Python接口自动化测试框架(基础篇)-- 常用数据类型Number

简介: 这篇文章是关于Python接口自动化测试中常用数据类型Number的基础介绍,涵盖了int、float、bool类型以及数学函数和常量的使用,强调了这些数据类型在自动化测试框架中的广泛应用。

前言

上篇讲了python的常用数据类型str,它的出镜率或使用率都还算过得去,常常使用的方法也差不多那几个,当然不排除作者不知或未使用过的方法,这一篇讲Number,同学们思考一下为啥bool要和int&float整在一起?

Number数字

这个是一大类,python属于数字的数据类型有:int、long(在python2.2以后就没有了,超过int则会自动转成long长度)、float、complex(算占位吧);那么bool则是特殊的数字类型。数字数据类型是不可变的数据类型。

int

有符号的整型

i = 0
j = -1

# 正整数没有符号+
print(j) # 输出:-1

print(i) # 输出:0

print(type(i) # 输出:<class 'int'> ,获取变量的数据类型
float

浮点型

i = 0.1

print(i) # 输出:0.1
print(type(i) # 输出:<class 'float'> ,获取变量的数据类型

# 关于浮点型数据的格式化输出
print("%.2f" %j) # 输出:0.10,保留两位小数
print("{:.2f}".format(j)) # 输出:0.10,保留两位小数
bool

特殊的数据类型,非0非空则为True,反之均为False;bool()函数来返回值

i = 0.1

print(bool(i)) # 输出:True
  • 更多案例请看截图:

image.png

扩展

数字,难免会跟数学相关,那么在python中提供math内置模块,里面有很多的方法,在ipthon可以查看:

image.png

当然数字还有很多运算符,这个会在运算符中概括。

数学函数
  • 来举例使用一下math提供哪些计算公式
import  math

i = -10

# 取绝对值
print(abs(i)) # 输出:10

# 平方根
print(sqrt(9)) # 输出:3.0

# 取最大值、最小值
print(max(1,2,3,4)) # 输出:4

print(min(1,2,3,4)) # 输出:1

# round(x,[n]):四舍五入,如果带参数n,则保留n位小数
print(round(5.9)) # 输出:6
print(round(5.9,2)) # 输出:5.9
常量

计算圆周率的时候,如果要取pi是几位数,math模块有pi表示常量

import math

print(math.pi) # 输出:3.141592653589793
三角函数

三角函数的正弦、余弦、正切等,不过这些在接口自动化中,几乎不用。

兴趣

昨日又刷到一个关于乘法计算的视频,区别于咱中国:

image.png

总结

python常用数据类型之Number大概就这些内容,不过用途就比较广泛了,如bool类型常用来做判断条件,int也会用来做循环计数器等;希望同学们在接口自动化测试框架的学习道路上打牢基础知识。

相关文章
|
5天前
|
测试技术 数据库 UED
Python 性能测试进阶之路:JMeter 与 Locust 的强强联合,解锁性能极限
【9月更文挑战第9天】在数字化时代,确保软件系统在高并发场景下的稳定性至关重要。Python 为此提供了丰富的性能测试工具,如 JMeter 和 Locust。JMeter 可模拟复杂请求场景,而 Locust 则能更灵活地模拟真实用户行为。结合两者优势,可全面评估系统性能并优化瓶颈。例如,在电商网站促销期间,通过 JMeter 模拟大量登录请求并用 Locust 模拟用户浏览和购物行为,可有效识别并解决性能问题,从而提升系统稳定性和用户体验。这种组合为性能测试开辟了新道路,助力应对复杂挑战。
20 2
|
1天前
|
SQL JavaScript 前端开发
基于Python访问Hive的pytest测试代码实现
根据《用Java、Python来开发Hive应用》一文,建立了使用Python、来开发Hive应用的方法,产生的代码如下
12 6
基于Python访问Hive的pytest测试代码实现
|
5天前
|
数据采集 人工智能 程序员
避坑指南!细说Python自动化办公的5大缺点
Python如今变得愈发流行,不仅程序员,许多非专业人员也开始学习它,主要目的是提高工作效率而非成为专家。然而,Python自动化办公并非完美,存在一些缺点:首先,它仅支持Windows系统,这对Mac用户不太友好;其次,其功能虽强大但不够专业,大多功能一行代码即可完成;再者,代码包体积较大,约200MB;此外,技术门槛较低,难以形成职业优势;最后,相较于专业代码,它的启动速度较慢。即便如此,它依然比人工操作高效得多。如果能接受以上缺点,可参考《50讲·Python自动化办公》教程,快速掌握自动化办公技能。
46 29
|
4天前
|
安全 JavaScript 前端开发
自动化测试的魔法:如何用Python编写你的第一个测试脚本
【8月更文挑战第41天】在软件的世界里,质量是王道。而自动化测试,就像是维护这个王国的骑士,确保我们的软件产品坚不可摧。本文将引导你进入自动化测试的奇妙世界,教你如何使用Python这把强大的魔法杖,编写出能够守护你代码安全的第一道防护咒语。让我们一起开启这场魔法之旅吧!
|
9天前
|
测试技术 API Python
python在自动化测试中的经典例子
python在自动化测试中的经典例子
23 12
|
4天前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
【9月更文挑战第10天】随着软件应用的不断扩展,性能测试成为确保系统稳定运行的关键环节。本文通过对比Apache JMeter和Locust,探讨了如何在Python环境中利用这两款工具挖掘更多性能测试潜力。JMeter是一款成熟且功能强大的开源工具,支持多种协议,适用于各种应用的测试;而Locust则基于Python,通过简单脚本模拟HTTP请求,更适合Web应用测试。
13 2
|
9天前
|
运维 监控 安全
python在自动化运维中的妙用分享
python在自动化运维中的妙用分享
25 8
|
9天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
【9月更文挑战第5天】性能测试是确保应用在高负载下稳定运行的关键。本文介绍Apache JMeter和Locust两款常用性能测试工具,帮助识别并解决性能瓶颈。JMeter适用于测试静态和动态资源,而Locust则通过Python脚本模拟HTTP请求。文章详细讲解了安装、配置及使用方法,并提供了实战案例,帮助你掌握性能测试技巧,提升应用性能。通过分析测试结果、模拟并发、检查资源使用情况及代码优化,确保应用在高并发环境下表现优异。
35 5
|
9天前
|
JSON 测试技术 数据库
Python的Flask框架
Python的Flask框架
|
6天前
|
消息中间件 监控 测试技术
惊呆了!Python性能测试高手都用这些神器:JMeter+Locust,效率翻倍📈
【9月更文挑战第8天】在软件开发中,性能测试对确保应用稳定性和高效运行至关重要。对于Python开发者而言,选择合适的性能测试工具能显著提升测试效率并精准定位性能瓶颈。本文深入探讨了JMeter和Locust这两款工具的独特优势。JMeter作为跨平台的性能测试工具,支持多种协议,具备高度可定制性和扩展性;而Locust则专为Python应用设计,利用协程实现高并发,提供实时监控和分布式测试功能。两者结合使用,可在实际项目中实现1+1&gt;2的效果,帮助开发者构建全面高效的测试方案,保障应用稳定运行。
30 1