day04 - unittest模块的简单使用

一、 unittest模块概念Unittest单元测试框架是专门用来进行测试的框架内容test fixture: 代表了用例执行前的准备工作和用例执行之后的清理工作test case: 测试用例,这个相信大家都不陌生。是测试的最小单位,一般检查一组输入的响应(输出)是否符合预期。unittest模块提供了TestCase类来帮助我们创建测试用例;test suite: 经...
摘要由CSDN通过智能技术生成

一、 unittest模块

  • 概念
    Unittest单元测试框架是专门用来进行测试的框架
  • 内容
  1. test fixture: 代表了用例执行前的准备工作和用例执行之后的清理工作
  2. test case: 测试用例,这个相信大家都不陌生。是测试的最小单位,一般检查一组输入的响应(输出)是否符合预期。unittest模块提供了TestCase类来帮助我们创建测试用例;
  3. test suite: 经常被翻译成”测试套件”,也有人称为”测试套”,是测试用例或测试套件的集合,一般用来把需要一起执行的用例组合到一起;
  4. test runner: 用来执行测试用例并输出测试结果的组件。可以是图形界面或命令行界面;
# 使用测试用例类(TestCase)
import unittest
# 继承unitest中的TestCase类
# test1继承了TestCase,test1是TestCase的子类
class Test(unittest.TestCase):
    def test_001(self):
        print('001')
    def test_002(self):
        print('002')
    def test_003(self):
        print('003')
if __name__ == '__main__':
    unittest.main()

运行结果

...
001
002
----------------------------------------------------------------------
003
Ran 3 tests in 0.001s

OK

#使用TestCase类中的setUp方法和tearDown方法------test fixture
import unittest
# 继承unitest中的TestCase类
class Test(unittest.TestCase):
    def setUp(self):
        print('hello')
    def tearDown(self):
        print('bye')
    def test_001(self):
        print('001')
    def test_002(self):
        print('002')
    def test_003(self):
        print('003')
if __name__ == '__main__':
    unittest.main()

运行结果

hello
...
001
----------------------------------------------------------------------
bye
Ran 3 tests in 0.000s
hello

002
OK
bye
hello
003
bye

  • unittest.main()运行时,框架自动寻找TestCase子类(自己创建的测试类,Test),并且运行
  • 在TestCase类中,只把以test开头的方法(函数)运行
  • setUp用于初始化一些参数,在测试用例执行前被自动调用,testDown用于清理,在测试用例结束后被自动调用。

二、unittest基本用法

  • 通过继承unittest.TestCase进行编写,继承unittest.TestCase的类会被框架识别为测试用例。
  • setUp和TearDown是用于事前和事后做相关处理动作的,就是前面说的Test Fixture,会在每个测试用例运行前后被框架自动调用
  • 所有以test开头的方法会被框架自动识别为测试用例,并自动调用执行,不是以test开头的不会被调用
  • unittest.main()是最简单的测试执行方式
  • 调用unittest.main()方法后,继承自unittest.TestCase类的类会被自动识别为测试用例并且被调用。
# 使用测试套件testsuit运行测试用例
import unittest
# 继承unitest中的TestCase类
# test1是TestCase的子类
class Test1(unittest.TestCase):
    def setUp(self):
        print('hello')
    def tearDown(self):
        print('bye')
    def test_001(self):
        print('001')
    def test_002(self):
        print('002')
    def test_003(self):
        print('003')
if __name__ == '__main__':
	 # 按照测试套件运行
	 # 创建测试套件对象
	suit = unittest.TestSuite()
	# 创建测试用例列表
	case_list = [Test1('test_001'),Test('test_002'),Test('test_003')]
	# 将测试用例列表添加到测试套件中
 	suit.addTest(case_list)
	# 运行测试套件方式,不生成测试报告
	unittest.TextTestRunner().run(suit)

运行结果

hello
test_001 (__main__.Test1) ... ok
001
bye
test_002 (__main__.Test1) ... ok
hello
test_003 (__main__.Test1) ... ok
002

bye
hello
----------------------------------------------------------------------
003
bye
Ran 3 tests in 0.001s

OK

四、生成测试报告

  • unittest模块生成txt报告

    with open('测试报告名.txt', 'a') as f:
     runner = unittest.TextTestRunner(stream=f, verbosity=2)
     runner.run(套件实例名)
     #verbosity = 2为每个测试用例输出测试报告
    
  • HTMLTestRunner模块生成html报告

     with open('HTMLReport.html', 'wb') as f:
     	 runner = HTMLTestRunner(stream=f,
     	 title = 'MathFunc Test Report',
    		description='generated by HTMLTestRunner.',
    		verbosity=2
    )
     	runner.run(套件实例名)
    
import unittest
from HTMLTestRunner import HTMLTestRunner
# 继承unitest中的TestCase类
# Test1是TestCase的子类
class Test1(unittest.TestCase):
    def setUp(self):
        print('hello')
    def tearDown(self):
        print('bye')
    def test_001(self):
        print('001')
    def test_002(self):
        print('002')
    def test_003(self):
        print('003')
if __name__ == '__main__':
 # 按照测试套件运行
 # 创建测试套件
    suit = unittest.TestSuite()
# 创建测试用例列表
    case_list = [Test1('test_001'),Test1('test_002'),Test1('test_003')]
# 添加测试用例列表
    suit.addTests(case_list)
# 运行测试套件并生成报告
#  第一种,使用unittest模块生成txt报告
    with open('UnittestTextReport.txt', 'a') as f:
         runner = unittest.TextTestRunner(stream=f, verbosity=2)
         runner.run(suit)
#  第二种,使用HTMLTestRunner模块生成html报告  
 	with open('HTMLReport.html', 'wb') as f:
    	runner = HTMLTestRunner(stream=f,
       title = 'Test Report',
       description='generated by HTMLTestRunner.',
       verbosity=2
       )
 		runner.run(suite)   

TXT格式报告
在这里插入图片描述

HTML格式报告
在这里插入图片描述

三、unittest断言

  • 说明
    断言是测试用例的核心。我们使用assertEqual()来判断预期结果,用assertTrue()和assertFalse来做是非判断。(判断实际结果与预期结果是否相等)
# 使用assertequal断言
import unittest
# 继承unitest中的TestCase类
# Test1是TestCase的子类
class Test1(unittest.TestCase):
    def setUp(self):
        print('start')
    def tearDown(self):
        print('end')
    def test_001(self):
 #判断第一个参数和第二个参数是否相等
        self.assertEqual(1,1)
    def test_002(self):
        self.assertEqual(1, 2)

if __name__ == '__main__':
    unittest.main()

运行结果

start
.F
end
start
======================================================================
end
FAIL: test_002 (__main__.Test1)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "D:/lianxi/01.py", line 14, in test_002
    self.assertEqual(1, 2)
AssertionError: 1 != 2

----------------------------------------------------------------------
Ran 2 tests in 0.002s

FAILED (failures=1)

Process finished with exit code 1

四、unittest命令行接口

python -m unittest test.Tese1(测试类名称)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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