Ako zlepšiť prácu s údajmi pomocou tried údajov Pydantic

Syntax:

Jednoduchý, ale efektívny spôsob, ako zlepšiť, ako sú údaje spravované pomocou dátových tried Pydantic v Pythone, je použitie dekorátora tried, pomocou ktorého v podstate vytvárame model, ako by mali naše dáta vyzerať. Je to ako dať našim údajom jasnú štruktúru. Takže syntax na definovanie dátovej triedy je nasledovná:

„model_name“ predstavuje názov modelu, ktorý chceme vytvoriť, a „BaseModel“ od Pydanticu funguje ako strážca, ktorý zaisťuje, že údaje sa riadia pravidlami, ktoré sme nastavili a boli odovzdané modelu ako jeho vstupný parameter. Vo vnútri triedy definujeme, aký druh informácií by mal obsahovať každý údaj. Tento proces zabezpečuje, že pri vytváraní inštancie dátovej triedy sa informácie, ktoré poskytujeme, zhodujú s tým, čo sme definovali.

Metóda 1: Vylepšené spracovanie údajov pomocou triedy údajov Pydantic

Predstavte si, že vyvíjame jednoduchú aplikáciu na usporiadanie informácií o knihách v našej zbierke. Chceme zabezpečiť, aby údaje, ktoré zhromažďujeme na tento účel, boli presné, konzistentné a dobre štruktúrované. Tu zasahujú dátové triedy Pydantic, aby zjednodušili a zlepšili proces.

Počnúc príkladom vyžaduje definovanie Pydantickej dátovej triedy. Začneme teda definovaním dátovej triedy Pydantic s názvom „Knihy“, ktorá predstavuje podrobnosti o Knihách. Aby sme definovali dátovú triedu pre Pydantic, musíme sa uistiť, že všetky balíky Pydantic sú nainštalované pred projektom.

Pomocou dekorátora tried vytvoríme triedu „Kniha“ zdedenú z Pydantic’s BaseModel. Vo vnútri triedy špecifikujeme atribúty ako názov, autor a rok vydania, pričom každý je spojený s príslušným typom údajov.

Po vytvorení modelu triedy využívame dátovú triedu Pydantic, pričom využívame silu dátovej triedy „Kniha“ na spracovanie údajov „filmu“:

V tejto časti napodobňujeme používateľa, ktorý zadáva podrobnosti o knihe. Model dátovej triedy „kniha“ má atribúty ako názov, autor a rok vydania s ich charakteristickými dátovými typmi. Takže v tejto časti, teda „vstup“, špecifikujeme ich hodnoty.

Po špecifikácii podrobností o atribútoch modelu knihy vo vstupe vytvoríme inštanciu „Kniha“ s poskytnutými údajmi pomocou týchto podrobností; toto sa robí, aby sa zabezpečilo, že Pydantic automaticky overí vstup oproti definovanej dátovej štruktúre. Ak dôjde k akejkoľvek nezrovnalosti alebo chybe, napríklad neceločíselný rok vydania alebo chýbajúci názov, Pydantic rýchlo zobrazí chybu spolu s užívateľsky prívetivým vysvetlením.

Pre skúsené vylepšené spracovanie údajov s dátovými triedami Pydantic dostávame vstavaný mechanizmus na overovanie a konzistentnosť údajov. Môžeme začleniť voliteľné polia, predvolené hodnoty a zložité vnorené štruktúry na pokrytie rôznych dátových scenárov. To zaručuje, že naše údaje zostanú usporiadané a správne naformátované.

Tento krok skúma, ako dátové triedy Pydantic ponúkajú vylepšené možnosti spracovania údajov prostredníctvom funkcií, ako sú voliteľné polia, predvolené hodnoty a vnorené štruktúry.

Tu je príklad, v ktorom ukážeme, ako pridať voliteľné polia a predvolené hodnoty:

Predpokladajme, že chceme používateľom umožniť zadávať ďalšie podrobnosti o knihách, ako je žáner a doba spustenia. Tieto podrobnosti však nemusia byť vždy dostupné. Pomocou dátových tried Pydantic to môžeme ľahko dosiahnuť tak, že polia budú voliteľné a dokonca nastavíte predvolené hodnoty.

V tomto príklade dátová trieda „Movie“ obsahuje dve nové polia: jazyk, v ktorom je kniha napísaná, a počet strán. Pole „jazyk“ má predvolenú hodnotu „Neznámy“, čo znamená, že ak používateľ neposkytne tieto podrobnosti, predvolene sa použije „Neznámy“. Pole „počet strán“ je voliteľné a môže zostať prázdne (nastavené na žiadne).

Môžeme skopírovať tieto riadky kódu a vložiť ich do kompilátora, aby sme pozorovali výsledky:

Zahrnutím týchto voliteľných polí a predvolených hodnôt Pydantic zaisťuje, že údaje zostanú dobre štruktúrované a konzistentné, aj keď používatelia neposkytnú určité podrobnosti.

Metóda 2: Spracovanie údajov pomocou Dataclass spoločnosti Pydantic pre registračný formulár študenta

Predstavte si, že robíme registračný formulár na školské podujatie. Ľudia musia zadať svoje informácie a my sa chceme vyhnúť chybám. Tu pomáhajú dátové triedy Pydantic. Dbajú na správnosť údajov a ľahko s nimi narábajú.

Po prinesení potrebných balíkov do projektu Python definujeme dátovú triedu Pydantic vytvorením dátovej triedy Pydantic s názvom „Student“ pre podrobnosti o účastníkovi.

Použite dekoratér triedy na nastavenie triedy „Študent“. Dedí z Pydantic's BaseModel. Vo vnútri pomenovávame atribúty ako meno, e-mail, oddelenie a telefón, pričom každý má svoj typ údajov.

S použitím dátovej triedy Pydantic teraz pracujte s dátovou triedou „Student“ a spravujte údaje študentov:

V tejto časti predstierame, že sa niekto prihlásil. Keď vytvoríme inštanciu „Student“ pomocou ich údajov, Pydantic skontroluje, či sa hodí do štruktúry. Ak sa vyskytne chyba, napríklad e-mail bez „@“ alebo oddelenie bez reťazca, Pydantic sa zastaví a problém vysvetlí.

Vylepšená manipulácia s dátami pomocou dátových tried Pydantic nám poskytuje dáta pripravené na použitie. Môžeme pridať ďalšie polia, nastaviť predvolené hodnoty alebo pracovať s komplexnými nastaveniami údajov. To všetko zaručuje, že naše údaje zostanú usporiadané.

Kód a úryvok výstupu sú pre pozorovanie uvedené nižšie:

Po pozorovaní výstupu môžeme zhrnúť, že dátové triedy Pydantic v tomto jednoduchom príklade umožňujú bezproblémovú manipuláciu s údajmi. Uisťujú sa, že vstup zodpovedá tomu, čo chceme. To znamená menej chýb a šťastnejších používateľov.

Záver

Pydantické dátové triedy integrujú spôsob, akým narábame s údajmi. Zaručujú, že informácie sú presné a zodpovedajú požadovanej štruktúre. To znamená menej chýb a viac bezchybných aplikácií. S Pydantic môžu vývojári venovať svoje úsilie vytváraniu dobre fungujúcich aplikácií bez toho, aby ich rušili obavy z problémov s údajmi. Predstavte si to tak, že máte vyhradeného správcu úloh len na správu údajov, ktorý zaisťuje, že všetko beží hladko od začiatku do konca.