测试用例生成|集合4(随机有向无向加权和非加权图)

简介

在软件开发过程中，测试用例是非常重要的一环，可以帮助测试人员和开发人员发现和解决问题。测试用例的生成可以手工编写，也可以通过自动化测试工具生成。

本文将介绍如何使用 Python 生成随机有向/无向、加权或非加权的图测试用例。

环境准备

本文需要使用 Python 3.x 版本，以及以下几个第三方库：

• networkx
• matplotlib

可以通过以下命令进行安装：

pip install networkx
pip install matplotlib

代码实现

导入库

import networkx as nx
import random
import matplotlib.pyplot as plt

生成随机有向图

def random_digraph(num_nodes, num_edges):
    G = nx.DiGraph()
    for i in range(num_nodes):
        G.add_node(i)
    
    for i in range(num_edges):
        u, v = random.sample(range(num_nodes), 2)
        G.add_edge(u, v)
    
    return G

在该函数中，我们通过循环加入节点，再通过随机采样加入边。

生成随机无向图

def random_undirected_graph(num_nodes, num_edges):
    G = nx.Graph()
    for i in range(num_nodes):
        G.add_node(i)
    
    for i in range(num_edges):
        u, v = random.sample(range(num_nodes), 2)
        G.add_edge(u, v)
    
    return G

在该函数中，我们同样通过循环加入节点，但是加入边的时候是无向的。

生成随机加权有向图

def random_weighted_digraph(num_nodes, num_edges):
    G = nx.DiGraph()
    for i in range(num_nodes):
        G.add_node(i)
    
    for i in range(num_edges):
        u, v = random.sample(range(num_nodes), 2)
        weight = random.randint(1, 10)
        G.add_edge(u, v, weight=weight)
    
    return G

在该函数中，我们加入了边的权值属性 weight，权值范围为 1~10。

生成随机加权无向图

def random_weighted_undirected_graph(num_nodes, num_edges):
    G = nx.Graph()
    for i in range(num_nodes):
        G.add_node(i)
    
    for i in range(num_edges):
        u, v = random.sample(range(num_nodes), 2)
        weight = random.randint(1, 10)
        G.add_edge(u, v, weight=weight)
    
    return G

该函数同样加入了边的权值属性 weight，权值范围为 1~10，但是加入的边是无向的。

显示图形

# 绘制有向图
G = random_digraph(10, 15)
nx.draw(G, with_labels=True)
plt.show()

# 绘制无向图
G = random_undirected_graph(10, 15)
nx.draw(G, with_labels=True)
plt.show()

# 绘制有向加权图
G = random_weighted_digraph(10, 15)
labels = nx.get_edge_attributes(G, 'weight')
nx.draw(G, with_labels=True)
nx.draw_networkx_edge_labels(G, pos=nx.spring_layout(G), edge_labels=labels)
plt.show()

# 绘制无向加权图
G = random_weighted_undirected_graph(10, 15)
labels = nx.get_edge_attributes(G, 'weight')
nx.draw(G, with_labels=True)
nx.draw_networkx_edge_labels(G, pos=nx.spring_layout(G), edge_labels=labels)
plt.show()

我们通过定义好的函数生成随机图，并通过 Matplotlib 显示出来。

总结

通过 Python 和 NetworkX 库，我们可以很容易地生成随机的有向无向加权和非加权的图，从而快速生成测试用例。当然，可以根据需求更改代码进行定制化。