问题标签 [test-data]

我在功能模块/BAPI 中有一个表类型的导入参数，它只有一个字段（材料编号）。我想在该参数中输入数百行并将其保存为测试数据。

如果我按照正常程序，我必须创建新行并输入/粘贴材料。并且必须对每种材料重复此操作，因为无法将批量数据粘贴到其中！

谁能知道为导入/表参数输入和保存批量数据的最佳方法是什么？

是否有支持以下场景的 Java 测试库？

假设，您必须为基于数据库的 Web 应用程序（例如使用 Selenium）编写 Web 浏览器测试。典型的测试将具有以下工作流程：

• 将测试数据插入数据库
• 运行测试逻辑（打开 Web 浏览器，浏览某处，操作某事，验证是否显示正确的内容，验证数据库状态是否正确更改）
• 清除数据库

特别是在这种集成测试的情况下，您通常需要一组复杂的不同对象来运行 Web 应用程序（例如，您需要一个用户帐户、与业务相关的东西，如产品、订单等）。为了保持测试相互独立并能够并行运行测试，您希望为每个测试创建此对象网络，可能具有伪随机对象属性，例如user.name="user_123".

现在，在我看来，为每个测试重复做一些事情的好地方是@Before-annotated 方法。但是，如果该@Before方法插入了一个 DB 状态，则测试方法将不知道如何访问该状态，例如如何找到该@Before方法创建的用户对象。最好有一种测试方法上下文，它由@Before方法设置并且可以被测试方法使用。

我考虑过自己实现类似的东西，也许是一个简单的静态哈希图，以测试方法名称为键，但可能已经有一个提供此功能的库并且您知道它;-)。

使用 git 我管理一个 python 脚本（script.py）和一组测试的更改，这个测试使用一些文本输入数据文件，具有这个目录结构

但是，一些输入数据文件开始变得非常大（> 1MB）。

使用 git，哪个是管理测试输入数据的好方法？

...也许允许在线存储，但是，如何保存和检查输入数据文件的更改？（建议？）

...或者可能使用一个库setuptools来检查输入数据是否不存在测试并下载它，但是，如何保存和检查输入数据文件的更改？

编辑

现在我将数据测试备份到一个压缩文件中，并在云盘（dropbox、google drive等）中使用相应的提交名称，在提交后挂钩中添加一行

（我更喜欢 7z 而不是 zip，因为我得到的压缩文件更小）

$CLOUD_DISK变量定义在.bashrc.

编辑 2

我开始以更完整的方式解决我的问题。

https://github.com/juanpabloaj/gitdata

我正在使用Mockaroo和 Excel 创建和编辑一些 CSV 文件，这些文件将作为测试数据插入 MySQL 数据库。我有一个以student_takes_module列module_ID和student_ID.

有 10000 个学生证和 500 个模块。该系统的规范要求每个模块有 1 到 400 名学生注册（因此student_takes_module）。

有没有办法可以配对随机student_ID和module_ID值以符合这个规范？

我有一个相对较大的 web api 应用程序，即它目前有大约 300 个表。

该应用程序的编写方式不使用任何存储过程并且几乎没有视图，即业务逻辑都在应用程序代码中。它使用存储库模式，因此为我们的单元测试创​​建模拟数据相对容易。

然而，管理模拟数据非常困难，任何给定的个人都很难深入了解已经存在的数据。我们尝试将测试数据移动到模拟工厂，以便将其存储在单个文件中，然后根据需要加载各种测试（即给定测试只需要数据的某个子集，因此它只会要求该子集）。

尽管如此，数据的管理还是相当复杂的，断言从应用程序返回的数据也很脆弱。例如，假设在我们的模拟数据中定义了 10 个客户，其中 2 个被标记为不活跃。我们可能有一个测试用例，它测试应该返回所有活动客户的方法应该返回 8 个实例。但是，如果开发人员必须向我们的测试数据添加一个新实例，这将破坏现有的测试/断言。

有没有人有管理这方面的经验，或者有没有关于这方面的文章？

我希望 AutoFixture 使用示例对象创建对象列表。

我想要的约定：

• 创建具有最大值的字符串。提供的字符串长度的长度（本例中为 4）
• 创建最大值的整数。计算的位数等于提供的位数
• 小数点为 14.99 创建类似的小数点，如 93.12
• 等等

所以我希望 AutoFixture 从我给定的示例对象中学习。

这可能吗 ：）？

在下面的课程中，我试图在工资系统中打印员工的详细信息。请注意，Porter、Pharmacist 和 Surgeon 都继承自 Employee。

然而，它只是重复打印添加到数组中的第一个员工的详细信息。我知道预期的输出，但我无法重现它。

班级：

电流输出：

请注意，预期的输出应该是打印每个测试数据成员的详细信息，即每个药剂师、外科医生等......

我将这样的 LIBSVM 格式的数据输入到 SciPy 稀疏矩阵中。训练集是多标签和多类的，如我问的这个问题中所述： Understanding format of data in scikit-learn

然后我使用OneVsRestClassifierwithLinearSVC来训练数据。

现在，当我想测试数据时，我执行以下操作。

在这里它给了我错误。我原样在这里转储回溯。

回溯（最近一次通话最后）：

文件“test.py”，第 36 行，在

预测 = clf.predict(X_)

文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第 151 行，在预测中

返回 predict_ovr(self.estimators_, self.label_binarizer_, X)

文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第 67 行，在 predict_ovr

Y = np.array([_predict_binary(e, X) for e in estimators])

_predict_binary 中的文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第 40 行

返回 np.ravel(estimator.decision_function(X))

文件“/usr/lib/pymodules/python2.7/sklearn/svm/base.py”，第 728 行，在决策函数中

self._check_n_features(X)

_check_n_features 中的文件“/usr/lib/pymodules/python2.7/sklearn/svm/base.py”，第 748 行

X.shape[1]))

ValueError: X.shape[1] 应该是 3421，而不是 690。

我不明白为什么当输入格式是稀疏矩阵时它会寻找更多特征？我怎样才能让它正确预测测试标签？

我正在研究机器学习，并以 LDA 为起点。我正在关注 MatLab 自己的 LDA 分类教程（这里）。

他们使用的是已经在 Matlab 中可用并且可以简单地加载的 fisheriris 数据集。在教程中，他们使用这一行进行分类：

我知道：

分类根据训练数据和标签（第二个和第三个参数）训练分类器，并将分类器应用于测试数据（第一个参数），ldaClass 根据已训练的分类器给出为测试数据点选择的类使用训练数据点和标签

那么提供给分类器进行训练的相同数据是否也用于测试？

我对监督学习的理解是，一旦使用训练集对系统进行训练，就应该使用未知样本对其进行测试以测试其预测。如果从训练集中给它一个测试样本，那么它应该能够正确分类它。正确的？

那怎么进来classify当相同的样本用于训练和测试时，它会错误分类 20% 的标签，这是怎么回事呢？

要么 LDA 是一个非常差的分类器，要么我不完全理解这里的概念。请帮帮我。

我正在编写测试添加帐户功能的测试用例。这意味着我需要为帐户生成数据：姓名、电子邮件、参考号和订单号。我在想，对于这些字段中的每一个，我可以只生成一个带有前缀的随机单词或数字，以便我可以使用脚本定期从数据库中删除这些条目。

问题是，我不确定如何添加前缀或者实际上只是使用大多数faker 的关键字。

在我使用 md5 关键字创建一个可以用于我的测试用例的每个实例的字符串的那一刻，我通过在我的资源文件中创建一个变量来做到这一点：

然后，每当我想写我的前缀时，我都会调用这个变量（我在各个字段的末尾调用它，例如电子邮件：email+${md5}@gmail.com，参考：test ${md5} 等

我不确定在 Robot Framework 中使用 faker 的实际文档在哪里，我正在使用http://fake-factory.readthedocs.org/en来查找我想要使用的提供程序，然后努力让它们工作从射频内部。

任何人都可以帮助我使 random_int() 正常工作，或者将我指向RF 中所有伪造者提供者的相关文档。

提前致谢。