תחביר:
דרך פשוטה אך יעילה לשפר את אופן ניהול הנתונים באמצעות מחלקות הנתונים של Pydantic ב-Python היא על ידי שימוש במעצב המחלקה שבעזרתו אנחנו בעצם יוצרים מודל לאיך הנתונים שלנו צריכים להיראות. זה כמו לתת לנתונים שלנו מבנה ברור. אז, התחביר להגדרת מחלקת הנתונים הוא כדלקמן:
מעמד שם המודל ( דגם בסיס )
ה-'model_name' מציג את שם המודל שברצוננו ליצור וה-'BaseModel' מבית Pydantic מתנהג כמו שומר שמבטיח שהנתונים פועלים לפי הכללים שקבענו ומועברים למודל כפרמטר הקלט שלו. בתוך הכיתה, אנו מגדירים איזה סוג של מידע כל פיסת נתונים צריכה להכיל. תהליך זה מוודא שכאשר אנו יוצרים מופע של מחלקת הנתונים, המידע שאנו מספקים תואם למה שהגדרנו.
שיטה 1: טיפול בנתונים משופר עם Dataclass של Pydantic
תארו לעצמכם שאנחנו מפתחים אפליקציה פשוטה לארגון המידע על הספרים באוסף שלנו. אנו רוצים להבטיח שהנתונים שאנו אוספים למטרה זו יהיו מדויקים, עקביים ובנויים היטב. זה המקום שבו מחלקות נתונים של Pydantic נכנסים לפשט ולשפר את התהליך.
התחלה מהדוגמה דורשת הגדרת Pydantic Dataclass. אז, אנו מתחילים בהגדרת מחלקת נתונים Pydantic בשם 'Books' המייצגת את פרטי הספרים. כדי להגדיר את מחלקת הנתונים עבור Pydantic, עלינו לוודא שכל החבילות של Pydantic מותקנות לפני הפרויקט.
מ פידנטי יְבוּא דגם בסיס
באמצעות מעצב הכיתה, אנו יוצרים את הכיתה 'ספר' שיורשת מ-BaseModel של Pydantic. בתוך המחלקה, אנו מציינים את התכונות כמו כותרת, מחבר ו-release_year, כל אחת משויכת לסוג הנתונים המתאים לה.
מעמד סֵפֶר ( דגם בסיס ) :כותרת: str
מְחַבֵּר: str
שנת_שחרור: int
לאחר יצירת מודל מחלקה, אנו משתמשים ב-Pydantic dataclass, ולוקחים את הכוח של מחלקת הנתונים 'Book' כדי לטפל בנתוני 'הסרט':
בחלק זה, אנו מחקים משתמש שמזין את הפרטים לגבי הספר. למודל של מחלקת הנתונים 'ספר' יש את התכונות כמו כותרת, מחבר ושנת פרסום עם סוגי הנתונים הייחודיים שלהם. אז בחלק זה, כלומר 'קלט', אנו מציינים את הערכים שלהם.
קֶלֶט = {'כותרת' : 'סובל' ,
'מְחַבֵּר' : 'אדם' ,
'שנת_שחרור' : 2023
}
לאחר מפרט הפרטים על תכונות מודל הספר בקלט, אנו יוצרים מופע 'ספר' עם הנתונים שסופקו תוך שימוש בפרטים אלה; זה נעשה כדי להבטיח ש- Pydantic מאמת אוטומטית את הקלט מול מבנה הנתונים שהוגדר. אם יש חוסר עקביות או טעות, כמו שנת יציאה ללא מספר שלם או כותר חסר, Pydantic מעלה במהירות שגיאה יחד עם הסבר ידידותי למשתמש.
לְנַסוֹת :סֵפֶר = סֵפֶר ( ** קֶלֶט )
הדפס ( 'פרטי הספר:' , סֵפֶר. כותרת , סֵפֶר. מְחַבֵּר , סֵפֶר. שנת_שחרור )
מלבד יוצא מן הכלל כפי ש זה:
הדפס ( 'שְׁגִיאָה:' , זה )
עבור טיפול משופר בנתונים המנוסה עם מחלקות נתונים של Pydantic, אנו מקבלים מנגנון מובנה לאימות נתונים ועקביות. אנו יכולים לשלב את השדות האופציונליים, ערכי ברירת המחדל והמבנים המקוננים המורכבים כדי לכסות את תרחישי הנתונים השונים. זה מבטיח שהנתונים שלנו יישארו מאורגנים ומעוצבים בצורה נכונה.
שלב זה בוחן כיצד מחלקות הנתונים של Pydantic מציעות יכולות משופרות לטיפול בנתונים באמצעות תכונות כמו שדות אופציונליים, ערכי ברירת מחדל ומבנים מקוננים.
להלן דוגמה שבה אנו מראים כיצד להוסיף את השדות האופציונליים וערכי ברירת המחדל:
נניח שאנו רוצים לאפשר למשתמשים להזין את הפרטים הנוספים על הספרים כגון הז'אנר וזמן הריצה. עם זאת, ייתכן שלא תמיד פרטים אלה יהיו זמינים. עם מחלקות נתונים Pydantic, נוכל להשיג זאת בקלות על ידי הפיכת השדות לאופציונליים ואפילו הגדרת ערכי ברירת המחדל.
בדוגמה זו, מחלקת הנתונים 'סרט' כוללת שני שדות חדשים: השפה שבה כתוב הספר ומספר העמודים. לשדה 'שפה' יש ערך ברירת מחדל של 'לא ידוע' המציין שאם המשתמש לא מספק את הפרטים האלה, ברירת המחדל שלו היא 'לא ידוע'. השדה 'מספר עמודים' הוא אופציונלי וניתן להשאירו ריק (להגדיר ללא).
מ פידנטי יְבוּא דגם בסיסמעמד סֵפֶר ( דגם בסיס ) :
כותרת: str
מְחַבֵּר: str
שנת_שחרור: int
שפה: str = 'לא ידוע'
דפים: int = אף אחד
קֶלֶט = {
'כותרת' : 'סובל' ,
'מְחַבֵּר' : 'אדם' ,
'שנת_שחרור' : 2023 ,
'שפה' : 'אנגלית' ,
'עמודים' : 2. 3. 4
}
סֵפֶר = סֵפֶר ( ** קֶלֶט )
הדפס ( 'פרטי הספר:' , סֵפֶר. כותרת , סֵפֶר. מְחַבֵּר , סֵפֶר. שנת_שחרור , סֵפֶר. שפה , סֵפֶר. דפים )
אנו עשויים להעתיק את שורות הקוד האלה ולהדביק אותן במהדר כדי לצפות בתוצאות:
מ פידנטי יְבוּא דגם בסיסמעמד סֵפֶר ( דגם בסיס ) :
כותרת: str
מְחַבֵּר: str
שנת_שחרור: int
קֶלֶט = {
'כותרת' : 'סובל' ,
'מְחַבֵּר' : 'אדם' ,
'שנת_שחרור' : 2023
}
# יצירת מופע ספר
לְנַסוֹת :
סֵפֶר = סֵפֶר ( ** קֶלֶט )
הדפס ( 'פרטי הספר:' , סֵפֶר. כותרת , סֵפֶר. מְחַבֵּר , סֵפֶר. שנת_שחרור )
מלבד יוצא מן הכלל כפי ש זה:
הדפס ( 'שְׁגִיאָה:' , זה )
על ידי הכללת שדות אופציונליים אלה וערכי ברירת מחדל, Pydantic מבטיח שהנתונים יישארו מובנים היטב ועקביים גם אם המשתמשים לא מספקים פרטים מסוימים.
שיטה 2: טיפול בנתונים עם ה-Dataclass של Pydantic עבור טופס ההרשמה לסטודנטים
דמיינו שאנחנו מכינים טופס הרשמה לאירוע בית ספרי. אנשים צריכים להזין את המידע שלהם, ואנחנו רוצים להימנע מטעויות. זה המקום שבו מחלקות הנתונים של Pydantic עוזרות. הם מוודאים שהנתונים נכונים ומטפלים בהם בקלות.
לאחר הבאת החבילות הדרושות לפרויקט Python, אנו מגדירים מחלקת נתונים Pydantic על ידי יצירת מחלקת נתונים Pydantic הנקראת 'סטודנט' עבור פרטי המשתתפים.
מ פידנטי יְבוּא דגם בסיסהשתמש במעצב הכיתה כדי להגדיר את הכיתה 'תלמיד'. זה יורש מה-BaseModel של Pydantic. בפנים, אנו שמות את התכונות כמו שם, דוא'ל, מחלקה וטלפון, כל אחד עם סוג הנתונים שלו.
מעמד סטוּדֶנט ( דגם בסיס ) :שֵׁם: str
אימייל : str
מַחלָקָה: str
טלפון: str
עם השימוש במחלקת הנתונים Pydantic כעת, עבדו עם מחלקת הנתונים 'סטודנטים' כדי לנהל את נתוני התלמידים:
מידע = {'שֵׁם' : 'XYZ' ,
'אימייל' : 'xyz@student.com' ,
'מַחלָקָה' : 'אנדרו' ,
'טלפון' : '0003-4567234'
}
בחלק זה, אנו מעמידים פנים שמישהו נרשם. כאשר אנו יוצרים מופע 'סטודנט' באמצעות הנתונים שלהם, Pydantic בודק אם הוא מתאים למבנה. אם יש שגיאה, כמו אימייל ללא '@' או מחלקה שאינה מחרוזת, Pydantic עוצרת ומסבירה את הבעיה.
סטוּדֶנט = סטוּדֶנט ( **מידע )הדפס ( 'פרטי תלמיד:' , סטוּדֶנט )
הטיפול המשופר בנתונים באמצעות מחלקות נתונים של Pydantic נותן לנו נתונים מוכנים לשימוש. אנחנו יכולים להוסיף שדות נוספים, להגדיר את ברירת המחדל או לעבוד עם הגדרות נתונים מורכבות. כל זה מבטיח שהנתונים שלנו יישארו מסודרים.
הקוד וקטע הפלט מוזכרים להלן לצורך התצפית:
מ פידנטי יְבוּא דגם בסיסמעמד סטוּדֶנט ( דגם בסיס ) :
שֵׁם: str
אימייל : str
מַחלָקָה: str
טלפון: str
מידע = {
'שֵׁם' : 'XYZ' ,
'אימייל' : 'xyz@student.com' ,
'מַחלָקָה' : 'אנדרו' ,
'טלפון' : '0003-4567234'
}
סטוּדֶנט = סטוּדֶנט ( **מידע )
הדפס ( 'פרטי תלמיד:' , סטוּדֶנט )
לאחר התבוננות בפלט, אנו יכולים לסכם כי מחלקות נתונים Pydantic הופכות את הטיפול בנתונים בצורה חלקה בדוגמה הפשוטה הזו. הם מוודאים שהקלט תואם למה שאנחנו רוצים. המשמעות היא פחות שגיאות ומשתמשים מרוצים יותר.
סיכום
מחלקות נתונים Pydantic משלבות את האופן שבו אנו מתמודדים עם נתונים. הם מבטיחים שהמידע גם מדויק וגם מתאים למבנה הנדרש. זה מתורגם לפחות שגיאות ויותר יישומים ללא רבב. עם Pydantic, המפתחים יכולים להקדיש את מאמציהם ליצירת אפליקציות מתפקדות היטב מבלי להיות מוטרדים מחששות לגבי בעיות נתונים. תחשוב על זה כבעל מנהל משימות ייעודי רק לניהול הנתונים, כדי להבטיח שהכל יתנהל בצורה חלקה מתחילתו ועד סופו.