こんにちは、バックエンドエンジニアの田村です。 今回はPythonの動的型付けの柔軟性を活かしつつ、型の安全性を両立させる強力なツールであるPydanticに関して解説していきます。
自分が初めてPydanticに触れた時、型定義に対して馴染みがなく正直なところとても大変でした。しかし、このデータの型チェックやバリデーションがどれほど便利で信頼性を高めるものかを理解するにつれて、改めてその重要性を実感するようになりました。 例えば、APIのリクエスト、レスポンスのデータの検証を自動的に行いエラーの早期発見ができたり、データモデルを簡単に定義してわかりやすいコードを記述できるなど非常に役立っています。
今回のブログでは、Pydanticに馴染みがない方々に向けて、その基本から少し発展した機能までを解説し、その有用性や必要性をしっかりお伝えします。
Pydanticとは?
Pydanticは、Pythonのデータクラスに似たモデルを提供し、データバリデーションと解析を行うライブラリです。
Pydanticの主な特徴には以下が含まれます。 - データバリデーション:モデルに渡されたデータが正しい形式かどうかをチェックします。 - 自動型変換:文字列を日付に変換するなど、適切な型に自動で変換します。 - 簡単なモデル定義:Pythonの型ヒントを使用して直感的にモデルを定義できます。
参考はこちら docs.pydantic.dev
Pydanticの基本的な使い方
1. 基本的なモデル定義
Pydanticを使い始めるには、まずインストールが必要です。
pip install pydantic
次に、基本的なモデルを定義してみましょう。
from datetime import date from pydantic import BaseModel class Student(BaseModel): id: int name: str entrance_date: date major: str
このStudent
モデルは、ユーザーのID、名前、入学年度、専攻を持っています。
データをインスタンス化する際に、自動的にバリデーションが行われます。
student = Student( id=1111, name="John Doe", entrance_date=date(2020, 4, 1), major="CS", ) print(Student.dict()) """ { "id": 1111, "name": "John Doe", "entrance_date": datetime.date(2020, 4, 1), "major": "CS" } """
もし、データが正しい形式でない場合、Pydanticはエラーを投げます。
from pydantic import ValidationError try: Student = Student( id=1111, name="John Doe", entrance_date="2000年4月1日", major="CS", ) print(Student) except ValidationError as e: print(e) """ 1 validation error for Student entrance_date Input should be a valid date or datetime, invalid date separator, expected `-` [type=date_from_datetime_parsing, input_value='2000年4月1日', input_type=str] For further information visit https://errors.pydantic.dev/2.7/v/date_from_datetime_parsing """
Studentの中のentrance_dateにおいて入力形式がdateかdatetimeである必要があるというバリデーションエラーですね。
~~entrance_date= "2000年4月1日"~~
たしかに、文字列で入力していますね。
2. Pydanticの高度な機能
基本的な使い方を理解したところで、次は少し高度な機能について見ていきましょう。 ここでは、カスタムバリデーションとネストモデルについて紹介します。
2-1.カスタムバリデーション
Pydanticでは、カスタムバリデーションメソッドを定義することもできます。特定のフィールドに対するバリデーションロジックを追加できます。
from datetime import date from pydantic import BaseModel, ValidationError, field_validator class Student(BaseModel): id: int name: str entrance_date: date major: str @field_validator("entrance_date", mode="before") def validate_entrance_date(cls, v): establish_year = date(1950, 9, 1) if v < establish_year: raise ValueError("設立以前になります") return v @field_validator("major", mode="before") def validate_major(cls, v): major_columns = ["CS", "ME", "EE", "CE", "PHYS", "MATH"] if v not in major_columns: raise ValueError("存在しない専攻種別です") return v try: Student = Student( id=1111, name="John Doe", entrance_date=date(1920, 4, 1), major="CS", ) print(Student) except ValidationError as e: print(e) """ 1 validation error for Student entrance_date Value error, 設立以前になります [type=value_error, input_value=datetime.date(1920, 4, 1), input_type=date] For further information visit https://errors.pydantic.dev/2.7/v/value_error """
この例では、entrance_date
フィールドに対してカスタムバリデーションを行っています。
大学の設立年月日(1990年9月1日)より前の年月日がentrance_date
として指定された場合エラーになります。
2-2.ネストされたモデル
Pydanticでは、モデルの中に別のモデルをネストすることができます。 これにより複雑なデータ構造を簡単に扱うことができます。
from datetime import date from pydantic import BaseModel class Student(BaseModel): id: int name: str entrance_date: date major: str class GradeResult(BaseModel): student: Student subject: str score: int took_date: date student = Student( id=1111, name="John Doe", entrance_date=date(2020, 4, 1), major="CS", ) grade_result = GradeResult( student=student, subject="DataStructure", score=96, took_date=date(2020, 4, 1), ) print(grade_result.dict()) """ { "student": { "id": 1111, "name": "John Doe", "entrance_date": datetime.date(2020,4,1) "major": "CS" }, "subject": "DataStructure", "score": 96, "took_date": datetime.date(2020,4,1) } """
この例では、grade_result
モデルの中にstudent
モデルをネストしています。
これにより成績情報と生徒情報を一緒に扱うことができます。
Pydanticと他のライブラリの連携
Pydanticは単独でも強力ですが、他のライブラリと組み合わせることでさらに威力を発揮します。特に、FastAPIとの相性が抜群です。
弊社の請求書サービスでもこのPydanticとFastAPIを組み合わせを用いて開発を行なっております!!
from fastapi import FastAPI from pydantic import BaseModel app = FastAPI() class Item(BaseModel): name: str price: float is_offer: bool = None @app.post("/items/") async def create_item(item: Item): return {"item_name": item.name, "created": True}
このように、FastAPIとPydanticを組み合わせることで、APIのリクエストとレスポンスを自動的に検証できます。 このことからAPIの堅牢性が大幅に向上し、ドキュメント生成も自動化されます。
詳しくはこちらで取り扱っております。 xmart-techblog.hatenablog.com
まとめ:Pydanticがもたらす変革
Pydanticは、Pythonのデータバリデーションを簡単かつ強力に行うためのツールです。 初めて触れる際には型定義や型ヒントに慣れるのが難しいかもしれませんが、その価値は非常に大きいです。 このブログを参考にPydanticの活用を進めてみてください。Pydanticを使いこなすことで、より堅牢でメンテナブルなコードを書くことができるようになると思います!!
最後に
最後まで読んでいただき、ありがとうございます。
クロスマートではバックエンドエンジニアはもちろんフロントエンドエンジニア、PMさらにはBizDevなど一緒に働ける方を募集しています。 ご興味がある方は、是非こちらを御覧ください!