Pydantic: dataclass vs BaseModel
Pydantic: dataclass vs BaseModel
提问于 2020-05-25 22:28:38
使用Pydantic的数据集与BaseModel的优缺点是什么？在其他python模块中，是否存在性能问题，或者Pydantic的dataclass是否更容易呢？
回答 2
Stack Overflow用户
回答已采纳
发布于 2020-05-25 23:24:00
您的问题在Pydantic的文档中得到了回答，特别是：
请记住，
pydantic.dataclasses.dataclass是dataclasses.dataclass附带的验证替代品，而不是是pydantic.BaseModel的替代品(初始化挂钩的工作方式略有不同)。在有些情况下，子类pydantic.BaseModel是更好的选择。 有关更多信息和讨论，请参见三聚氰胺/吡啶#710。
讨论链接将为您提供一些您正在寻找的上下文。一般来说，Pydantic的BaseModel实现不一定与Python的dataclass实现行为相同。上面提到的例子就是一个很好的例子：
from pydantic import BaseModel
from pydantic.dataclasses import dataclass
from typing import List
@dataclass
class A:
x: List[int] = []
# Above definition with a default of `[]` will result in:
# ValueError: mutable default <class 'list'> for field x is not allowed: use default_factory
# If you resolve this, the output will read as in the comments below.
class B(BaseModel):
x: List[int] = []
print(A(x=[1, 2]), A(x=[3, 4])) # Output: A(x=[1, 2]) A(x=[3, 4])
print(B(x=[1, 2]), B(x=[3, 4])) # Output: x=[1, 2] x=[3, 4]如果您首先想要的是dataclass行为，然后简单地用一些Pydantic验证特性来增强它，那么pydantic.dataclasses.dataclass方法可能就是您想要的。否则，BaseModel可能就是您想要的。
Stack Overflow用户
发布于 2020-12-14 12:07:43
BaseModel的init函数的工作方式与数据集的init不同。
@dataclass()
class Foo:
number: int
class Bar(BaseModel):
number: int
f = Foo(number = 1.4)
b = Bar(number = 1.4)
print(f)
print(b)输出：
Foo(number=1.4)
number=1页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/62011741
复制相关文章
相似问题
腾讯云开发者
