如何在Hypothesis中设置DataFrame的最小与最大生成长度？

要解决你的需求——禁止空DataFrame、生成更长的平均长度DataFrame——只需要在data_frames的行策略外层包裹st.lists，并通过min_size、average_size（可选max_size）参数来精确控制行数范围。

修改后的完整代码 #

from hypothesis.extra.pandas import columns, data_frames, column
import hypothesis.strategies as st

def mysort(tp):
    key = [-1, tp[1], tp[2], int(1e10)]
    return [x for _, x in sorted(zip(key, tp))]

positions = st.integers(min_value=0, max_value=int(1e7))
strands = st.sampled_from("+ -".split())
chromosomes = st.sampled_from(elements=["chr{}".format(str(e)) for e in list(range(1, 23)) + "X Y M".split()])

# 核心调整：用st.lists包裹行策略，控制行数
row_strategy = st.tuples(chromosomes, positions, positions, strands).map(mysort)
genomics_data = data_frames(
    columns=columns(["Chromosome", "Start", "End", "Strand"], dtype=int),
    rows=st.lists(row_strategy, min_size=1, average_size=50, max_size=200)
)

关键调整说明 #

• min_size=1：强制生成的DataFrame至少有1行，彻底避免空DataFrame的情况。
• average_size=50：告诉Hypothesis你期望生成的DataFrame平均有50行（可以根据你的测试需求调整这个数值，比如改成100、200）。
• max_size=200（可选）：限制生成的DataFrame最大行数，防止出现过大的数据集拖慢测试速度，如果不需要限制可以去掉这个参数。

为什么这样有效？ #

Hypothesis的data_frames函数的rows参数既可以接受单个行策略（此时会默认生成长度随机的列表，平均长度约10），也可以直接接受一个列表策略（st.lists返回的对象），这让我们能完全掌控生成的行数范围和分布。

通过st.lists的这些参数，你可以精准平衡测试的覆盖性（足够多的行来模拟真实场景）和测试效率（不会生成过大的数据集）。

内容的提问来源于stack exchange，提问作者The Unfun Cat