from fastapi.testclient import TestClient from app.main import app import logging from sqlalchemy import create_engine, text import os client = TestClient(app) def test_root(): response = client.get("/") assert response.status_code == 200 assert response.json() == {"message":"Welcome to the FUTURISYS HR predictor API"} def test_predict_valid(): payload = { "Genre": "M", "Statut Marital": "Marié(e)", "Département": "Consulting", "Poste": "Consultant", "Domaine d'étude": "Infra & Cloud", "Fréquence de déplacement": "Occasionnel", "Heures supplémentaires": "Non", "Âge": 32, "Revenu mensuel": 4883, "Nombre d'expériences précédentes": 1, "Années d'expérience totale": 10, "Années dans l'entreprise": 10, "Années dans le poste actuel": 4, "Nombre de formations suivies": 3, "Distance domicile-travail": 7, "Niveau d'éducation": 2, "Années depuis la dernière promotion": 1, "Années sous responsable actuel": 1, "Satisfaction environnement": 4, "Note évaluation précédente": 3, "Satisfaction nature du travail": 3, "Satisfaction équipe": 1, "Satisfaction équilibre pro/perso": 3, "Note évaluation actuelle": 3, "Augmentation salaire précédente": "18%" } response = client.post("/predict", json=payload) data = response.json() assert response.status_code == 200 assert data["statut_employe"] == "The staff has a LOW probability of resigning" assert data["probability_score"] == 0.28 assert data["model_threshold"] == 0.37 # Top 5 SHAP factors factors = data["top_5_factors"] assert list(factors.keys()) == [ "revenu_mensuel", "annees_dans_l_entreprise", "statut_marital_Célibataire", "distance_domicile_travail", "overall_satisfaction" ] # Interpretations assert factors["revenu_mensuel"]["interpretation"] == "Primary driver — decreases resignation risk" assert factors["annees_dans_l_entreprise"]["interpretation"] == "Strong factor — decreases resignation risk" assert factors["statut_marital_Célibataire"]["interpretation"] == "Moderate factor — decreases resignation risk" assert factors["distance_domicile_travail"]["interpretation"] == "Contributing factor — decreases resignation risk" assert factors["overall_satisfaction"]["interpretation"] == "Notable factor — decreases resignation risk" # Feature values assert factors["revenu_mensuel"]["feature_value"] == 4883.0 assert factors["annees_dans_l_entreprise"]["feature_value"] == 10.0 assert factors["statut_marital_Célibataire"]["feature_value"] == "encoded" assert factors["distance_domicile_travail"]["feature_value"] == 7.0 assert factors["overall_satisfaction"]["feature_value"] == 2.75 class Test_Predict_422: def test_predict_422_wrong_input(self): payload = { "Genre": "X", # INSERTION OF WRONG INPUT F OR M "Statut Marital": "Marié(e)", "Département": "Consulting", "Poste": "Consultant", "Domaine d'étude": "Infra & Cloud", "Fréquence de déplacement": "Occasionnel", "Heures supplémentaires": "Non", "Âge": 32, "Revenu mensuel": 4883, "Nombre d'expériences précédentes": 1, "Années d'expérience totale": 10, "Années dans l'entreprise": 10, "Années dans le poste actuel": 4, "Nombre de formations suivies": 3, "Distance domicile-travail": 7, "Niveau d'éducation": 2, "Années depuis la dernière promotion": 1, "Années sous responsable actuel": 1, "Satisfaction environnement": 4, "Note évaluation précédente": 3, "Satisfaction nature du travail": 3, "Satisfaction équipe": 1, "Satisfaction équilibre pro/perso": 3, "Note évaluation actuelle": 3, "Augmentation salaire précédente": "18%" } response = client.post("/predict", json=payload) assert response.status_code == 422 def test_predict_422_wrong_type_str(self): payload = { "Genre": "M", "Statut Marital": "Marié(e)", "Département": "Consulting", "Poste": "Consultant", "Domaine d'étude": "Infra & Cloud", "Fréquence de déplacement": "Occasionnel", "Heures supplémentaires": "Non", "Âge": "trente", #EXPECTED INT "Revenu mensuel": 4883, "Nombre d'expériences précédentes": 1, "Années d'expérience totale": 10, "Années dans l'entreprise": 10, "Années dans le poste actuel": 4, "Nombre de formations suivies": 3, "Distance domicile-travail": 7, "Niveau d'éducation": 2, "Années depuis la dernière promotion": 1, "Années sous responsable actuel": 1, "Satisfaction environnement": 4, "Note évaluation précédente": 3, "Satisfaction nature du travail": 3, "Satisfaction équipe": 1, "Satisfaction équilibre pro/perso": 3, "Note évaluation actuelle": 3, "Augmentation salaire précédente": "18%" } response = client.post("/predict", json=payload) assert response.status_code == 422 def test_predict_422_wrong_type_int(self): payload = { "Genre": "M", "Statut Marital": "Marié(e)", "Département": "Consulting", "Poste": "Consultant", "Domaine d'étude": "Infra & Cloud", "Fréquence de déplacement": "Occasionnel", "Heures supplémentaires": "Non", "Âge": 32, "Revenu mensuel": 4883.12,#WRONG TYPE, should be int "Nombre d'expériences précédentes": 1, "Années d'expérience totale": 10, "Années dans l'entreprise": 10, "Années dans le poste actuel": 4, "Nombre de formations suivies": 3, "Distance domicile-travail": 7, "Niveau d'éducation": 2, "Années depuis la dernière promotion": 1, "Années sous responsable actuel": 1, "Satisfaction environnement": 4, "Note évaluation précédente": 3, "Satisfaction nature du travail": 3, "Satisfaction équipe": 1, "Satisfaction équilibre pro/perso": 3, "Note évaluation actuelle": 3, "Augmentation salaire précédente": "18%" } response = client.post("/predict", json=payload) assert response.status_code == 422 def test_predict_422_incomplete_json(self): payload = { "Genre": "M", "Statut Marital": "Marié(e)", "Département": "Consulting", "Poste": "Consultant", "Domaine d'étude": "Infra & Cloud", "Fréquence de déplacement": "Occasionnel", "Heures supplémentaires": "Non", "Âge": 32, "Revenu mensuel": 4883, "Nombre d'expériences précédentes": 1, "Années d'expérience totale": 10, "Années dans l'entreprise": 10, "Années dans le poste actuel": 4, "Nombre de formations suivies": 3, "Niveau d'éducation": 2, #MISSING "Distance domicile-travail" "Années depuis la dernière promotion": 1, "Années sous responsable actuel": 1, "Satisfaction environnement": 4, "Note évaluation précédente": 3, "Satisfaction nature du travail": 3, "Satisfaction équipe": 1, "Satisfaction équilibre pro/perso": 3, "Note évaluation actuelle": 3, "Augmentation salaire précédente": "18%" } response = client.post("/predict", json=payload) assert response.status_code == 422 def test_logging(caplog): payload = { "Genre": "M", "Statut Marital": "Marié(e)", "Département": "Logistique", #check wrong department "Poste": "Consultant", "Domaine d'étude": "Infra & Cloud", "Fréquence de déplacement": "Occasionnel", "Heures supplémentaires": "Non", "Âge": 32, "Revenu mensuel": 4883, "Nombre d'expériences précédentes": 1, "Années d'expérience totale": 10, "Années dans l'entreprise": 10, "Années dans le poste actuel": 4, "Nombre de formations suivies": 3, "Distance domicile-travail": 7, "Niveau d'éducation": 2, "Années depuis la dernière promotion": 1, "Années sous responsable actuel": 1, "Satisfaction environnement": 4, "Note évaluation précédente": 3, "Satisfaction nature du travail": 3, "Satisfaction équipe": 1, "Satisfaction équilibre pro/perso": 3, "Note évaluation actuelle": 3, "Augmentation salaire précédente": "18%" } with caplog.at_level(logging.WARNING): response = client.post("/predict", json=payload) assert response.status_code == 200 # l'API répond quand même assert "Unknown value 'Logistique' for column 'departement'" in caplog.text def test_predict_by_id_valid(): response = client.get("/predict/1") data=response.json() assert response.status_code==200 assert "statut_employe" in data assert "probability_score" in data assert "top_5_factors" in data def test_predict_by_id_not_found(): response = client.get("/predict/99999") assert response.status_code == 404 assert response.json()["detail"] == "Employee ID not found in database" engine_test = create_engine(os.getenv("DATABASE_URL")) PAYLOAD = { "Genre": "M", "Statut Marital": "Marié(e)", "Département": "Consulting", "Poste": "Consultant", "Domaine d'étude": "Infra & Cloud", "Fréquence de déplacement": "Occasionnel", "Heures supplémentaires": "Non", "Âge": 32, "Revenu mensuel": 4883, "Nombre d'expériences précédentes": 1, "Années d'expérience totale": 10, "Années dans l'entreprise": 10, "Années dans le poste actuel": 4, "Nombre de formations suivies": 3, "Distance domicile-travail": 7, "Niveau d'éducation": 2, "Années depuis la dernière promotion": 1, "Années sous responsable actuel": 1, "Satisfaction environnement": 4, "Note évaluation précédente": 3, "Satisfaction nature du travail": 3, "Satisfaction équipe": 1, "Satisfaction équilibre pro/perso": 3, "Note évaluation actuelle": 3, "Augmentation salaire précédente": "18%" } class TestDatabase: def test_json_logs_to_test_table(self): with engine_test.connect() as conn: before = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar() client.post("/predict", json=PAYLOAD) with engine_test.connect() as conn: after = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar() assert after == before + 1 def test_prod_table_not_touched(self): with engine_test.connect() as conn: before = conn.execute(text("SELECT COUNT(*) FROM predictions_log")).scalar() client.post("/predict", json=PAYLOAD) with engine_test.connect() as conn: after = conn.execute(text("SELECT COUNT(*) FROM predictions_log")).scalar() assert after == before def test_predict_by_id_logs_to_test_table(self): with engine_test.connect() as conn: before = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar() client.get("/predict/1") with engine_test.connect() as conn: after = conn.execute(text("SELECT COUNT(*) FROM predictions_log_test")).scalar() assert after == before + 1 def test_predictions_log_test_schema(self): with engine_test.connect() as conn: cols = conn.execute(text(""" SELECT column_name FROM information_schema.columns WHERE table_name = 'predictions_log_test' """)).scalars().all() assert "id_employee" in cols assert "prediction" in cols assert "probability_score" in cols assert "timestamp" in cols assert "primary_driver" in cols def test_employees_full_schema(self): with engine_test.connect() as conn: result = conn.execute(text(""" SELECT column_name, data_type FROM information_schema.columns WHERE table_name = 'employees_full' """)).fetchall() col_types = {row[0]: row[1] for row in result} assert col_types["age"] == "bigint" assert col_types["revenu_mensuel"] == "bigint" assert col_types["nombre_experiences_precedentes"] == "bigint" assert col_types["annee_experience_totale"] == "bigint" assert col_types["annees_dans_l_entreprise"] == "bigint" assert col_types["annees_dans_le_poste_actuel"] == "bigint" assert col_types["nb_formations_suivies"] == "bigint" assert col_types["distance_domicile_travail"] == "bigint" assert col_types["niveau_education"] == "bigint" assert col_types["annees_depuis_la_derniere_promotion"] == "bigint" assert col_types["annes_sous_responsable_actuel"] == "bigint" assert col_types["satisfaction_employee_environnement"] == "bigint" assert col_types["satisfaction_employee_equipe"] == "bigint" assert col_types["satisfaction_employee_nature_travail"] == "bigint" assert col_types["satisfaction_employee_equilibre_pro_perso"] == "bigint" assert col_types["note_evaluation_precedente"] == "bigint" assert col_types["note_evaluation_actuelle"] == "bigint" assert col_types["genre"] == "text" assert col_types["departement"] == "text" assert col_types["poste"] == "text" assert col_types["statut_marital"] == "text" assert col_types["domaine_etude"] == "text" assert col_types["frequence_deplacement"] == "text" assert col_types["heure_supplementaires"] == "text" assert col_types["augementation_salaire_precedente"] == "text"