Pydanticv2字段自动计算技巧
小伙伴们对文章编程感兴趣吗?是否正在学习相关知识点?如果是,那么本文《Pydantic v2 字段自动计算方法》,就很适合你,本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点,希望对大家的知识积累有所帮助!
Pydantic v2 中推荐用 @computed_field 实现字段动态计算,该字段只读、运行时计算、不参与初始化和默认序列化;若需存入模型并序列化,则用 @field_validator(mode="after") 补全字段。

Pydantic v2 中不能直接像 v1 那样用 @validator 在赋值时动态计算字段,但可以通过 @field_validator(配合 mode="before" 或 "after")或更推荐的方式——使用 @computed_field 来实现“根据其他字段自动计算”的需求。
用 @computed_field 声明派生字段(推荐)
这是 Pydantic v2 引入的专门用于定义只读、运行时计算字段的机制。它不参与模型初始化输入,只在访问时动态计算,适合纯派生值(如 fullname、total_price、is_valid 等)。
- 计算逻辑写在方法体中,直接读取
self上的其他字段 - 需加上
@computed_field装饰器,并标注返回类型(类型提示必须明确) - 该字段不会出现在
model_dump()默认输出中,除非显式传参include_computed=True
示例:
from pydantic import BaseModel, computed_fieldclass User(BaseModel): first_name: str last_name: str
@computed_field @property def full_name(self) -> str: return f"{self.first_name} {self.last_name}"u = User(first_name="Alice", last_name="Smith") print(u.full_name) # "Alice Smith" print(u.model_dump()) # {'first_name': 'Alice', 'last_name': 'Smith'} print(u.model_dump(include_computed=True)) # {'first_name': 'Alice', 'last_name': 'Smith', 'full_name': 'Alice Smith'}
用 @field_validator 在解析后补全字段(适合需要存入模型的数据)
如果希望计算结果也作为模型的一个“真实字段”被序列化、校验、参与后续逻辑(比如数据库映射),可以用 @field_validator + mode="after",在所有字段解析完成后手动设置目标字段。
- 装饰器作用于待填充的字段名(如
"full_name") mode="after"表示在所有字段已解析完毕后触发,此时可安全访问values或self- 需返回计算后的值(不能修改
self,要通过info.data或返回值方式注入)
示例:
from pydantic import BaseModel, field_validatorclass User(BaseModel): first_name: str last_name: str full_name: str # 这个字段不再由用户传入,而是自动填充
@field_validator('full_name', mode='after') @classmethod def set_full_name(cls, v, info): # 如果 v 已提供,就用它;否则根据其他字段生成 if v is None or v == "": data = info.data return f"{data['first_name']} {data['last_name']}" return v使用时可不传 full_name,它会自动补上
u = User(first_name="Bob", last_name="Lee") print(u.full_name) # "Bob Lee" print(u.model_dump()) # {'first_name': 'Bob', 'last_name': 'Lee', 'full_name': 'Bob Lee'}
注意:避免在 mode="before" 中依赖未解析字段
mode="before" 在字段解析前执行,此时其他字段可能还未处理,无法可靠读取。除非你明确控制输入结构(如统一传 dict),否则不建议在此模式下做跨字段计算。
- 例如:想用
email自动生成username,但email字段本身还没被验证或转换,容易出错 - 优先选
mode="after"或@computed_field
小技巧:结合 default_factory 实现轻量默认计算(仅限初始化时)
如果只是想在字段未提供时“按需生成一次”,且不需要响应其他字段变化,可用 default_factory:
from pydantic import BaseModel, Field from datetime import datetimeclass LogEntry(BaseModel): message: str created_at: datetime = Field(default_factory=datetime.now)
注意:这跟其他字段无关,只是时间戳默认值
但它不构成字段间依赖关系,不属于“根据另一个字段计算”。
好了,本文到此结束,带大家了解了《Pydanticv2字段自动计算技巧》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
Win10RDP多用户登录设置教程
- 上一篇
- Win10RDP多用户登录设置教程
- 下一篇
- Pythonwhile循环教程与实用技巧
-
- 文章 · python教程 | 1小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 10小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 15小时前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 19小时前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python dataclass slots 与 weakref_slot 怎么一起用
- 207浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python tarfile extraction_filter data_filter
- Python tarfile extraction_filter 怎么阻止危险路径
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python pathlib.Path.walk 怎么剪枝目录遍历
- 159浏览 收藏
-
- 文章 · python教程 | 1天前 | python · SQLite · Python sqlite3 autocommit isolation_level SQLite事务
- Python sqlite3 autocommit 与 isolation_level 怎么配合
- 378浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 255次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 298次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 274次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 252次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 61次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
