如何用Hypothesis的one_of为Pandas列生成多种数据类型？

问题核心在于hs_pd.column的dtype参数无法直接接收hs.one_of返回的策略对象，需要换一种方式生成多类型列：

方案1：为每个列组合不同dtype的列策略 #

直接为每个列创建包含所有目标dtype的列策略集合，用hs.one_of包裹不同dtype对应的hs_pd.column：

from hypothesis import given
import hypothesis.strategies as hs
import hypothesis.extra.numpy as hs_np
import hypothesis.extra.pandas as hs_pd
import numpy as np
import pandas as pd
import pandera as pda
import pytest

data_schema = pda.DataFrameSchema(...)

def non_float64_column(name: str) -> hs.SearchStrategy[pd.Series]:
    # 为指定列名生成所有非float64类型的列策略
    return hs.one_of(
        hs_pd.column(name, dtype=hs_np.integer_dtypes()),
        hs_pd.column(name, dtype=hs_np.complex_number_dtypes()),
        hs_pd.column(name, dtype=hs_np.datetime64_dtypes()),
        hs_pd.column(name, dtype=hs_np.timedelta64_dtypes()),
    )

@given(
    hs_pd.data_frames([
        non_float64_column("x"),
        non_float64_column("y"),
        non_float64_column("z"),
    ])
)
def test_invalid(df: pd.DataFrame) -> None:
    r"""Test that the schema does not pass invalid data."""
    # 注意要指定完整的SchemaError路径
    with pytest.raises(pda.errors.SchemaError):
        _ = data_schema(df)

方案2：用hs.builds动态生成列策略 #

通过hs.builds结合dtype策略，动态生成对应类型的列：

def non_float64_column(name: str) -> hs.SearchStrategy[pd.Series]:
    dtype_strategy = hs.one_of(
        hs_np.integer_dtypes(),
        hs_np.complex_number_dtypes(),
        hs_np.datetime64_dtypes(),
        hs_np.timedelta64_dtypes(),
    )
    # 根据随机生成的dtype创建对应的列
    return hs.builds(
        lambda dtype: hs_pd.column(name, dtype=dtype).example(),
        dtype=dtype_strategy
    )

关键说明 #

• hs_pd.column的dtype参数仅支持直接传入具体dtype或能生成单一dtype的策略，无法直接解析hs.one_of的多类型策略集合。
• 方案1更直观，每个列会随机从指定的dtype集合中选择一种类型生成数据，完全满足测试需求。

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