Најди сличен содржај

Изворен канал @pythonotes · Post #397 · 12 ное.

Использование Pydantic сегодня стало нормой, и это правильно. Но иногда на ревью вижу, что используют его не всегда корректно. Например, метод BaseModel.model_dump() по умолчанию не преобразует стандартные типы, такие как datetime, UUID или Decimal, в простой сериализуемый для JSON вид. Тогда пишут кастмоный сериализатор для этих типов чтобы функция json.dump() не падала с ошибкой. import uuid from datetime import datetime from decimal import Decimal from uuid import UUID from pydantic import BaseModel class MyModel(BaseModel): id: UUID date: datetime value: Decimal obj = MyModel( id=uuid.uuid4(), date=datetime.now(), value='1.23' ) print(obj.model_dump()) # не подходит для json.dump # { # 'id': UUID('4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1'), # 'date': datetime.datetime(2025, 12, 12, 12, 12, 12, 111111), # 'value': Decimal('1.23') # } # добавляем свой кастомный сериализатор json.dumps(obj.model_dump(), cls=MySerializer) # { # 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1', # 'date': '2025-12-12T12:12:12.111111', # 'value': '1.23' # } В данном случае класс MySerializer обрабатывает datetime, UUID и Decimal. Например так: class MySerializer(json.JSONEncoder): def default(self, o): if isinstance(o, Decimal): return str(o) elif isinstance(o, datetime): return o.isoformat() elif isinstance(o, UUID): return str(o) return super().default(o) Специально для тех, кто всё еще так делает - в этом нет необходимости! Pydantic может это сделать сам, просто нужно добавить параметр mode="json". json.dumps(obj.model_dump(mode="json")) # { # 'id': '4f8c1bc4-25fd-40cd-9dbe-2c73639b0dc1', # 'date': '2012-12-12T12:12:12.111111', # 'value': '1.23' # } #pydantic#libs

Hashtags

#pydantic #libs

Резултати

Пронајдени 2 слични објави

Пребарај: #geoscience

当前筛选 #geoscience清除筛选

Earth&Climate Tech

@earth_climate_tech · Post #306 · 30.05.2023 г., 21:20

Најди слично Погледај

Машинное обучение в геонауках. Обзор 70 years of machine learning in geoscience in review - статья почти 3-х летней давности, но от этого не теряющя актуальности. В этой работе дается обзор развития машинного обучения в геонауках за последние 70 лет 👴, со времен когда еще и машинным обученем это никто не называл. Кригинг, деревья, метод опорных векторов и далее к сверточным сетям и генеративным моделям глубокого обучения. Отсутствует только обзор популярных в последние годы больших языковых и генерационных моделей. В общем такое краткое изложение того с чего все начиналось и к чему пришли, применяя статистику и программирование для понимания земных процессов. Ко всему прочему это еще и прекрасный обзор литературы 📚. Или идеальная вводная лекция для курса "Машинное обучение в геонауках/поиске ресурсов" #ML#AI#geoscience#paper

Hashtags

#ml #ai #geoscience #paper

Earth&Climate Tech

@earth_climate_tech · Post #347 · 13.07.2023 г., 16:00

Најди слично Погледај

Будущее геоученых и геоинженеров Что если энергетический переход состоится? Что будут делать геоученые и геоинженеры, огромная доля которых работает в нефтегазовой промышленности? На этот вопрос отвечает статья в журнале Earth Science Systems and Society. Авторы выделяют несколько ключевых областей занятости кроме "нефтянки" (которая никуда не денется): • Подземные методы и технологии декарбонизации с упором на использование энергии, ее хранение и управление отходами. • Поиски и добыча критических элементов и металлов в рамках концепции устойчивой добычи полезных ископаемых. • Междисциплинарные задачи в науках о Земле, включая отраслевую политику и практику, а также политические, экономические и социальные темы. Статья с подробностями тут. P.S. Еще у нас есть твиттер. Но пока нет Threads :). #EnergyTransition@ClimateChange#NetZero#Geoscience

Hashtags

#energytransition #netzero #geoscience