背景：

在公司 C2B2C 的这种业务模式中，C2B 回收流程用户下单的预估价、精准估价、最终质检完成的回收价格、通过天路 B2C 或者 B2B 进入到各个卖场的价格大部分都需要由估价器来提供，在整个业务场景中，估价器系统的稳定性以及给出价格的准确性、可靠性就至关重要了。

估价器系统实现主要有映射关系、公式计算、算法策略等，在测试中主要关注的点有映射逻辑、公式计算、业务逻辑、异常处理、价格的准确度等。

估价器系统中存在很多映射关系，比如：把 sku 的属性映射成估价器所能识别的属性 ，如质检项、估计项的映射；估价项、估价等级的映射；等级、等级价格的映射等等。测试估价的过程一大部分就是对这些映射关系进行测试，初期测试手段主要是通过手动筛选映射关系模板，人工核对代码的输出结果跟筛选的结果是否一致，工作量比较大，重复性强。

目标：

重复的事情简单做，繁琐的事情用心做!

怎么能把重复的事情简单做呢，我们进行了估价器测试方案的讨论，刚开始讨论，我们想到的思路是 QA 自己去写一套代码逻辑，来实现开发实现的效果，这样对于 QA 来说能力和时间都是一个挑战 而且还要后期去迭代，最终被 pass 掉了；那么换一种思路，我们能不能把手动执行的过程通过自动化执行的方式去实现呢，比如手动筛选 excel 的过程是否可以通过自动筛选；比对结果是否可以通过其他手段自动比对呢？如果可以通过自动的方式来实现，那么对于新人来说来测试估价器的需求可以快速的上手，同时也可以同步到团队其他同学，提供工作效率。

调研：

1、常用的两种 excel 的数据筛选模式：

• （1）使用 excel 的函数
• （2）通过 pandas 进行数据分析

2、分析优缺点：

• （1）使用 excel 函数，优点：比较方便；缺点：不利于共享和复用；
• （2）使用 pandas，pandas 是 python 语言的扩展程序库，优点：提供了大量能使我们快速便捷地处理数据的函数和方法 ，python 脚本方便集成平台，大家共享和复用；缺点：需要编写 python 脚本；

既然是一个工具，做到大家都可以使用，那么我们就要考虑更多扩展性和适用性，故选择了第二种模式来实现。

实现：

1、实现思路：

2、实现过程：

（1）python 需要导入的类库

import pandas as pd
import numpy as np

（2）pandas 常用的函数：

• 读取 excel：read_excel py spu_sku_template_excel = pd.read_excel('C:/Users/Administrator/Downloads/spu_sku映射.xlsx',sheet_name="SKU属性映射模板",dtype={'外部参数值Id（若有多个请使用+分隔）':np.str_})
• 筛选：loc

# “等于” 条件筛选
level_price_item = level_price_template.loc[level_price_template['型号'] == model_name]

• “包含” 条件筛选 py foreign_template_item = foreign_template_excel.loc[foreign_template_excel['外部检测值id'].isin(foreign_id)]
• 写入 excel：ExcelWriter py valuation_item_result_writer = pd.ExcelWriter('C:/Users/Administrator/Downloads/估价项列表导出筛选结果_数码.xlsx') valuation_item_result_df.to_excel(valuation_item_result_writer,sheet_name='筛选之后的',index=False) valuation_item_result_writer.close()

（3）pandas 常用的数据结构，对筛选结果进行处理：

• Series：类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型

比方说：获取 “运存容量” 这一列

#运存容量 list
sku_capacity_list =  sku_template_result['运存容量']
sku_capacity_series = pd.Series(sku_capacity_list.values).drop_duplicates()

• DataFrame：一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）

比方说：

#2.根据估价项三级id筛选excel
valuation_item_result_df = valuation_item_excel.loc[valuation_item_excel['3级类id'].isin(foreign_template_item_result_arr)];
valuation_item_result_df = pd.DataFrame(valuation_item_result_df.values)
valuation_item_result_df.columns = valuation_item_excel.columns

3、实现效果：

如：质检报告中 sku 以及对于的 key 值是这些：

sku_list = ['10*27','5135','372','1006','5132','109*59']

sku_key_list = ['7*8','62','5587','101','71','7**0']

python 脚本中通过筛选结果为：

写入到 excel 中结果为：

4、落地效果：

按照原来的模式，一个估价的 case 手动筛选 excel（6 个 excel 模板）的过程大概需要 10 分钟，在估价器接入新品类和新质检的项目中，我们通过自动筛选的方式，需要不到 1 分钟的时间，大大缩短了人工筛选匹配所投入的精力，提高了覆盖率和准确性。

5、后期完善内容：

（1）提供更好的交互，通过前端页面将比对结果进行展示，推广使用；

（2）目前为手动下载 excel 映射关系，可以根据条件自动下载 excel。

总结

在平时业务测试过程中，总是会遇到相同的业务反复测试，总是会遇到重复的动作反复执行，如何践行 “复杂的事情简单做，繁琐的事情用心做”，提高测试效率，也是一名 QA 成长之路必备的能力之一。

如果喜欢我们的文章，请微信公众号搜索 “转转 QA”，关注我们吧～