如何在pytest中结合多参数函数使用parametrize与CSV数据？

问题场景 #

需基于numpy结构化数组（模拟CSV导入数据），用pytest批量测试包含位置参数x和关键字-only参数y的函数，从数组中提取a、b作为函数入参，f_squared/f_cubed作为预期结果，遍历所有行完成测试。

解决方案 #

利用@pytest.mark.parametrize装饰器，将结构化数组的行数据转换为测试用例列表，实现批量测试。

可运行完整代码 #

import pytest
import numpy as np
import numpy.lib.recfunctions as rf 

def squared(x, *, y):
    return (x + y) ** 2


def cubed(x, *, y):
    return (x + y) ** 3


# 修正模拟CSV数据：每行对应a,b,f_squared,f_cubed四个字段
mycsv = np.array([
    [1, 2, 9, 27],
    [5, 5, 100, 1000],
    [3, 4, 49, 343],
    [6, 8, 196, 2744]
])
dtypes = [("a", "f8"), ("b", "f8"), ("f_squared", "f8"), ("f_cubed", "f8")]
mycsv = rf.unstructured_to_structured(mycsv, dtype=np.dtype(dtypes))

# 生成测试用例列表：每个元素是(a值, b值, 预期结果)
squared_test_cases = [(row["a"], row["b"], row["f_squared"]) for row in mycsv]
cubed_test_cases = [(row["a"], row["b"], row["f_cubed"]) for row in mycsv]


@pytest.mark.parametrize("a, b, expected", squared_test_cases)
def test_squared(a, b, expected):
    computed = squared(x=a, y=b)
    msg = f"测试失败：x={a}, y={b}，预期值{expected}，实际计算值{computed}"
    np.testing.assert_allclose(expected, computed, rtol=2e-2, err_msg=msg)


@pytest.mark.parametrize("a, b, expected", cubed_test_cases)
def test_cubed(a, b, expected):
    computed = cubed(x=a, y=b)
    msg = f"测试失败：x={a}, y={b}，预期值{expected}，实际计算值{computed}"
    np.testing.assert_allclose(expected, computed, rtol=2e-2, err_msg=msg)

关键说明 #

• 测试用例生成：通过列表推导遍历结构化数组的每一行，提取所需参数和预期值，组成元组列表，每个元组对应一组独立测试的输入与结果。
• parametrize用法：装饰器中指定测试函数的参数名（a, b, expected），传入测试用例列表后，pytest会自动遍历每个用例执行测试，每个用例会生成独立的测试报告条目。
• 参数传递：被测函数中y是关键字-only参数（通过*标记），调用时必须以y=b的形式传递，x作为位置参数可直接传值或显式指定x=a。
• 浮点断言：使用np.testing.assert_allclose处理浮点数值的断言，设置rtol控制相对误差容限，避免因浮点精度问题导致测试失败。

内容的提问来源于stack exchange，提问作者a11