Как тестировать аналитические расчёты на Python и pandas

Коротко

Тест аналитического кода проверяет не стиль Python, а смысл результата: правильный знаменатель, уникальность пользователя, границы периода и ожидаемое поведение на маленьком наборе данных. Начать можно с нескольких DataFrame и обычных `assert`, а затем вынести проверки в pytest.

• Пиши маленький тестовый датасет, где ответ можно посчитать вручную.
• Проверяй не только тип и форму, но и конкретные значения метрики.
• Отдельно тестируй крайние случаи: пустой период, дубликаты, пропуски и нулевой знаменатель.
• Тесты должны быть независимыми от реального CSV и текущей даты.

Сначала вынеси расчёт в функцию

Код в ячейке сложно проверить, если он одновременно читает файл, фильтрует даты и рисует график. Вынеси бизнес-правило в функцию с DataFrame на входе. Тогда тест сможет передать маленький набор строк и сравнить результат с ожидаемым.

import pandas as pd

def calculate_dau(events: pd.DataFrame) -> pd.DataFrame:
    active = events.loc[events['event_name'].eq('core_action')].copy()
    active['event_date'] = pd.to_datetime(active['occurred_at']).dt.date
    return (
        active.groupby('event_date', as_index=False)
        .agg(dau=('user_id', 'nunique'))
        .sort_values('event_date')
    )

Контрольный датасет должен быть маленьким и хитрым

Четыре строки, где каждый пользователь совершает действие один раз, проверяют только счастливый путь. Добавь повторное событие одного пользователя, событие другого типа, следующий день и пользователя с пропуском. Такой набор лучше ловит ошибку `count` вместо `nunique` и неправильный фильтр.

events = pd.DataFrame({
    'user_id': [1, 1, 2, 3, 3],
    'occurred_at': [
        '2026-08-01 10:00', '2026-08-01 10:05',
        '2026-08-01 11:00', '2026-08-01 12:00',
        '2026-08-02 09:00',
    ],
    'event_name': ['core_action', 'core_action', 'login', 'core_action', 'core_action'],
})

actual = calculate_dau(events)
expected = pd.DataFrame({
    'event_date': [pd.to_datetime('2026-08-01').date(), pd.to_datetime('2026-08-02').date()],
    'dau': [2, 1],
})
pd.testing.assert_frame_equal(actual.reset_index(drop=True), expected)

Что проверять кроме одного числа

Для метрики важны структура и инварианты. DAU не может быть больше числа уникальных пользователей в исходном срезе. Выручка после фильтра paid не должна стать отрицательной. Доля групп должна складываться в 100% с оговоркой на округление. Такие проверки переживают изменение конкретных значений.

pytest делает тесты частью запуска

Когда функций становится больше, тесты удобно хранить отдельно и запускать одной командой. `pytest` покажет, какой сценарий сломался. Для аналитика особенно полезны читаемые имена: по названию должно быть ясно, какую бизнес-ошибку защищает тест.

def test_dau_counts_unique_users_per_day():
    events = make_events_for_two_days()

    result = calculate_dau(events)

    assert result.loc[result['event_date'].eq(date(2026, 8, 1)), 'dau'].item() == 2
    assert result['dau'].sum() == 3