Hypothesis-networkx

此模块提供了一种用于生成networkx图的假设策略。这可以用来有效地彻底测试您的代码。

安装

可以通过pip安装此模块

pip install hypothesis-networkx

用户指南

该模块公开了一个函数：graph_builder。此函数是构建图的假设复合策略。您可以按以下方式使用它

from hypothesis_networkx import graph_builder
from hypothesis import strategies as st
import networkx as nx

node_data = st.fixed_dictionaries({'name': st.text(),
                                   'number': st.integers()})
edge_data = st.fixed_dictionaries({'weight': st.floats(allow_nan=False,
                                                       allow_infinity=False)})


builder = graph_builder(graph_type=nx.Graph,
                        node_keys=st.integers(),
                        node_data=node_data,
                        edge_data=edge_data,
                        min_nodes=2, max_nodes=10,
                        min_edges=1, max_edges=None,
                        self_loops=False,
                        connected=True)

graph = builder.example()
print(graph.nodes(data=True))
print(graph.edges(data=True))

当然，这个构建器是一个有效的假设策略，仅用它来生成示例并不特别有用。相反，您应该（并且应该）在您的测试框架中使用它

from hypothesis import given

@given(graph=builder)
def test_my_function(graph):
    assert my_function(graph) == known_function(graph)

传递给graph_builder的参数的含义相当直观，但它们必须作为关键字参数提供。

• node_data：节点属性将从中提取的策略。
• edge_data：边属性将从中提取的策略。
• node_keys：节点键将从中提取的策略，或None。如果是None，则节点键将是范围（0，节点数）的整数。
• min_nodes和max_nodes：生成的图将包含的最小和最大节点数。
• min_edges 和 max_edges：生成的图将包含的最少和最多边数。注意，如果节点不足，边数可能少于 min_edges，如果 connected 为 True，则可能多于 max_edges。
• graph_type：此函数（或类）将在不带参数的情况下被调用，以创建一个空的初始图。
• connected：如果为 True，则生成的图将保证是单个连通分量。
• self_loops：如果为 False，则在生成的图中将不会有自环。自环是节点与其自身之间的边。

已知限制

此模块有几个（较小的）未解决的问题

• 对于大型图，图生成可能较慢。
• 当生成的图太小而不被尊重时，min_edges 参数不一定被尊重。
• 如果 connected 为 True，则不一定尊重 max_edges 参数。
• 目前它适用于 Python 2.7，但已被视为过时，可能不会通知而停止工作。

另请参阅

Networkx

Hypothesis