pandas 按版本统计测试通过和失败数量

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

测试是软件开发过程中的关键环节，它通过系统性地验证和评估软件功能，确保产品质量和可靠性。测试不仅能够及早发现并修复缺陷，降低后期维护成本，还能提高开发效率，支持敏捷开发和持续集成。今天我们来看一个统计测试结果的 pandas 示例。

数据与需求

我们构造数据如下：

import pandas as pd

data = {
    'Release': ['release_a', 'release_a', 'release_a',
                'release_a', 'release_a', 'release_b',
                'release_b', 'release_b', 'release_c',
                'release_c', 'release_c'],
    'Pass': [10, 5, 5, 20, 87, 2, 10, 64, 3, 104, 98],
    'Fail': [20, 45, 23, 67, 11, 5, 45, 33, 15, 89, 87]
}

df = pd.DataFrame(data)
df
'''
      Release  Pass  Fail
0   release_a    10    20
1   release_a     5    45
2   release_a     5    23
3   release_a    20    67
4   release_a    87    11
5   release_b     2     5
6   release_b    10    45
7   release_b    64    33
8   release_c     3    15
9   release_c   104    89
10  release_c    98    87
'''

需要按 Release 分组统计 Pass 和 Fail 有总数，格式如下：

'''
     Release                 Summary
0  release_a  [Pass: 127, Fail: 166]
1  release_b    [Pass: 76, Fail: 83]
2  release_c  [Pass: 205, Fail: 191]
'''

思路

先按 Release 分组，再用 sum() 聚合求和，再将每行的数据转为字典，最后利用字典数据迭代，使用列表推导式得到最终结果。

代码

根据思路，代码如下：

(
    df.groupby('Release')
    .sum()
    .agg(lambda x: x.to_dict(), axis=1)
    .map(lambda x: [f'{k}: {v}' for k, v in x.items()])
    .reset_index(name='Summary')
)
'''
     Release                 Summary
0  release_a  [Pass: 127, Fail: 166]
1  release_b    [Pass: 76, Fail: 83]
2  release_c  [Pass: 205, Fail: 191]
'''

这样就完成了需求。

（完）

pandas 按版本统计测试通过和失败数量

数据与需求

思路

代码

相关内容