如何针对使用 matplotlib 的代码编写单元测试？

Question

我正在开发一个 python (2.7) 程序，该程序生成许多不同的 matplotlib 图（数据不是随机的）。 我愿意实施一些测试（使用 unittest）以确保生成的数字是正确的。 例如，我将预期的图形（数据或图像）存储在某个位置，然后运行我的函数并将结果与​​参考进行比较。 有没有办法做到这一点 ？

Answer 1

根据我的经验，图像比较测试最终带来的麻烦多于其价值。 如果您想跨多个系统（如 TravisCI）运行持续集成，这些系统可能具有略微不同的字体或可用的绘图后端，则尤其如此。 即使功能完全正常工作，也需要做很多工作来保持测试通过。 此外，以这种方式进行测试需要将图像保存在您的 git 存储库中，如果您经常更改代码，这会很快导致存储库膨胀。

在我看来，更好的方法是 (1) 假设 matplotlib 将实际正确绘制图形，并且 (2) 对绘图函数返回的数据运行数值测试。 （如果您知道在哪里查看，您也可以在Axes对象中找到这些数据。）

例如，假设您要测试这样的简单函数：

import numpy as np
import matplotlib.pyplot as plt
def plot_square(x, y):
    y_squared = np.square(y)
    return plt.plot(x, y_squared)

你的单元测试可能看起来像

def test_plot_square1():
    x, y = [0, 1, 2], [0, 1, 2]
    line, = plot_square(x, y)
    x_plot, y_plot = line.get_xydata().T
    np.testing.assert_array_equal(y_plot, np.square(y))

或者，等效地，

def test_plot_square2():
    f, ax = plt.subplots()
    x, y = [0, 1, 2], [0, 1, 2]
    plot_square(x, y)
    x_plot, y_plot = ax.lines[0].get_xydata().T
    np.testing.assert_array_equal(y_plot, np.square(y))

Answer 2

您还可以使用unittest.mock来模拟matplotlib.pyplot并检查是否对它进行了具有适当参数的适当调用。 假设您在module.py有一个plot_data(data)函数（假设它位于package/src/ ）您想要测试，它看起来像这样：

import matplotlib.pyplot as plt

def plot_data(x, y, title):
    plt.figure()
    plt.title(title)
    plt.plot(x, y)
    plt.show()

为了在您的test_module.py文件中测试此功能，您需要：

import numpy as np

from unittest import mock
import package.src.module as my_module  # Specify path to your module.py


@mock.patch("%s.my_module.plt" % __name__)
def test_module(mock_plt):
    x = np.arange(0, 5, 0.1)
    y = np.sin(x)
    my_module.plot_data(x, y, "my title")

    # Assert plt.title has been called with expected arg
    mock_plt.title.assert_called_once_with("my title")

    # Assert plt.figure got called
    assert mock_plt.figure.called

这将检查是否使用参数my title调用了title方法，以及plot_data在plt对象的plot_data内调用了figure方法。

更详细的解释：

@mock.patch("module.plt")装饰器“修补”导入到module.py的plt模块，并将其作为mock对象 ( mock_plt ) 作为参数注入到test_module中。 这个模拟对象（作为mock_plt传递）现在可以在我们的测试中使用来记录plot_data （我们正在测试的函数）对plt所做的一切 - 那是因为plot_data对plt的所有调用现在都将在我们的模拟中进行对象。

此外，除了assert_call_once_with之外，您可能还想使用其他类似的方法，例如assert_not_called 、 assert_called_once等。

Answer 3

Matplotlib 有一个测试基础设施。 例如：

import numpy as np
import matplotlib
from matplotlib.testing.decorators import image_comparison
import matplotlib.pyplot as plt

@image_comparison(baseline_images=['spines_axes_positions'])
def test_spines_axes_positions():
    # SF bug 2852168
    fig = plt.figure()
    x = np.linspace(0,2*np.pi,100)
    y = 2*np.sin(x)
    ax = fig.add_subplot(1,1,1)
    ax.set_title('centered spines')
    ax.plot(x,y)
    ax.spines['right'].set_position(('axes',0.1))
    ax.yaxis.set_ticks_position('right')
    ax.spines['top'].set_position(('axes',0.25))
    ax.xaxis.set_ticks_position('top')
    ax.spines['left'].set_color('none')
    ax.spines['bottom'].set_color('none')

从文档：

第一次运行此测试时，将没有可比较的基线图像，因此测试将失败。 将输出图像（在本例中为 result_images/test_category/spines_axes_positions.*）复制到源目录中的基线图像树的正确子目录（在本例中为 lib/matplotlib/tests/baseline_images/test_category）。 重新运行测试时，它们现在应该通过了。