Bill's questions

Estou muito confuso e um pouco preocupado ao descobrir o seguinte comportamento, onde tenho dois testes e dois acessórios.

import pytest


@pytest.fixture
def new_object():
    return list()


@pytest.fixture
def a_string(new_object):
    # Change this instance of the object
    new_object.append(1)
    return "a string"


def test_1(new_object):
    assert len(new_object) == 0


def test_2(a_string, new_object):
    assert len(new_object) == 0

O primeiro teste passa, mas o segundo falha.

    def test_2(a_string, new_object):
>       assert len(new_object) == 0
E       assert 1 == 0
E        +  where 1 = len([1])

tests/test_pytest_list.py:21: AssertionError
================================================ short test summary info =================================================
FAILED tests/test_pytest_list.py::test_2 - assert 1 == 0
============================================== 1 failed, 1 passed in 0.36s ===============================================

Eu esperava que os equipamentos passassem novas instâncias de um objeto (a menos que especificado de outra forma), não o mesmo objeto que algum outro equipamento modificou.

De acordo com a documentação sobre o escopo dos acessórios, está escrito:

o padrão é invocar uma vez por função de teste

Outro equipamento não se qualifica como uma função?

ATUALIZAR

Com base nos comentários, agora entendo o problema, embora eu ainda ache que é um comportamento perigoso para uma ferramenta de teste de unidade.

Aqui está outro uso inválido de fixtures que uma pessoa ingênua como eu pode não perceber que é errado:

@pytest.fixture
def new_object():
    """I want to test instances of this class"""
    return list()


@pytest.fixture
def case_1(new_object):
    new_object.append(1)
    return new_object


@pytest.fixture
def case_2(new_object):
    new_object.append(2)
    return new_object


def test_cases(case_1, case_2):
    assert sum(case_1) + sum(case_2) == 3  # fails: assert (3 + 3) == 3

Só estou curioso para saber por que o método de janela contínua da série Pandas não preserva o tipo de dados da série original:

import numpy as np
import pandas as pd

x = pd.Series(np.ones(6), dtype='float32')
x.dtype, x.rolling(window=3).mean().dtype

Saída:

(dtype('float32'), dtype('float64'))