你就快成功了。
你需要的是创建你的dataframe作为一个夹具太.在pytest中，测试函数是独立的，这意味着一个测试不应该依赖于例如。另一个测试的结果。
但是，如果您有一个操作数据的公共流程，并且在几个测试函数之间共享，那么您可以将其放入一个fixture中。所有的测试数据框准备都应该在这里完成。

@pytest.fixture(scope="module")
def fixture_data_frame(spark: SparkSession) -> DataFrame:
    data = # Your data here
    schema = # Your schema here
    df = spark.createDataFrame(data, schema)
    df = df.filter( ... ) # data manipulation

    yield df

字符串
然后，您可以在测试函数中使用fixture_data_frame。因为你可能要使用spark功能，所以你也需要spark SparkSession：

def test_func1(spark, fixture_data_frame):
    # Perform your tests here using the spark session and fixture_data_frame
    assert 1=1 # Perform your testing

def test_func2(spark, fixture_data_frame):
    # Perform other tests here 
    assert 1=1 # Perform your testing

型
编辑：OP评论说，他希望在test_func1中发生的操作在test_func2中可用，而不是作为一个单独的fixture。虽然我认为设计明智的这是错误的，这是一种方法，你可以接近它。您可以通过将第一个测试也转换为一个fixture并在第二个测试中引用它来实现。

@pytest.fixture(scope="module")
def test_func1(spark, fixture_data_frame):
    # Perform your manipulations here
    manipulated_df = fixture_data_frame.filter(...)  # example manipulation
    # Perform your tests here
    assert manipulated_df.count() > 0
    yield manipulated_df

def test_func2(spark, test_func1):
    # test_func1 is now both the manipulated data_frame and the test itself.
    # You can perform additional tests here

型
同样重要的是要澄清，将测试转换为fixture有点违背了常见的测试设计原则，其中测试应该是独立的，并且应该能够以任何顺序运行。

我通过将所有测试函数 Package 在TestClass中并将dataframe创建为类变量来解决它。