如何创建Hypothesis策略在指定范围内实现均匀采样？

问题背景 #

你编写了如下测试代码：

test_a.py

import unittest

import hypothesis
import hypothesis.extra.numpy
import numpy as np
from hypothesis import strategies as st

SHAPE = (10, )

ARRAY_STRATEGY = hypothesis.extra.numpy.arrays(float, SHAPE, elements=st.floats(min_value=-1, max_value=1))
ZERO_ONE_STRATEGY = st.floats(min_value=0, max_value=1)


class TestMyClass(unittest.TestCase):
    @hypothesis.settings(max_examples=10)
    @hypothesis.given(
        value=ZERO_ONE_STRATEGY,
        arr1=ARRAY_STRATEGY,
        arr2=ARRAY_STRATEGY,
        arr3=ARRAY_STRATEGY,
    )
    def test_something(self, value: float, arr1: np.ndarray, arr2: np.ndarray, arr3: np.ndarray) -> None:
        print(value)

执行测试时，输出全是0.0：

$ pytest test_a.py --capture=no
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0

你需要让value以1/(max_examples-1)的粒度在0到1范围内均匀采样，而非随机采样。

解决方法 #

直接生成固定的均匀分布数值列表，用st.sampled_from创建策略，确保每次测试取到不同的均匀分布值。具体修改如下：

1. 定义测试次数常量MAX_EXAMPLES，和装饰器中的参数保持一致；
2. 计算采样粒度step = 1 / (MAX_EXAMPLES - 1)；
3. 生成从0到1的均匀数值列表；
4. 用st.sampled_from包装这个列表作为value的策略。

修改后的完整代码：

import unittest

import hypothesis
import hypothesis.extra.numpy
import numpy as np
from hypothesis import strategies as st

SHAPE = (10, )
MAX_EXAMPLES = 10  # 和settings中的max_examples保持一致

ARRAY_STRATEGY = hypothesis.extra.numpy.arrays(float, SHAPE, elements=st.floats(min_value=-1, max_value=1))
# 生成均匀分布的数值列表：0.0, 1/9, 2/9, ..., 1.0
step = 1 / (MAX_EXAMPLES - 1)
ZERO_ONE_STRATEGY = st.sampled_from([i * step for i in range(MAX_EXAMPLES)])


class TestMyClass(unittest.TestCase):
    @hypothesis.settings(max_examples=MAX_EXAMPLES)
    @hypothesis.given(
        value=ZERO_ONE_STRATEGY,
        arr1=ARRAY_STRATEGY,
        arr2=ARRAY_STRATEGY,
        arr3=ARRAY_STRATEGY,
    )
    def test_something(self, value: float, arr1: np.ndarray, arr2: np.ndarray, arr3: np.ndarray) -> None:
        print(value)

执行测试时，value会依次输出0.0, 0.111..., 0.222..., ..., 1.0，完全覆盖0到1的范围，且粒度符合要求。

补充说明 #

原策略st.floats(min_value=0, max_value=1)默认会优先生成边界值（如0.0、1.0），测试次数较少时容易出现重复采样的情况。而st.sampled_from会严格遍历你提供的所有数值，确保均匀覆盖。

内容的提问来源于stack exchange，提问作者ringo