如何使pytest单元测试程序适配多文件并实现JSON转DataFrame与原JSON数据的断言对比

我来帮你搞定这两个测试痛点！针对你提到的核心需求，咱们一步步来实现：

1. 用原JSON数据动态生成断言值，替代硬编码 #

既然不想写死固定数字，咱们可以自己解析JSON文件，提取对应位置的预期值，再和转换后的DataFrame做对比。这样不管JSON样本怎么更新，测试都会自动取最新的预期值，不用手动修改断言逻辑。

举个修改后的代码示例：

import json
import pytest
import je  # 你的转换器脚本

def get_expected_value(json_path, target_key, index):
    # 加载并解析原JSON文件
    with open(json_path, "r") as f:
        json_data = json.load(f)
    # 根据你的JSON实际结构提取预期值（这里假设JSON是列表格式，每个元素是带目标字段的对象，可按需调整）
    return json_data[index][target_key]

def test_headerdftrue_S():
    json_path = "sample_jsondata"
    # 调用转换器获取DataFrame
    var_a, var_b, var_c, var_d = je.json_to_df(json_path)
    # 从原JSON中动态获取预期的id值
    expected_id = get_expected_value(json_path, "id", 10)
    # 对比DataFrame对应位置的值（用iloc更安全，避免索引混乱）
    assert var_a["id"].iloc[10] == expected_id

如果你的JSON是嵌套字典结构，只需要调整get_expected_value里的取值路径就行，比如json_data["header"]["items"][index][target_key]。

2. 用pytest参数化适配多文件场景 #

pytest的参数化功能可以让你用同一个测试逻辑遍历所有测试文件，不用重复写多个测试函数。只需要用@pytest.mark.parametrize装饰器，把要测试的文件（甚至不同的检查点）传进去即可。

基础多文件测试示例 #

# 定义所有要测试的JSON文件路径
TEST_FILES = [
    "sample_jsondata",
    "sample_jsondata_2",
    "sample_jsondata_3"
]

@pytest.mark.parametrize("json_path", TEST_FILES)
def test_json_to_df_multiple_files(json_path):
    # 调用转换器
    var_a, var_b, var_c, var_d = je.json_to_df(json_path)
    # 获取当前文件的预期id值（这里统一检查索引10的id，可按需修改）
    expected_id = get_expected_value(json_path, "id", 10)
    # 执行断言
    assert var_a["id"].iloc[10] == expected_id

进阶：不同文件对应不同检查点 #

如果不同测试文件需要检查不同的字段或索引，可以把参数改成元组，灵活性更高：

# 定义测试用例：(文件路径, 目标字段, 检查索引)
TEST_CASES = [
    ("sample_jsondata", "id", 10),
    ("sample_jsondata_2", "name", 5),
    ("sample_jsondata_3", "value", 0)
]

@pytest.mark.parametrize("json_path, target_key, index", TEST_CASES)
def test_json_to_df_multiple_cases(json_path, target_key, index):
    var_a, var_b, var_c, var_d = je.json_to_df(json_path)
    expected_value = get_expected_value(json_path, target_key, index)
    assert var_a[target_key].iloc[index] == expected_value

额外小技巧：全DataFrame对比 #

如果想确保整个转换的准确性（而不只是单个值），可以用pytest-pandas插件做完整的DataFrame对比：

from pytest_pandas import assert_frame_equal
import pandas as pd

def test_full_df_match(json_path):
    # 获取转换后的DataFrame
    df = je.json_to_df(json_path)[0]  # 假设var_a是你要校验的目标DataFrame
    # 自己把原JSON转换成预期的DataFrame
    with open(json_path, "r") as f:
        json_data = json.load(f)
    expected_df = pd.DataFrame(json_data)
    # 对比整个DataFrame的结构和值
    assert_frame_equal(df, expected_df)

内容的提问来源于stack exchange，提问作者Siddharth Iyer