Add audio_signal_analysis/tests/test_core.py

audio_signal_analysis/tests/test_core.py

@@ -0,0 +1,51 @@
+import pytest
+import numpy as np
+from audio_signal_analysis import core
+
+
+def make_audio_data(sample_count=10):
+    # Erzeugt synthetische Audiodaten mit gleichmäßig verteilten Timestamps
+    return [{
+        'timestamp': f'2024-06-01T00:{i:02d}:00Z',
+        'audio_level': float(i)
+    } for i in range(sample_count)]
+
+
+def test_analyze_audio_signal_returns_float(mocker):
+    # Mock der Temperaturdaten (internes Lesen wird ggf. innerhalb core realisiert)
+    audio_data = make_audio_data(20)
+    result = core.analyze_audio_signal(audio_data)
+    assert isinstance(result, float), 'Rückgabewert muss float sein.'
+
+
+def test_analyze_audio_signal_value_range():
+    audio_data = make_audio_data(15)
+    corr = core.analyze_audio_signal(audio_data)
+    # Erwartung: Wert liegt typischerweise zwischen -1 und 1
+    assert -1.0 <= corr <= 1.0, 'Korrelationskoeffizient außerhalb des gültigen Bereichs.'
+
+
+def test_analyze_audio_signal_with_minimal_input():
+    # Edge Case: Nur zwei Datenpunkte – minimale sinnvolle Menge zur Korrelation
+    audio_data = make_audio_data(2)
+    result = core.analyze_audio_signal(audio_data)
+    assert isinstance(result, float)
+
+
+def test_analyze_audio_signal_invalid_input():
+    # Fehlerhafte Eingabe (kein numerischer Pegel)
+    invalid_data = [{'timestamp': '2024-06-01T00:00:00Z', 'audio_level': 'not_a_number'}]
+    with pytest.raises((TypeError, ValueError)):
+        core.analyze_audio_signal(invalid_data)
+
+
+def test_analyze_audio_signal_randomized():
+    # Test mit zufallig generierten Audiopegeln, Erwartung: Ergebnis berechenbar
+    np.random.seed(42)
+    audio_data = [{
+        'timestamp': f'2024-06-01T00:{i:02d}:00Z',
+        'audio_level': float(val)
+    } for i, val in enumerate(np.random.randn(50))]
+    corr_val = core.analyze_audio_signal(audio_data)
+    assert isinstance(corr_val, float)
+    assert not np.isnan(corr_val)