測試覆蓋範圍

Executor

tests/test_executor.py

測試 Executor 的主要功能：

• test_default_values：驗證預設配置值是否正確設定
• test_update_config：測試透過 update 方法更新配置值
• test_validation_log_output_type：測試日誌輸出類型設定的驗證：
  • 有效值（stdout、file、both）被接受
  • 無效值引發 ConfigError
• test_validation_log_level：測試日誌等級的驗證：
  • 有效等級（DEBUG、INFO、WARNING、ERROR、CRITICAL）被接受
  • 無效等級引發 ConfigError
• test_executor_default_config：測試使用不含 Executor 部分的 YAML 初始化時使用預設值
• test_executor_custom_config：驗證 YAML 中的自定義日誌設定是否正確應用
• test_logger_setup：測試日誌初始化的正確性：
  • 日誌等級
  • 多個處理器（檔案和控制台）
  • 處理器類型
• test_logger_file_creation：測試日誌檔案是否在指定目錄中創建並正確替換時間戳
• test_logger_reconfiguration：測試日誌器能否在初始設置後重新配置
• test_get_config：測試從檔案載入 YAML 配置

資料讀取

Loader

tests/loader/test_loader.py

測試 Loader 的主要功能：

• test_loader_init_no_config：驗證無配置初始化時會觸發 ConfigError
• test_loader_init_with_filepath：測試以檔案路徑初始化，檢查配置路徑和副檔名是否正確設定
• test_handle_filepath_with_complex_name：測試各種檔案路徑模式，包含：
  • 含多個點的路徑
  • 相對路徑 (./ 和 ../)
  • 絕對路徑
  • 混合大小寫的副檔名
• test_loader_init_with_column_types：驗證欄位型態設定是否正確存入配置
• test_benchmark_loader：使用模擬配置測試基準資料集初始化
• test_load_csv：測試 CSV 檔案載入是否返回正確的 DataFrame 和 Metadata 元組
• test_load_excel：測試 Excel 檔案載入是否返回正確的 DataFrame 和 Metadata 元組
• test_benchmark_data_load：使用模擬數據測試完整的基準資料載入流程
• test_custom_na_values：測試自定義空值的處理
• test_custom_header_names：測試使用自定義欄位標題載入資料

Benchmarker

tests/loader/test_benchmarker.py

測試基準資料集處理：

• test_basebenchmarker_init：驗證 BaseBenchmarker 作為抽象類別無法被實例化
• test_benchmarker_requests_init：使用模擬的檔案系統操作測試 BenchmarkerRequests 初始化
• test_download_success：測試成功下載的情境，包含：
  • 模擬 HTTP 請求
  • 模擬檔案操作
  • SHA256 驗證檢查
• test_verify_file_mismatch：使用模擬的檔案內容測試 SHA256 驗證失敗的處理
• test_download_request_fails：測試下載請求失敗（HTTP 404 等）的處理方式
• test_file_already_exists_hash_match：測試檔案已存在且哈希值匹配的情境，確認直接使用本地檔案
• test_verify_file_remove_fails：測試在驗證過程中刪除檔案失敗的處理機制
• test_init_file_exists_hash_match：測試初始化時檔案存在且哈希值匹配的處理邏輯
• test_file_content_change：測試檔案內容變更後的哈希驗證機制，確保能正確檢測變更

Metadata

tests/loader/test_metadata.py

測試 metadata 處理和型態推斷：

• test_metadata_init：驗證 Metadata 類別的空初始化
• test_build_metadata：測試 metadata 建立，樣本 DataFrame 包含：
  • 數值型態
  • 類別型態
  • 日期時間型態
  • 布林型態
  • 缺失值 (None/NaN)
• test_invalid_dataframe：測試錯誤處理：
  • 非 DataFrame 輸入
  • 空的 DataFrame
• test_set_col_infer_dtype：測試欄位型態推斷：
  • 設定有效型態
  • 處理無效欄位
  • 處理無效型態
• test_to_sdv：測試轉換為 SDV 格式時的型態對應
• test_convert_dtypes：測試型態轉換：
  • 數值型態 (int/float)
  • 類別型態
  • 日期時間型態
  • 布林型態
  • 無效型態

資料合成

Constrainer

tests/constrainer/test_constrainer.py

測試主要約束器類別：

• test_basic_initialization：測試基本約束器初始化和配置儲存
• test_nan_groups_constraints：測試空值群組約束：
  • 刪除動作實作
  • 多目標的清除動作
  • 含型別檢查的複製動作
• test_field_constraints：測試欄位級別約束：
  • 數值範圍條件
  • 多重條件組合
• test_field_combinations：測試欄位組合規則：
  • 教育程度與績效對應
  • 多重值組合
• test_all_constraints_together：測試所有約束共同運作：
  • 約束之間的互動
  • 複雜的過濾情境
• test_resample_functionality：測試重複採樣直到滿足：
  • 達成目標列數
  • 合成資料生成
  • 約束條件滿足
• test_error_handling：測試錯誤情況：
  • 無效的配置格式
  • 缺少欄位
• test_edge_cases：測試邊界條件：
  • 空的資料框
  • 全部為空值

NaNGroupConstrainer

tests/constrainer/test_nan_group_constrainer.py

測試空值處理約束：

• test_invalid_config_initialization：測試無效配置處理：
  • 非字典輸入
  • 無效的動作類型
  • 無效的目標設定
  • 刪除動作與其他動作的組合
• test_valid_config_initialization：測試有效配置：
  • 獨立的刪除動作
  • 多目標的清除動作
  • 單目標的複製動作
  • 不同目標格式
• test_erase_action：測試清除動作功能：
  • 當來源欄位為空值時設定目標欄位為空值
  • 處理多個目標欄位
• test_copy_action_compatible_types：測試相容類型間的值複製
• test_copy_action_incompatible_types：測試不相容類型複製的處理
• test_multiple_constraints：測試多個約束同時運作

FieldConstrainer

tests/constrainer/test_field_constrainer.py

測試欄位級別約束：

• test_invalid_config_structure：測試配置驗證：
  • 非列表輸入
  • 無效的約束格式
  • 空約束
• test_invalid_constraint_syntax：測試語法驗證：
  • 不匹配的括號
  • 無效的運算子
  • 缺少運算子
• test_field_extraction：測試欄位名稱提取：
  • 加法運算
  • 括號表達式
  • 空值檢查
  • 日期運算
• test_complex_expression_validation：測試複雜約束組合

FieldCombinationConstrainer

tests/constrainer/test_field_combination_constrainer.py

測試欄位組合約束：

• test_validate_config_existing_columns：測試欄位存在性驗證
• test_invalid_constraints_not_list：測試非列表約束處理
• test_invalid_constraint_structure：測試無效的元組結構
• test_invalid_field_map：測試欄位映射驗證
• test_invalid_source_fields：測試來源欄位類型驗證
• test_invalid_target_field：測試目標欄位類型驗證
• test_multi_field_source_value_length_mismatch：測試多欄位值匹配

資料評測

Evaluator

MLUtility

tests/evaluator/test_mlutility.py

測試機器學習效用評估：

• test_classification_of_single_value：測試單一值分類目標的三種情境：
  • 原始資料有單一層級目標
  • 合成資料有單一層級目標
  • 兩個資料集都有單一層級目標
  • 驗證 NaN 分數和警告的正確處理
• test_classification_normal_case：測試正常多分類情況：
  • 驗證分數計算
  • 檢查分數範圍
  • 驗證統計指標
• test_classification_empty_data：測試空資料的行為：
  • 處理空資料的預處理
  • 驗證 NaN 分數
  • 檢查警告訊息