调试与测试：Bug查得快，写得稳
调试与测试：Bug查得快，写得稳
一、问题背景：一个空字符串坑了我3天
去年有件让我印象特别深刻的事。
写了一个MES数据导入脚本，跑了半年没问题。突然有一天，某批次的厚度平均值算出来是负数。
查了3天，最后发现：有一行的厚度值被MES导成了空字符串，被我转成了0。
更坑的是，上个月也有一批数据少一个值，但因为数据量大，一个0对平均值影响小，没发现。这次恰好样本少，一个0直接拉偏了整个平均值。
为什么没发现？ 因为写代码的时候只想了"正常情况"，没想"数据不完美"的情况。
教训：代码能跑 ≠ 代码没问题。Bug藏得越深，排查越痛苦。
学完这一篇，你能做到：
1. 用 `print` + `breakpoint` 快速找Bug
2. 用 `assert` 在代码里自动检查数据
3. 用 `unittest` 写简单的测试，上线前就发现问题
---
二、技术原理：调试三板斧
2.1 第一斧：print调试
最简单但也最有效：
```python
def calc_avg(data):
print(f"[调试] 输入数据: {data}") # 看输入
result = sum(data) / len(data)
print(f"[调试] 计算结果: {result}") # 看输出
return result
```
哪步不对，一看print就知道。缺点是调试完要删掉这些print，不能忘。
2.2 第二斧：assert断言
更高级的"自检"——条件不满足就直接报错：
```python
def calc_avg(data):
assert len(data) > 0, "数据不能为空！"
assert all(isinstance(x, (int, float)) for x in data), "数据里混了非数字！"
return sum(data) / len(data)
正常调用——没问题
calc_avg([1250, 1248, 1251])
传空列表——assert弹出来
calc_avg([]) # AssertionError: 数据不能为空！
```
为什么值得学？ `assert` 像代码里的"安检门"——数据进来先检查一遍，不对立刻停。这样不会出现"算了一个错的结果还在继续用"的情况。
2.3 第三斧：breakpoint断点
```python
def complex_calculation(data):
total = 0
breakpoint() # 程序跑到这里会暂停，进入交互式模式
for x in data:
total += x
return total
complex_calculation([1, 2, 3])
当你看到 >>> 提示符时，可以输入变量名看值：
>>> data -> [1, 2, 3]
>>> total -> 0
>>> quit() -> 退出继续跑
```
实用技巧：在 `>>>` 后输入变量名就能看值，输入 `quit()` 或按 `Ctrl+Z` 继续运行。
---
三、实战案例：给你的代码写测试
3.1 先写一个简单函数
```python
def process_lot(data, lot_id="Unknown"):
"""
处理一批Lot数据
返回: 均值和是否合格
"""
# 自检（assert）
assert len(data) > 0, f"Lot {lot_id} 数据为空"
assert all(isinstance(x, (int, float)) for x in data), "数据必须为数字"
avg = sum(data) / len(data)
std = (sum((x - avg)2 for x in data) / (len(data) - 1)) 0.5
passed = std < 3.0 # 标准差<3算合格
return {"lot_id": lot_id, "avg": round(avg, 2), "std": round(std, 2), "pass": passed}
```
3.2 写测试文件
新建 `test_process_lot.py`：
```python
import unittest
from process_lot import process_lot # 假设函数在上面的文件里
class TestProcessLot(unittest.TestCase):
"""测试 process_lot 函数"""
def test_normal_lot(self):
"""正常数据"""
result = process_lot([1250.5, 1248.3, 1251.2], "FAB-001")
self.assertEqual(result['lot_id'], "FAB-001")
self.assertTrue(result['pass']) # 应该合格
def test_bad_lot(self):
"""标准差大的数据"""
result = process_lot([1250, 1240, 1260], "FAB-002")
self.assertFalse(result['pass']) # 应该不合格
def test_single_value(self):
"""边界情况：只有一个值"""
result = process_lot([1250], "FAB-003")
self.assertEqual(result['std'], 0) # 标准差为0
self.assertTrue(result['pass']) # 标准差=0算合格
if __name__ == '__main__':
unittest.main()
```
3.3 运行测试
```bash
python test_process_lot.py
```
输出：
```
...
----------------------------------------------------------------------
Ran 3 tests in 0.001s
OK # 全部通过！
```
把test跑失败：在 `process_lot` 里改点什么（比如把 `avg = sum(data) / len(data)` 改成 `avg = sum(data) / 2`），再跑测试看看——你会看到 `FAILED (failures=1)`。
一个好的函数应该有对应的测试。每次改代码，跑一遍测试就知道有没有改坏别的。
---
四、效果对比
| 代码 | 之前 | 之后 |
|------|------|------|
| 排查Bug | 3天 | 5分钟 |
| 上线信心 | "但愿没问题" | "测试全过" |
| 改代码 | 改完忐忑 | 改完跑测试 |
---
五、自己动手
```python
练习：给你自己的函数写测试
第1步：写一个函数
def calc_cpk(data, usl=1253, lsl=1247):
"""计算Cpk"""
avg = sum(data) / len(data)
std = (sum((x - avg)2 for x in data) / (len(data) - 1)) 0.5
return min((usl - avg) / (3 std), (avg - lsl) / (3 std))
第2步：写测试
测试用例1：正常数据，Cpk应该 > 1.0
测试用例2：数据波动很大，Cpk应该 < 1.0
测试用例3：传空列表，应该怎么办？
✏️ 下面写你的代码
```
思考题：
1. 测试文件 `test_xxx.py` 为什么以 `test` 开头？试试改成别的名字
2. 如果函数里用了 `print` 而不是 `return`，能测试吗？
3. 你猜 `self.assertEqual` 和 `assert a == b` 有什么区别？
---
六、常见误区
| 问题 | 表现 | 解决 |
|------|------|------|
| 没写测试就上线 | 线上出Bug才慌 | 写一行测试不费时间 |
| 只有正常情况测试 | 边界条件全漏了 | 想想"最奇怪的数据"也测 |
| assert不写错误信息 | 只看到AssertionError不知道为啥 | `assert x > 0, "x必须大于0"` |
| 测试和生产用不同的逻辑 | 测试过了，上线挂了 | 测试要测真实的函数 |
---
> 💬 你有"查Bug查到崩溃"的经历吗？评论区讲讲
> 📚 收藏+点赞，下篇学面向对象 👆
