Ir para o conteúdo

Testes

Teste do Extrator_Desmatamento

Objetivo do Teste:

Verificar se a lógica de extração de desmatamento e a criação de arquivos JSON para cada município estão funcionando corretamente.

Configuração Inicial

  • Foi criado um DataFrame de exemplo dados_desmatamento contendo dados fictícios.
  • Foi criado um diretório temporário temp_dados_desmatamento_json para armazenar os arquivos JSON gerados durante o teste.

Teste 1: Agrupamento de Dados e Criação de Arquivos JSON

  • Passos

    • Os dados no DataFrame foram agrupados por município.
    • Para cada município, foram removidas as colunas "bioma" e "id" dos dados.
    • Foi adicionada a chave "nome_municipio" aos dados.
    • Foi criado um arquivo JSON para cada município no diretório temporário.

  • Expectativas

    • Os arquivos JSON devem ser criados corretamente para cada município.
    • Os arquivos JSON devem conter os dados esperados.

Teste 2: Verificação dos Resultados

  • Passos

    • Cada arquivo JSON foi lido e os dados foram comparados com os dados originais.

  • Expectativas

    • Cada arquivo JSON deve existir no diretório temporário.
    • O conteúdo de cada arquivo JSON deve corresponder aos dados originais após a remoção das colunas "bioma" e "id".

Configuração Final

O diretório temporário foi removido após a conclusão do teste.

Resultado do Teste

  • O teste foi executado com sucesso, e todas as expectativas foram atendidas.
  • Os arquivos JSON foram criados corretamente, e o conteúdo de cada arquivo correspondeu aos dados originais.

Observações Adicionais

  • Este teste cobre a criação de arquivos JSON para cada município e a verificação de seus conteúdos.
  • A lógica de agrupamento e criação de arquivos foi encapsulada em funções, tornando o teste mais modular e facilitando futuras manutenções.

Teste do site_data

Objetivo

O objetivo deste teste é verificar se o segundo extrator (site_data.py) está funcionando corretamente ao criar o arquivo JSON contendo dados gerais, incluindo detalhes por município e um ranking de desmatamento.

Configuração

  • Um diretório temporário é criado para armazenar os arquivos JSON (setUp).
  • O teste simula dados gerais para dois municípios com detalhes e ranking de desmatamento para os anos de 2020 e 2021 (test_segundo_extrator).
  • O arquivo JSON é criado pelo segundo extrator simulado (test_segundo_extrator).
  • Verifica-se se o arquivo JSON foi criado corretamente (test_segundo_extrator).
  • O conteúdo do arquivo JSON é lido e comparado com os dados gerais simulados para garantir que corresponda ao esperado (test_segundo_extrator).
  • O diretório temporário é removido após o teste (tearDown).

Resultados

  1. Criação do Diretório Temporário

    • Sucesso: O diretório temporário para armazenar os arquivos JSON foi criado corretamente.

  2. Simulação do Segundo Extrator

    • Sucesso: Os dados gerais, incluindo detalhes por município e ranking de desmatamento, foram simulados com sucesso.

  3. Criação do Arquivo JSON

    • Sucesso: O arquivo JSON foi criado pelo segundo extrator simulado.

  4. Verificação da Existência do Arquivo JSON

    • Sucesso: O arquivo JSON foi encontrado no diretório especificado.

  5. Comparação do Conteúdo do Arquivo JSON

    • Sucesso: O conteúdo do arquivo JSON corresponde aos dados gerais simulados.

Conclusão

O teste do segundo extrator foi bem-sucedido, indicando que o extrator está criando o arquivo JSON esperado com os dados gerais, detalhes por município e ranking de desmatamento. O código do segundo extrator está funcionando conforme o esperado, com base nos dados simulados neste teste.

Robustez do extrator

Objetivo do Teste

O objetivo principal do teste foi avaliar a robustez do extrator Desmatazonia, especialmente em relação ao tratamento de dados faltantes em conjuntos de dados variados.

Configuração do Teste

  • Conjunto de Dados: Utilizou-se um conjunto de dados representativo da região amazônica.
  • Campos de Interesse: Foram analisados campos como "ano", "area_total", "desmatado", "vegetacao_natural", "nao_vegetacao_natural", "hidrografia", e "nome_municipio".
  • Ferramentas: O extrator foi executado em um ambiente virtualizado com Python 3.8 e bibliotecas relevantes instaladas.

Resultados do Teste

  • Identificação de Dados Faltantes:

    • O extrator demonstrou capacidade em identificar corretamente os dados faltantes nos itens 4 e 7 do conjunto de dados.

  • Campos com Dados Faltantes:

    • Os campos "desmatado" e "area_total" foram destacados como potenciais para terem dados faltantes, conforme evidenciado nos itens 4 e 7.

  • Manuseio de Dados Faltantes:

    • Atualmente, o extrator não preenche automaticamente os campos com dados faltantes. Sugere-se incluir uma funcionalidade para preenchimento automático ou notificação ao usuário.

  • Tratamento de Dados Nulos:

    • Recomenda-se considerar diferentes estratégias para tratar dados faltantes, como substituição por um valor padrão, interpolação com base em dados existentes ou remoção de entradas.

Prints do Teste

  • Dados faltantes (item 4):

    {
  "ano": 2020,
  "area_total": 11427,
  "desmatado": null,
  "vegetacao_natural": 8594.0,
  "nao_vegetacao_natural": 2.3,
  "hidrografia": 1556.5,
  "nome_municipio": "Manaus"
}

  • Dados faltantes (item 7):

    {
  "ano": 2021,
  "area_total": null,
  "desmatado": 996.0,
  "vegetacao_natural": 1521.7,
  "nao_vegetacao_natural": 1128.9,
  "hidrografia": 2305.4,
  "nome_municipio": "Parintins"
}

Conclusões

O teste de robustez revelou que o extrator Desmatazonia é capaz de identificar dados faltantes, mas atualmente não trata automaticamente esses dados. Recomenda-se implementar melhorias para tornar o extrator mais resiliente a dados incompletos, proporcionando uma experiência mais confiável aos usuários.