《JUnit实战(第2版)》—— 1.7 小结

1.7 小结

JUnit实战(第2版)
每位开发者都会执行某种类型的测试,来查看代码是否可以正常工作。使用自动单元测试的开发者能够根据需要重复执行这些测试,以确保新编写的代码可以正常工作并且不会破坏已有的测试。

没有JUnit,要创建简单的单元测试并非难事,但是随着测试变得越来越多、越来越复杂,编写和维持测试也就变得越来越困难。JUnit是一个单元测试框架,它使得创建、运行和修改单元测试更加简单。在这一章中,我们通过编写、运行一个简单的测试,对JUnit有了初步的认识。但是,JUnit提供的功能远不止这些。

在第2章中,我们将更深入地了解JUnit框架的类(不同的注释和assertion机制)以及它们如何协同工作使得单元测试越来越有效。我们也讨论了老版JUnit 3和JUnit 4中的新功能之间的变化。

时间: 2024-10-29 10:42:45

《JUnit实战(第2版)》—— 1.7 小结的相关文章

《JavaScript数据可视化编程》——导读

前言 JavaScript数据可视化编程 在我们的日常生活中,数据的重要性与日俱增.尤其对于一些庞大的组织机构(诸如Facebook和Google这种体量的公司)来说,数据几乎是一切决策的核心.在地缘政治领域,正在前所未有地收集数据,以致爆出诸如美国国家安全局监控丑闻这样的事件,这从另一个侧面反映了我们正在经历一个宏观数据时代.但是,从微观角度来说,数据作为一个个独立的个体,本身却并不显得那么重要.有调查称,99.5%的数据其实是被忽视和浪费的. 数据可视化是解决数据被浪费的重要工具.有效的可视

《JavaScript数据可视化编程》—— 第1章 图像数据1.1 创建基础的柱状图

第1章 图像数据 JavaScript数据可视化编程在很多人的印象中,数据可视化图形是一些非常酷炫复杂.充满科幻设计感的图形.这种看法其实存在误区.实际上,建立一个有效的数据可视化模型并不需要特别深厚的设计功底和复杂的编程技巧,如果你一直牢记着数据可视化的目的是帮助人们更好地理解数据,那么你就会认同,在进行数据可视化的过程中最需要注意的,恰恰是"简单"二字.那些看似简单基础.随处可见的图表及其所传达的信息,往往最容易为人们所理解和消化. 因为用户已经熟悉了各式各样的常规图表,如柱状图.

《JavaScript数据可视化编程》——1.7 小结

1.7 小结 这一章的例子提供了一些标准数据图表类型,最简单和最直接的可视化数据工具的快速指南.如果某一类可视化数据选对了使用哪种图表,那么可视化的效果将会非常好. 柱状图:主要的基本的图表.对于展现一小段相同间隔时间内的数量变化或者自己本身的数量对比是很有效的. 线形图:当有大量的数据需要展示或数量有不规则变化时,会比柱状图更有效. 饼图:经常被过度使用,但是对于凸显单个值在整个数据中的占比是很有效的. 离散型图表:显示两个值之间的关系是很有效的. 气泡图:在离散型图表的基础上增加了第3个值,

《JavaScript数据可视化编程》——1.4 用离散图表绘制x/y值

1.4 用离散图表绘制x/y值 柱状图对于单一数据维度的可视化展现通常是非常有效的就像我们之前创建的展现胜利场次的柱状图.但如果我们想要探索两种不同类型数据之间的关系离散型图表会更有效.假设我们想要展示一个城市健康体检的花费一个维度和平均寿命另一个维度之间的关系.让我们通过一个例子一步步的看看用数据是如何创建离散型图表的. 就像在本书1.1节介绍的一样我们需要在我们的网页中加载Flotr2类库并设置一个div元素来放置我们将构建的图表. 1.4.1 第1步 定义数据 在这个例子中我们将使用经济合

《JavaScript数据可视化编程》——1.5 用气泡图表示数量扩展x/y数据

1.5 用气泡图表示数量扩展x/y数据 像前面例子描述的传统离散型图表,只能展现x和y轴两个值之间的关系.有时两个值并不能恰当的展现出我们想要展现的数据.如果我们需要3个变量,我们可以使用一个离散型图表的框架来展现两个值,然后根据第三个值来改变图表中点的大小.那么使用气泡图就是最好的选择. 然而在使用气泡图时有一些需要注意的.像我们早先看到的饼图一样,人们非常不善于准确判断一个不是长方形形状的相对区域,所以气泡图不能让人们准确对比气泡的大小.但是,如果你只想展现一个大概的量而不是准确的量,那么使

《Python数据可视化编程实战》—— 1.2 安装matplotlib、Numpy和Scipy库

1.2 安装matplotlib.Numpy和Scipy库 Python数据可视化编程实战 本章介绍了matplotlib及其依赖的软件在Linux平台上的几种安装方法. 1.2.1 准备工作 这里假设你已经安装了Linux系统且安装好了Python(推荐使用Debian/Ubuntu或RedHat/SciLinux).在前面提到的Linux系统发行版中,Python通常是默认安装的.如果没有,使用标准的软件安装方式安装Python也是非常简便的.本书假设你安装的Python版本为2.7或以上.

《Python数据可视化编程实战》——5.2 创建3D柱状图

5.2 创建3D柱状图 Python数据可视化编程实战 虽然matplotlib主要专注于绘图,并且主要是二维的图形,但是它也有一些不同的扩展,能让我们在地理图上绘图,让我们把Excel和3D图表结合起来.在matplotlib的世界里,这些扩展叫做工具包(toolkits).工具包是一些关注在某个话题(如3D绘图)的特定函数的集合. 比较流行的工具包有Basemap.GTK 工具.Excel工具.Natgrid.AxesGrid和mplot3d. 本节将探索关于mplot3d的更多功能.mpl

《Python数据可视化编程实战》—— 1.6 安装图像处理工具:Python图像库(PIL)

1.6 安装图像处理工具:Python图像库(PIL) Python数据可视化编程实战Python图像库(PIL)为Python提供了图像处理能力.PIL支持的文件格式相当广泛,在图像处理领域提供了相当强大的功能. 快速数据访问.点运算(point operations).滤波(filtering).图像缩放.旋转.任意仿射转换(arbitrary affine transforms)是PIL中一些应用非常广泛的特性.例如,图像的统计数据即可通过histogram方法获得. PIL同样可以应用在

《Python数据可视化编程实战》—— 1.5 在Windows上安装matplotlib

1.5 在Windows上安装matplotlib Python数据可视化编程实战在本节中,我们将演示如何安装Python和matplotlib.假设系统中没有预先安装Python. 1.5.1 准备工作 在Windows上安装matplotlib有两种方式.较简单的方式是安装预打包的Python环境,如EPD.Anaconda和Python(x,y).这是本书推荐的安装方式,尤其对于初学者来说更是如此. 第二种方式,是使用预编译的二进制文件来安装matplotlib和依赖软件包.需要注意安装的

《Python数据可视化编程实战》—— 1.8 在代码中配置matplotlib参数

1.8 在代码中配置matplotlib参数 Python数据可视化编程实战matplotlib库提供了强大的绘图功能,是本书用的最多的Python库.在其配置文件即.rc文件中,已经为大部分属性设定了默认值.本节会介绍如何通过应用程序代码修改matplotlib的相关属性值. 1.8.1 准备工作 如前所述,matplotlib配置信息是从配置文件读取的.在配置文件中可以为matplotlib的几乎所有的属性指定永久有效的默认值. 1.8.2 操作步骤 在代码执行过程中,有两种方式更改运行参数