如何Mock Pandas DataFrame列的max值以进行单元测试？

为什么会出现ModuleNotFoundError？ #

@mock.patch('df1["A"].max()')的写法完全错误，原因是：

• mock.patch要求传入的是可导入的对象的字符串路径（比如'pandas.Series.max'或'your_module.your_function'），它本质是替换一个可被Python模块系统识别的对象。
• 而df1["A"].max()是运行时表达式的执行结果，不是一个可被引用的模块、类、方法或属性路径。Python试图将其解析为模块名时，自然找不到名为df1["A"]的模块，因此抛出ModuleNotFoundError。

直接模拟df["A"].max()值的最佳方式 #

如果你不想模拟整个DataFrame，而是直接让df["A"].max()返回指定值，有两种精确的实现方式：

方式1：针对特定Series实例的max方法打补丁 #

这种方式仅替换测试中目标DataFrame的A列（Series实例）的max方法，不会影响其他测试或代码逻辑：

import unittest
from unittest import mock
import pandas as pd
from your_module import pd_max, DuplicateRunError

class TestPdMax(unittest.TestCase):
    def test_max_value_5_raises_error(self):
        # 创建测试用DataFrame（也可以是空结构，仅用于承载Series）
        test_df = pd.DataFrame({"A": [1, 2, 3]})
        
        # 替换该具体Series实例的max方法，强制返回5
        with mock.patch.object(test_df["A"], "max", return_value=5):
            with self.assertRaises(DuplicateRunError):
                pd_max(test_df)

方式2：全局替换pandas.Series.max方法（慎用） #

如果你需要让所有Series的max方法在当前测试上下文内都返回5，可以直接patchpandas.Series.max：

def test_max_value_5_raises_error(self):
    with mock.patch("pandas.Series.max", return_value=5):
        test_df = pd.DataFrame({"A": [1, 2, 3]})
        with self.assertRaises(DuplicateRunError):
            pd_max(test_df)

注意：这种方式会影响测试中所有调用Series.max的代码，如果测试用例存在其他依赖Series.max的逻辑，可能导致意外结果，因此优先推荐方式1。

核心原则：mock的目标必须是可被引用的对象（类、方法、属性），而非表达式的执行结果。你需要找到df["A"].max()对应的底层对象——pandas.Series类的max方法，或具体实例的max方法，再对其进行替换。

内容的提问来源于stack exchange，提问作者Ashok KS