Découvrez les capacités de validation des données améliorées de Pydantic V2

Découvrez les capacités de validation des données encore plus avancées de Pydantic V2

Découvrez les nouvelles fonctionnalités et syntaxes de Pydantic V2

Image de jackmac34 sur Pixabay

La validation des données est un élément clé pour des applications robustes dans le domaine en évolution constante de l’ingénierie des données et du développement logiciel. Garantir la propreté et l’exactitude des données est essentiel non seulement pour la fiabilité de l’application, mais aussi pour l’expérience utilisateur.

Pydantic est la bibliothèque de validation de données la plus utilisée pour Python. Le cœur de la dernière version (V2) de Pydantic a été réécrit en Rust et offre des performances bien meilleures que la version précédente. De plus, il y a eu des améliorations majeures des fonctionnalités, telles que le mode strict, la validation sans modèle, la suppression de l’espace de noms du modèle, etc.

Cet article plongera en profondeur dans les dernières fonctionnalités et les performances améliorées des puissantes capacités de validation des données de Pydantic, offrant aux développeurs un ensemble d’outils complet pour toutes sortes de tâches de traitement des données.

Préparation

Pour suivre les exemples de cet article, vous devez installer une version récente de Python (≥ 3.10) et la dernière version de Pydantic V2. Il est recommandé de gérer les différentes versions de Python et des bibliothèques avec un environnement virtuel conda:

conda create -n pydantic2 python=3.11conda activate pydantic2pip install -U pydantic

Utilisation de base

Normalement, avec Pydantic, nous devons d’abord définir le schéma de nos données en utilisant des modèles, qui sont simplement des classes héritant de BaseModel. Dans ces modèles, les types de données de chaque champ sont définis par des indications de type.

from pydantic import BaseModelclass ComputerModel(BaseModel):    brand: str    cpu: str    storage: int    ssd: bool = True

Pour utiliser ce modèle pour la validation, nous pouvons créer une instance en passant les valeurs pour chaque champ:

input_dict = {"brand": "HP", "cpu": "Intel i7 1265U", "storage": "256"}computer = ComputerModel(**input_dict)print(computer)# brand='HP' cpu='Intel i7 1265U' storage=256 ssd=True

Les données de type chaîne pour storage sont converties en entier tel que défini dans le modèle.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

50+ Nouveaux Outils d'Intelligence Artificielle de Pointe (IA) (Septembre 2023)

Les outils d’IA se développent rapidement, avec de nouveaux outils qui sont régulièrement introduits. Découvrez...

AI

Les chercheurs de Stanford introduisent RoboFuME révolutionnant l'apprentissage robotique avec une intervention humaine minimale

Dans de nombreux domaines impliquant l’apprentissage automatique, un paradigme largement couronné de succès pou...

AI

L'ESRB souhaite commencer à utiliser la technologie de reconnaissance faciale pour vérifier l'âge des personnes.

La FTC sollicite maintenant les commentaires du public sur la proposition de l'ESRB.

AI

La lutte pour la réparation

Comment la bataille autour du droit à la réparation penche en faveur des consommateurs.

AI

Construction de structures optiques robustes faites de ténèbres

Une équipe de chercheurs de l'Université de Harvard a utilisé des métasurfaces pour générer et manipuler des régions ...

AI

La RBI s'associe à McKinsey et Accenture pour exploiter l'intelligence artificielle pour la supervision réglementaire.

Dans un mouvement annonçant un changement significatif dans la supervision réglementaire, la Reserve Bank of India (R...