polars.testing.parametric.columns#

polars.testing.parametric.columns(
cols: int | Sequence[str] | None = None,
*,
dtype: OneOrMoreDataTypes | None = None,
min_cols: int = 0,
max_cols: int = 5,
unique: bool = False,
) → list[column][source]#

定义多个列以与@dataframes策略一起使用。

自版本0.20.26起已弃用：请改用column并结合列表推导式。

警告

此功能目前被视为不稳定。它可能会在任何时候更改，而不被视为破坏性更改。

生成一个固定的column对象序列，适合传递给@dataframes策略，或单独使用（注意，此函数本身不是一个策略）。

Parameters:
cols{int, [str]}, optional

要创建的列数的整数，或明确的列名列表。如果省略，则会创建随机数量的列（在mincol和max_cols之间）。

dtypePolarsDataType, optional

所有列的单一数据类型，或数据类型列表（与cols长度相同）。 如果省略，每个生成的列将被分配一个随机数据类型。

min_colsint, optional

如果不传递确切的大小，可以在这里设置一个最小值（默认为0）。

max_colsint, optional

如果没有传递确切的大小，可以在这里设置一个最大值（默认为 MAX_COLS）。

uniquebool, optional

指示为这些列生成的值是否应该是唯一的（每列）。

注释

通过显式创建一系列列，可以使用column类来获得额外的控制（一个特别有用的选项是覆盖给定列/数据类型的默认数据生成策略）。

示例

>>> from polars.testing.parametric import columns, dataframes
>>> from hypothesis import given
>>> @given(dataframes(columns(["x", "y", "z"], unique=True)))  
... def test_unique_xyz(df: pl.DataFrame) -> None:
...     assert_something(df)
On this page