def test_group_cols():
    df = rank(data,
              value_cols=['VALUE_1', 'VALUE_2'],
              group_cols='YEAR',
              method='average')
    expected = pd.DataFrame([{
        'VALUE_1_rank': 1.0,
        'VALUE_2_rank': 2.5
    }, {
        'VALUE_1_rank': 2.0,
        'VALUE_2_rank': 1.0
    }, {
        'VALUE_1_rank': 1.0,
        'VALUE_2_rank': 2.0
    }, {
        'VALUE_1_rank': 2.0,
        'VALUE_2_rank': 1.0
    }, {
        'VALUE_1_rank': 4.0,
        'VALUE_2_rank': 4.0
    }, {
        'VALUE_1_rank': 3.0,
        'VALUE_2_rank': 2.5
    }, {
        'VALUE_1_rank': 3.0,
        'VALUE_2_rank': 4.0
    }, {
        'VALUE_1_rank': 4.0,
        'VALUE_2_rank': 3.0
    }])
    assert df[['VALUE_1_rank', 'VALUE_2_rank']].equals(expected)
def test_empty_group_cols():
    df = rank(data, value_cols=['VALUE_1', 'VALUE_2'])
    expected = pd.DataFrame([{
        'VALUE_1_rank': 1,
        'VALUE_2_rank': 2
    }, {
        'VALUE_1_rank': 3,
        'VALUE_2_rank': 1
    }, {
        'VALUE_1_rank': 1,
        'VALUE_2_rank': 6
    }, {
        'VALUE_1_rank': 4,
        'VALUE_2_rank': 4
    }, {
        'VALUE_1_rank': 7,
        'VALUE_2_rank': 4
    }, {
        'VALUE_1_rank': 5,
        'VALUE_2_rank': 2
    }, {
        'VALUE_1_rank': 6,
        'VALUE_2_rank': 8
    }, {
        'VALUE_1_rank': 7,
        'VALUE_2_rank': 7
    }])
    assert df[['VALUE_1_rank', 'VALUE_2_rank']].equals(expected)
Beispiel #3
0
def test_empty_rank_cols_names():
    df = rank(data, value_cols='VALUE_1')
    assert df.columns[-1] == 'VALUE_1_rank'
Beispiel #4
0
def test_invalid_value_col_type():
    with pytest.raises(TypeError):
        rank(data, value_cols='ENTITY')