python自動生成測試數據

2021-02-19 凡貓軟體測試

faker.am_pm()

# 'AM'

faker.century()

# 'X'

faker.date(pattern="%Y-%m-%d", end_datetime=None)

# '1997-06-16'

faker.date_between(start_date="-30y", end_date="today")

# datetime.date(2000, 8, 30)

faker.date_between_dates(date_start=None, date_end=None)

# datetime.date(2019, 7, 30)

faker.date_object(end_datetime=None)

# datetime.date(1978, 3, 12)

faker.date_of_birth(tzinfo=None, minimum_age=0, maximum_age=115)

# datetime.date(2012, 6, 3)

faker.date_this_century(before_today=True, after_today=False)

# datetime.date(2011, 6, 12)

faker.date_this_decade(before_today=True, after_today=False)

# datetime.date(2011, 8, 22)

faker.date_this_month(before_today=True, after_today=False)

# datetime.date(2019, 7, 25)

faker.date_this_year(before_today=True, after_today=False)

# datetime.date(2019, 7, 22)

faker.date_time(tzinfo=None, end_datetime=None)

# datetime.datetime(2018, 8, 11, 22, 3, 34)

faker.date_time_ad(tzinfo=None, end_datetime=None, start_datetime=None)

# datetime.datetime(1566, 8, 26, 16, 25, 30)

faker.date_time_between(start_date="-30y", end_date="now", tzinfo=None)

# datetime.datetime(2015, 1, 31, 4, 14, 10)

faker.date_time_between_dates(datetime_start=None, datetime_end=None, tzinfo=None)

# datetime.datetime(2019, 7, 30, 17, 51, 44)

faker.date_time_this_century(before_now=True, after_now=False, tzinfo=None)

# datetime.datetime(2002, 9, 25, 23, 59, 49)

faker.date_time_this_decade(before_now=True, after_now=False, tzinfo=None)

# datetime.datetime(2010, 5, 25, 20, 20, 52)

faker.date_time_this_month(before_now=True, after_now=False, tzinfo=None)

# datetime.datetime(2019, 7, 19, 18, 4, 6)

faker.date_time_this_year(before_now=True, after_now=False, tzinfo=None)

# datetime.datetime(2019, 3, 15, 11, 4, 18)

faker.day_of_month()

# '04'

faker.day_of_week()

# 'Monday'

faker.future_date(end_date="+30d", tzinfo=None)

# datetime.date(2019, 8, 12)

faker.future_datetime(end_date="+30d", tzinfo=None)

# datetime.datetime(2019, 8, 24, 2, 59, 4)

faker.iso8601(tzinfo=None, end_datetime=None)

# '1987-07-01T18:33:56'

faker.month()

# '11'

faker.month_name(

# 'August'

faker.past_date(start_date="-30d", tzinfo=None)

# datetime.date(2019, 7, 25)

faker.past_datetime(start_date="-30d", tzinfo=None)

# datetime.datetime(2019, 7, 18, 22, 46, 51)

faker.time(pattern="%H:%M:%S", end_datetime=None)

# '16:22:30'

faker.time_delta(end_datetime=None)

# datetime.timedelta(0)

faker.time_object(end_datetime=None)

# datetime.time(22, 12, 15)

faker.time_series(start_date="-30d", end_date="now", precision=None, distrib=None, tzinfo=None)

# <generator object Provider.time_series at 0x7fcbce0604f8>

faker.timezone()

# 'Indian/Comoro'

faker.unix_time(end_datetime=None, start_datetime=None)

# 1182857626

faker.year()

# '1970'

相關焦點

  • 自動生成pandas代碼,python數據處理神器
    今天我要說的不是怎麼寫代碼，而是介紹一款我親手打造的小工具，它作為探索數據的工具，你不僅不需要寫任何的代碼，它最終還會自動生成pandas代碼。python 上其實有一些庫或者工具，是基於pandas做的界面操作，而我的工具有兩大特性可以秒殺他們。現在來簡單看看所見即所得，人工操作轉代碼這個工具的核心功能，就是自動生成代碼！！
  • 基於Faker生成中文測試數據實例
    上一篇 基於Python生成中文測試數據 講解了如何使用python代碼自己實現中文測試數據的生成，這篇我們分享如何基於Faker
  • 7k Star 的 Python 測試框架入門指南
    slow是一個內置標記，可用於標記慢速測試。同時skip是一個特殊的標記：pytest將自動跳過這個測試用例。我們可以利用Python庫的Faker和mimesis來生成常見的測試數據類型，例如名字，職位，地址等。
  • 利用Python自動生成小學生加減乘除口算考試題卷!無所不能!
    所以我們當家長的，要提前準備一下，就利用Python開發了一套自動生成小學生口算題的小應用。此項目的源碼可供下載：【 原始碼：使用Python開發自動生成口算題應用 】為了讓程序猿解放抄題的雙手，讓你擁有更多的時間去寫代碼而不用去手寫幾道口算題而傷神傷腦。
  • 在Python中生成隨機數據(指南)
    每當你在Python中生成隨機數據，字符串或數字時，至少應該粗略地了解數據是如何生成的。本篇教程，將會向您介紹用於在Python中生成隨機數據的幾個不同的方法，然後從安全級別，通用性，目的和速度等方面進行比較。我保證本教程不會變成一堂數學課或是密碼學課，因為一開始我就沒有足夠的數學知識進行講授。您僅僅會了解到必要的數學知識，僅此而已。
  • 教程 | 如何在Python中用scikit-learn生成測試數據集
    數據集中的數據有完整的定義（例如線性或非線性）使你可以探索特定的算法行為。scikit-learn Python 庫提供一套函數，用於從可配置測試問題中生成樣本來進行回歸和分類。在本教程中，你將學習測試問題及如何在 Python 中使用 scikit-learn 進行測試。
  • 數據統計可視化——python生成詞雲
    如何統計文章詞頻，從而更快了解一篇文章所獲得的中文詞頻統計數據進行詞雲可視化展示，更加清晰的看到文章關鍵詞的權重詞雲庫WordCloudwordcloud庫，可以說是python非常優秀的詞雲展示第三方庫。詞雲以詞語為基本單位更加直觀和藝術的展示文本而且使用簡單，內容豐富，先看看它生成的詞雲是什麼樣的。
  • python定時獲取天氣數據並自動發送到郵箱
    自動發送郵件，python幾行代碼來搞定！我們說到如何用python來實現自動發送郵件。這篇文章我們就來談談如何獲取天氣數據，並定時將天氣數據發送到指定的郵箱中？它在python內置模塊的基礎上進行了高度的封裝，從而使得python進行網絡請求時，變得人性化，使用Requests可以輕而易舉地完成瀏覽器可有的任何操作。使用它最重要的一個方法就是get方法，它能獲取到所請求頁面的html信息。
  • 一種用Python生成詞雲
    一種用Python生成詞雲我們在閱讀一篇很長的文章時，總先看看文章的關鍵詞來獲知文章的大概內容。今天我們就來製作一個詞雲程序，將文章中出現次數較多的詞語提取出來，生成一張詞雲圖。在pycharm中新建一個python文件。首先調用jieba 和worldcloud模塊。
  • 基於Python 的自動文本提取:抽象法和生成法的比較
    模型參數對於Gensim 的TextRank（Gensim一個python NLP庫，TextRank是python的文本處理工具，<span arial",sans-serif;color:red
  • 一個模版讓報表自動生成,領導:這才是數據分析人該幹的事
    Excel半自動化報表簡單而機械的任務不適合人工手動完成但卻很適合機器自動完成，即便你目前除了Excel外一無所有，至少也可以通過搭建半自動Excel模板的方式將所有的查數據需求整合成一張數據報表，這種報表僅需要通過複製粘貼的方式將數據源輸入模板，之後的數據處理和展現都能自動完成。
  • Python功能不夠多?來看看如何生成測試數據集吧!
    測試數據集是小型的專用數據集，它可以讓你測試一個機器學習算法或測試工具。數據集中的數據有完整的定義（例如線性或非線性）使你可以探索特定的算法行為。測試數據集是小型設計問題，它能讓你測試、調試算法和測試工具。它們對於更好地理解算法響應超參數變化的行為方面也很有用。下面是測試數據集的一些理想特性：它們可以快速、容易地生成。
  • 測試 | 如何用 Python 測試 Android 應用
    其底層基於Google uiautomator，Google提供的uiautomator庫可以獲取屏幕上任意一個APP的任意一個控制項屬性，並對其進行任意操作，但有兩個缺點：1、測試腳本只能使用Java語言。2、測試腳本必須每次被上傳到設備上運行。 我們希望測試能夠用一個更腳本化的語言，例如Python編寫，同時可以每次所見即所得地修改測試、運行測試。
  • Sysbench測試神器:一條命令生成百萬級測試數據
    基準測試與壓力測試區別很多時候，基準測試和壓力測試在實際使用的過程中，很容易被弄混淆。基準測試可以理解為針對系統的一種壓力測試。但基準測試不關心業務邏輯，更加簡單、直接、易於測試，數據可以由工具生成，不要求真實；而壓力測試一般考慮業務邏輯(如購物車業務)，要求真實的數據。4.
  • 數據可視化 | 用Python生成個性化詞雲
    接下來將介紹如何使用python生成個性化詞雲。最關鍵的使用WordCloud模塊，要使用WordCloud模塊，需要先進行安裝。首先導入必要的包和數據集。Imagefrom wordcloud import WordCloud, STOPWORDS, ImageColorGeneratorimport matplotlib.pyplot as plt%matplotlib inlinedf = pd.read_csv("winemag-data-130k-v2.csv", index_col=0)如下圖，該數據集描述了不同國家的葡萄酒以及其他一些信息
  • Python Sphinx 生成簡潔大方的文檔
    Sphinx 是一種工具，是一個有趣 python 的第三方庫，它允許程式設計師以純文本格式編寫文檔，Spninx 可以輕鬆生成各種格式的輸出，比如 html，pfd，等等。sphinx-quickstart 命令執行完成之後，下面全都是自動生成的文件：root@ubuntu:~/qiya/python-tools
  • 用於全棧自動化測試的最佳Python工具!
    假設基於屬性的測試你可以在一定的範圍內測試整數假設我們會自動為你處理各種變化。因此，它有助於在您的代碼中找到您可能想不到要查找的邊緣情況。　　對於非基於瀏覽器的功能自動化，請嘗試使用pywinauto。　　pywinauto是一組Python模塊，可以用來自動化Microsoft窗口gui。　　您可以使用它來發送鍵盤和滑鼠動作到Windows對話框和控制項。
  • python操作excel:批量生成超連結
    excel設置超連結的函數是HYPERLINK，這裡用python批量生成超連結的思想其實很簡單，就是將公式寫入excel就行。
  • Python數據驅動深入實踐(一)
    在做自動化測試特別是接口測試的過程中，我們經常碰到這樣的例子，幾個用例步驟，操作完全一樣，僅僅是數據和結果不一樣。常規的做法是每套數據寫一個測試用例。這樣弊端也非常明顯，一聲假如這部分用例操作需要改變，那麼用例要一個個修，二就是代碼很不整潔。那麼有什麼好的辦法沒？今天我們來了解下自動化測試裡的數據驅動。顧名思義，數據驅動的存在就是為了解決上述問題。
  • Python數據類型
    , 這種情況下使用今天介紹的數據類型更為快捷., 你可以通過提取生成代碼來查看(call with verbose=True)., 這個的繼承並不是真的繼承, 這個NamedTuple是一個工廠類方法繼承之後的類被在創建時會通過其生成實例, 可以自動生成__init__方法即下方的Coordinate3的實例類型並不是NamedTuple的子類"""from typing import NamedTupleclassCoordinate2(NamedTuple): """
  • Python爬取中國各省疫情確診人員數據生成可視化中國地圖界面
    大家好，接下來我們用python爬蟲技術爬取中國各省疫情確診人員數據，得到數據後自動生成中國地圖可視化界面。可視化界面運用pyecharts模塊、selenium中的webdriver第一：首先分析要爬取的網頁(百家號不可粘貼具體地址，見圖吧)爬取思路：通過分析網頁的原始碼，發現此網頁是動態生成的數據，所以這裡用webdriver來自動化地取動態網頁數據，獲取真正的網頁原始碼。然後通過正則來取我們需要的數據，即中國各省確診人數和省的名稱。