Please enable JavaScript.

Coggle requires JavaScript to display documents.

Hole Python - Coggle Diagram

- - - - +Finally
        
        Finally Block and Cleanup Actions
        
        Executing Code Regardless of Exception
        
        Cleaning Up Resources
      - +Else
      - Multiple Except Blocks
  - - - run-time errors;
        
        the most popular
        programming
        run-time errors:
        
        ValueError - receiving an invalid value
        
        ZeroDivisionError - division by zero
        
        NameError - calling an identifier that has not been defined
        
        TypeError - operating on incompatible types
        
        FileNotFoundError - accessing a file that doesn’t exist
      - compile-time errors;
        
        Tips to avoid the compile-time error:
        
        Check that you have a colon at the end of the line after the compound statement (for, while, if, def)
        
        Don’t use Python keywords for variable names (sum, type, int, str, etc.)
        
        Check if all strings in the code have matching quotes
        
        Check if all brackets are closed
      - logical errors
        
        code executes without throwing any exceptions, but it does not produce the intended or expected result.
  - - - +-- SystemExit
      - +-- KeyboardInterrupt
      - +-- GeneratorExit
      - +-- Exception
        
        All built-in exception classes are inherited from the Exception class
- - - - Syntax
        
        Using the @ symbol to apply decorators
        
        Placing the decorator above the function definition
        
        Decorating functions with other functions
      - Decorators with Parameters
        
        Defining decorators that accept parameters
        
        Using parameters inside the decorator
      - Wrapper Problems
        
        Issues with decorator functions modifying function attributes
        
        The use of functools.wraps to preserve function attributes
      - Decorator's Execution
        
        Order of execution for multiple decorators
        
        Evaluating decorators during function definition and function call
- - - - Tuple Packing and Unpacking
      - Immutable Nature of Tuples
      - Tuple Methods
    - - Dictionary Creation and Accessing Values
      - Dictionary Manipulation
      - Dictionary Methods
    - - Dictionary Creation and Accessing Values
      - Dictionary Manipulation
      - Dictionary Methods
    - - List Comprehensions
      - List Methods
      - List Manipulation (Appending, Slicing, etc.)
  - - - Shallow Copy (copy.copy())
        
        creates a new object that stores references to the child objects found in the original elements. It means that if any changes are made to the copy, those changes will not be reflected in the original object.
      - Deep Copy (copy.deepcopy())
        
        creates a new object that stores new objects that are copies of the child objects found in the original elements.
  - - - Mutable objects in Python are:
        list, dictionary, and set.
    - - Immutable objects in Python:
        int, float, string, boolean, and tuple.
    - - A Singleton pattern in Python is a design pattern that allows you to create just one instance of a class throughout the lifetime of a program.
- - - - Properties
      - Descriptors
- - - - The built-in function globals() returns a reference to the current global namespace dictionary.
    - - locals(). It’s similar to globals() but accesses objects in the local namespace instead
  - - - NameError exception.
  - - - Yes:
        my_list = ['foo', 'bar', 'baz']
        def f():
        my_list[1] = 'quux'
      - No:
        my_list = ['foo', 'bar', 'baz']
        def f():
        my_list = ['qux', 'quux']
    - - the nonlocal keyword refer to variables in the nearest enclosing scope
      - the global statement is to make references to an object in the global scope
- - - - Garbage collection is implemented in two ways:
        
        Reference Counting
        
        To see the number of references - getrefcount() function from the sys module. For immutable data types, the number of references starts from 3, and for mutable — from 1.
        
        when the pointer counter becomes zero - the object is deleted.
        
        Generational algorithm
        
        Using the GC module
        
        The generational algorithm is used when you have a cycle, the reference count doesn’t reach zero.
      - General rule: Don’t change garbage collector behavior
      - The garbage collection in Python is a memory management process to free up unused and unwanted memory for our programs.
- - - - The easiest tool you can find in Python to test your code is the assert statement. The condition should always be True unless you have a bug in your program. If it is False, then the assert raises the AssertionError exception.
        But there is no need to do that because there are a lot of existing good tools to write automated tests
    - - The unittest is a Python built-in testing framework.
        The unittest is class-based, you need to put your tests into classes (that inherit from the unittest.TestCase class) as methods; you need to use a special assertion method of the unittest.TestCase class instead of the built-in assert statement.
    - - The pytest is a python-based testing framework which is used to write and execute test codes.
        First of all, you need to install the pytest by running the pip install pytest command.
        Написання тестів для pytest виглядає в точності як вбудовані тести з assert Statement.
        Running the pytest without mentioning a filename will run all files of the test_.py or **_test.py format (this step is called tests collection) in the current directory and subdirectories. Pytest automatically identifies those files as test files.
        The pytest requires the test function names(def test_name) to start with the test. Other function names are not considered as test functions by the pytest.
        
        The pytest.raises Method
        
        When you want to test if your code raises the correct exception, you can use the pytest.raises as a context manager, which will capture the exception of the given type
        
        The pytest.mark.parametrize Decorator
        
        Parametrization in the context of testing is a process of running the same test with different values from a prepared set. Each combination of a test and data is counted as a new test case. In the pytest for parametrization, we have the pytest.mark.parametrize decorator.
        
        We can provide custom test names in two ways.
        The result will be the same
        
        The first one is by using the pytest.param before each group of parameters and adding the id as the last parameter
        
        The second one is by providing additional ids parameter for the pytest.mark.parametrize
        
        Імена мають пояснювати,що саме перевіряє тест, але не бути перевантаженим деталями, які вказані в самому звіті про помилку.
        
        Схема тесту:
        pytest.mark.parametrize(
        "перелік змінних, які ми будемо призначати для кожного тесту(в спвльних лапках, через кому)",
        (список кортежів з переліком значень для цих змінних)
        [
        (),
        (),
        ()
        ]
        (власне функція-тест, для якої ми зазначали перелік змінних і мноєини їж значень)
        def test_...(self, перелік змінних, які ми параметризували для кожного тесту):
        
        Особливості написання тестів
        
        Написання тестів має де-яке виключення з загальної логіки написяння коду: для кожного тесту варто виписувати у середину нього всі потрібні об'єкти навіть якщо це приводить до дублювання коду.
        
        З іншого боку, потрібно слідкувати, щоб різні тести не перевіряли те саме, тобто не дублювали одне одного.
        
        При написанні тестів треба думати про клас еквівалентності. Це означає, що тести, що перевіряють те саме, є еквівалентними між собою і треба використовувати разом тільки тести, що моють різні класи еквівалентності.
        
        Тести мають покривати крайні випадки і це будуть різні класи еквівалентності.
        
        Необхідно давати тестам назви, які чітко пояснюють, що він тестує
        
        Кожен тест складається із трьох етапів(складових):
        
        Підготовка - створення змінних, потрібних для використання у тесті
        
        Дії, які ми виконуємо перед перевіркою результату (наприклад, виклик функції, яку ми тестуємо)
        
        Перевірка результату шляхом порівняння результату попередніх дій з очікуваним результатом
        
        Для рефакторінгу добре, коли вже є написані тести, бо після рефакторінгу ми можемо переконатися, що наш новий код відповідає всім вимогам раніше написаних тестів.
        
        За принципом TDD, на початку розробки я спочатку визначаю ім'я нової функції, яку буду тестувати, а потім починаю писати тести, і тільки потім приступаю до реалізації самої функції.
        
        Коли ми в одному файлі пишемо тести для кількох різних елементів програми, нам потрібно їх групувати так, щоб легко знаходити які, з них до якого елементу відносяться. Для цього ми групуємо наші тести(що написяні як функції) у класи з назвами, що явно посилаються на елементи програми, які ці тести перевіряють. Приклади:
        def add_css_class() -> class TestAddCssClass
        def remove_css_class() -> class TestRemoveCssClass:
        
        Не треба писати тести, що перевіряють відповідність переданих аргументів анотаціям типів, що заявлені в параметрах функцій, бо для цього вже є самі анотації.
  - - - Mocking
        
        Unittest
        
        Mocking With an Unittest mock.patch
        #
        
        as a Context Manager
        
        as a decorator
        
        Unittest mock.MagicMock
        
        Pytest Monkeypatch #
    - - Set Up Fixture in Pytest
        
        Це функції, які будуть виконані до або після якогось тесту.
      - Cleanup/Teardown in Pytest
      - Fixture Scope
    - - Arrange/Setup
        
        is called before the test
        
        Unittest
        
        setUp()
        
        Pytest
        
        pytest.fixture /
        pytest.fixture(scope="function")
        
        is called before all tests
        
        Unittest
        
        setUpClass()
        
        Pytest
        
        pytest.fixture(scope="module")
      - Act
      - Assert
      - Cleanup/Teardown
        
        is called after the test
        
        Unittest
        
        tearDown()
        
        Pytest
        
        pytest.fixture /
        pytest.fixture(scope="function")
        
        is called after all tests
        
        Unittest
        
        tearDownClass()
        
        Pytest
        
        pytest.fixture(scope="module") + yeild
    - - setUp() and tearDown()
      - setUpClass() and tearDownClass()