Unit-Tests für eine Datenpipeline

ETL und ELT in Python

Jake Roach

Data Engineer

Eine Datenpipeline mit Unit-Tests validieren

Unit-Tests:

Häufig in Software-Workflows genutzt
Stellen sicher, dass Code wie erwartet läuft
Helfen, Daten zu validieren

Typischer Validierungsrahmen für Datenpipelines mit Unit- und End-to-End-Tests.

pytest für Unit-Tests

from pipeline import extract, transform, load

# Erstelle einen Unit-Test, der den Typ von clean_stock_data prüft
def test_transformed_data():
    raw_stock_data = extract("raw_stock_data.csv")
    clean_stock_data = transform(raw_data)
    assert isinstance(clean_stock_data, pd.DataFrame)

> python -m pytest

test_transformed_data .                                                     [100%]
================================ 1 passed in 1.17s ===============================

assert und isinstance

pipeline_type = "ETL"

# Prüfe, ob pipeline_type eine Instanz von str ist
isinstance(pipeline_type, str)

True

# Stelle sicher, dass die Pipeline tatsächlich "ETL" ist
assert pipeline_type == "ETL"

# Kombiniere assert und isinstance
assert isinstance(pipeline_type, str)

AssertionError

pipeline_type = "ETL"

# Erzeuge einen AssertionError
assert isinstance(pipeline_type, float)

Traceback (most recent call last):
  File "<stdin>", line 4, in <module>
AssertionError

Pipeline-Komponenten mit Fixtures mocken

import pytest

@pytest.fixture()
def clean_data():
    raw_stock_data = extract("raw_stock_data.csv")
    clean_stock_data = transform(raw_data)
    return clean_stock_data

def test_transformed_data(clean_data):
    assert isinstance(clean_data, pd.DataFrame)

Unit-Tests für DataFrames

def test_transformed_data(clean_data):
    # Füge hier weitere Assert-Anweisungen ein
    ...

    # Spaltenanzahl prüfen
    assert len(clean_data.columns) == 4

    # Untere Grenze einer Spalte prüfen
    assert clean_data["open"].min() >= 0

    # Wertebereich einer Spalte mit "and" verketten
    assert clean_data["open"].min() >= 0 and clean_data["open"].max() <= 1000

Lass uns üben!

ETL und ELT in Python