Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Elección de una biblioteca de aserciones. #22

Closed
MauronMP opened this issue Nov 4, 2022 · 0 comments
Closed

Elección de una biblioteca de aserciones. #22

MauronMP opened this issue Nov 4, 2022 · 0 comments

Comments

@MauronMP
Copy link
Owner

MauronMP commented Nov 4, 2022

Como parte del objetivo 4 y teniendo en cuenta la #7, se necesita una biblioteca de aserciones.

Elección de una biblioteca de aserción.

Vamos a partir de las valoraciones de esta página. Que hace una comparativa de cada librería para un proyecto para distintos lenguajes, en este caso python.

Opciones.

  • grappa Tiene como finalidad hacer que las pruebas sean más sencillas. Tiene dos tipos de asserciones: "expect y should". Tiene un sistema detallado de informes de errores "amigable". Pero tiene una mala valoración y apenas hay documentación o ejemplos además de la oficial.

  • assertpy Tiene un buen soporte para poder trabajar con estructuras nativas de python como list, set o dict entre otros. Tiene personalización de los mensajes de aserciones, aunque la valoración que tiene sigue siendo mala, aunque mejor que la anterior.

  • 🏁 pyhamcrest Permite definir de manera clara las reglas, tiene un buen manejo de los mensajes de errores y ayuda así a una mejor comprensión. Tiene una amplia documentación y cuenta con muchos "matchers" predefinidos.

@MauronMP MauronMP added the question Further information is requested label Nov 4, 2022
@MauronMP MauronMP added this to the [M1] Transformación de los datos por medio de algoritmos para obtener un perímetro de riesgo de incendio. milestone Nov 4, 2022
@MauronMP MauronMP added libraries choices and removed question Further information is requested labels Nov 15, 2022
@MauronMP MauronMP modified the milestones: [M2] Transformación de los datos por medio de algoritmos para obtener un perímetro de riesgo de incendio., [M1] Obtención de la correlación a partir de los datos sesgados del csv. Nov 16, 2022
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Projects
None yet
Development

No branches or pull requests

1 participant