针对像pandas DataFrame这样的非内置类型的pydantic @validate_arguments的最佳实践
针对像pandas DataFrame这样的非内置类型的pydantic @validate_arguments的最佳实践
提问于 2021-07-12 22:29:28
我目前正在尝试使用pydantic验证函数的输入参数。这适用于内置数据类型，但不适用于像pandas.DataFrame或numpy.array这样的类型。示例：
@validate_arguments
def some_function(params: pd.DataFrame,
var_name: str
) -> dict:
# do something
return my_dict调用some_function时，会显示以下错误：
RuntimeError: no validator found for <class 'pandas.core.frame.DataFrame'>, see `arbitrary_types_allowed` in Config`我的第一个想法是定义我自己的DataFrame类型，如下所示：
class MyDF(pd.DataFrame):
@classmethod
def __get_validators__(cls):
yield cls.validate
@classmethod
def validate(cls, val):
return pd.DataFrame(val)我不确定这是否是最佳实践。有没有更好的主意？
Stack Overflow用户
回答已采纳
发布于 2021-07-12 23:16:27
您可以定义一个允许任意类型的custom config，以便pydantic检查参数是否为该类型的实例。
例如：
@validate_arguments(config=dict(arbitrary_types_allowed=True))
def some_function(params: pd.DataFrame,
var_name: str
) -> dict:
# do something
return my_dict有关型号配置选项的文档，请参阅here
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/68349150
复制相关文章
相似问题
腾讯云开发者
