假设检验：如何从另一个策略中获取 sample_from 值？

Question

我必须用示例数据测试一些功能：

data = [
    [[10, 20, 30], 10],
    [[20, 30], 20],
    [[40], 30],
]

其中每行的第一个元素列表包含 N=(1 到 5) 个随机整数元素，生成方式为：

st.lists(
          st.integers(min_value=10),
          min_size=2,
          max_size=5,
          unique=True)

每行中的第二个元素包含来自所有生成列表的一组所有唯一整数的随机样本。

所以对于我的 data 示例：

列表包含来自唯一集合 (10,20,30,40) 的值；
每行中的第二个元素包含来自该集合的随机整数样本；

如何使用假设检验框架实施此类策略？

这个不行：

int_list = st.integers(min_value=10)

@given(st.lists(
    elements=st.tuples(
        int_list, 
        st.sampled_from(int_list))

Answer 1

查看 the docs on adapting strategies - 您可以使用 .flatmap(...) 执行此操作，但使用 @composite 定义自定义策略可能更简单。

# With flatmap
elem_strat = lists(
    integers(), min_size=2, max_size=5, unique=True
).flatmap(
    lambda xs: tuples(just(xs), sampled_from(xs)).map(list)
)

# With @composite
@composite
def elem_strat_func(draw):
    xs = draw(lists(
        integers(), min_size=2, max_size=5, unique=True
    )
    an_int = draw(sampled_from(xs))
    return [xs, an_int]
elem_strat = elem_strat_func()

# then use either as
@given(lists(elem_strat))
def test_something(xs): ...

假设检验：如何从另一个策略中获取 sample_from 值？

Hypothesis tests: how to sample_from values from another strategy?

python

python-hypothesis