使用Hypothesis库创建pd.DataFrame时仅生成最小值的问题排查

问题原因 #

• st.text(min_size=0, max_size=)存在语法错误，未指定max_size参数，导致Hypothesis默认生成最小长度的字符串（空字符串）。
• st.datetimes()未限定时间范围，默认生成的时间区间偏窄，容易输出最早的边界值（如2001-01-01）。
• Hypothesis默认优先生成边界值（如最小值）作为初始测试案例，若未调整策略或测试次数，会出现“始终只生成最小值”的错觉。

修正后的代码 #

import pandas as pd
import hypothesis.strategies as st
from datetime import datetime

@st.composite
def create_hypothesis_df(draw):
    num_rows = draw(st.integers(min_value=1, max_value=10))
    # 预定义各列的生成策略
    col1_strategy = st.text(min_size=0, max_size=100)  # 修复语法错误，补充max_size
    date_strategy = st.datetimes(start=datetime(2000, 1, 1), end=datetime(2025, 12, 31))
    float_strategy = st.floats(
        min_value=1, 
        max_value=1000, 
        allow_nan=False, 
        allow_infinity=False,
        exclude_min=True  # 可选：排除最小值1，确保数值大于1
    )
    text_strategy = st.text(min_size=0, max_size=100)

    data = [
        (
            draw(col1_strategy),
            '1750',
            draw(date_strategy),
            draw(date_strategy),
            draw(float_strategy),
            draw(float_strategy),
            draw(float_strategy),
            draw(text_strategy),
            draw(text_strategy),
        ) for _ in range(num_rows)
    ]
    columns = ["col1", "col2", "col3", "col4", "col5", "col6", "col7", "col8", "col9"]
    return pd.DataFrame(data, columns=columns)

关键修改说明 #

• 修复语法错误：给st.text补充max_size参数，确保能生成0到100长度的随机字符串，而非仅空字符串。
• 限定时间范围：给st.datetimes设置start和end，让生成的时间落在2000-2025区间内，避免仅输出最早的边界时间。
• 优化数值生成：给st.floats添加allow_nan=False和allow_infinity=False，避免无效数值；可选exclude_min=True确保数值大于1，适配你new_column < col5的断言需求。
• 提升取值多样性：将策略单独定义，逻辑更清晰，同时Hypothesis会在多次测试中生成更广泛的取值范围。

额外优化建议 #

• 增加测试次数：在测试函数上添加@st.settings(max_examples=100)，让Hypothesis生成更多样的案例，避免只看到边界值：

  @st.settings(max_examples=100)
  @st.given(df=create_hypothesis_df())
  def test_data_transform(df):
      # 你的转换函数测试逻辑
      result_df = your_transform_function(df)
      assert (result_df['new_column'] < df['col5']).all()
  

• 控制时间顺序：如果col3和col4有先后要求，可以在composite里添加逻辑约束，比如确保col3 <= col4：

  col3 = draw(date_strategy)
  col4 = draw(date_strategy.filter(lambda dt: dt >= col3))
  

内容的提问来源于stack exchange，提问作者Myrthe