Python pandas统计Excel各测试用例对应预期结果行数的实现方法
Pandas实现测试用例对应预期结果行数统计方案
报错根因
- 原有代码执行
len(_expected)时触发类型错误,本质是pandas读取Excel时会根据列内的混合值自动推断列类型,如果你读取到的Expected Result单元格值是数值类型、空值,这类对象本身不支持len()方法调用,就会抛出TypeError: object of type 'numpy.int64' has no len()异常。 - 原有逐行循环的逻辑适配的是「同一测试用例的多行预期结果写在单个单元格内、靠换行分隔」的排版,但没有做值的类型兼容处理,一旦遇到非文本类型的单元格值就会中断运行。
两种常见的Excel排版场景对应不同的统计逻辑,可根据实际文件格式选择适配代码。
适配单单元格多行文本场景的实现代码
如果你的Excel中每个测试用例对应的多行预期结果是写在同一个单元格内,靠换行分隔内容,使用以下代码可以兼容所有值类型:
import pandas as pd df = pd.read_excel("input_test_2.xlsx") # 逐行遍历处理 for _, row in df.iterrows(): testcase_name = row['Test'] expected_cell = row['Expected Result'] # 兼容空值、非文本类型:所有非空值强制转字符串格式,空值转空字符串 expected_text = str(expected_cell) if pd.notna(expected_cell) else "" # 按换行拆分内容,过滤无实际内容的空行 valid_expected_lines = [line.strip() for line in expected_text.splitlines() if line.strip()] # 统计有效行数 line_count = len(valid_expected_lines) # 按要求格式输出 print(f"{testcase_name} , Count of Expected Result: {line_count}")
实现细节说明:
- 替换了原来通过
df['列名'].values取数组遍历的逻辑,逐行用iterrows()读取行值,减少列类型自动推断导致的类型不匹配问题 - 用
splitlines()拆分文本,兼容Windows、Linux系统下不同的换行符格式,比手动按\n拆分的适配性更强 - 增加空行过滤逻辑,不会把单元格内连续换行的空内容算成有效预期结果,和预期统计口径一致
适配多单元格分散排版场景的实现代码
如果你的Excel排版是「测试用例名只在分组的第一行填写,同组后续行的Test列为空,预期结果逐行分散在对应行的Expected Result列」,可以用分组统计的逻辑实现:
import pandas as pd df = pd.read_excel("input_test_2.xlsx") # 向下填充Test列的空值,补全同分组的测试用例名 df['Test'] = df['Test'].ffill() # 按测试用例名分组,统计每组下Expected Result列的非空值数量 count_result = df.groupby('Test')['Expected Result'].count() # 按要求格式输出 for test_name, line_count in count_result.items(): print(f"{test_name} , Count of Expected Result: {line_count}")
内容的提问来源于stack exchange,提问作者Raja
相关产品推荐
相关产品推荐

