如何针对使用 matplotlib 的代码编写单元测试？

我正在开发一个 python (2.7) 程序，它生成许多不同的 matplotlib 图形（数据不是随机的）。我愿意实施一些测试（使用单元测试）以确保生成的数字是正确的。例如，我将预期的图形（数据或图像）存储在某个地方，运行我的函数并将结果与​​参考进行比较。有没有办法做到这一点 ？

In my 经验 http://stanford.edu/~mwaskom/software/seaborn/，图像比较测试最终会带来比其价值更多的麻烦。如果您想要跨多个系统（例如 TravisCI）运行持续集成，而这些系统的字体或可用绘图后端可能略有不同，则尤其如此。即使功能完美正确地工作，保持测试通过也可能需要做很多工作。此外，这种测试方式需要将图像保留在 git 存储库中，如果您经常更改代码，这可能会很快导致存储库膨胀。

我认为更好的方法是 (1) 假设 matplotlib 实际上会正确绘制图形，并且 (2) 对绘图函数返回的数据运行数值测试。 （您也可以随时在Axes如果您知道去哪里查看，则反对。）

例如，假设您想测试一个像这样的简单函数：

import numpy as np
import matplotlib.pyplot as plt
def plot_square(x, y):
    y_squared = np.square(y)
    return plt.plot(x, y_squared)

你的单元测试可能看起来像

def test_plot_square1():
    x, y = [0, 1, 2], [0, 1, 2]
    line, = plot_square(x, y)
    x_plot, y_plot = line.get_xydata().T
    np.testing.assert_array_equal(y_plot, np.square(y))

或者，等价地，

def test_plot_square2():
    f, ax = plt.subplots()
    x, y = [0, 1, 2], [0, 1, 2]
    plot_square(x, y)
    x_plot, y_plot = ax.lines[0].get_xydata().T
    np.testing.assert_array_equal(y_plot, np.square(y))