入点云数据,比如从本地文件读取、从传感器获取等。一旦导入了点云数据,我们就可以使用 Python-PCL 库中提供的各种点云处理算法对数据进行处理。 Python-PCL 提供了多种点云处理功能,比如滤波、聚类、特征提取等。可以根据具体的需求选择合适的算法来处理点云数据。例如,可以使用滤波算法对点云数据进行降噪操作,使用聚类算法将点云数据划分为不同的物体,使用特征提取算法提取点云数据的特征等。 使用 Python-PCL 时,还可以使用其他 Python 数据处理和可视化库来增强功能。比如可以使用 NumPy 来对点云数据进行数组操作,使用 Matplotlib 来进行可视化展示等。 总而言之,Python-PCL 可以帮助我们方便地处理和分析点云数据,提供了许多强大的算法和工具。它的简洁易用性和与其他 Python 库的兼容性使得在 Python 中处理点云数据变得更加容易和高效。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值