Pydantic

❓ Information

• Pydantic의 데이터 검증

---

❗ Relevant data

🎯 What Is The Objective

Pydatic이 무엇인지 알아본다

📦 Information Resources

tistory: Pydantic이란

🔰 Content ->

Install

pip install pydantic

FastAPI에서 Pydantic활용 데이터 검증

input, output 형태 검증

from fastapi import FastAPI
from pydantic import BaseModel
from pydantic import Field
 
app = FastAPI()
 
class DataInput(BaseModel):
	name: str
 
class PredictOutput(BaseModel):
	prob: float
	prediction: int
 
@app.post(“/pydantic”, response_model=PredictOutput)
def pydantic_post(data_request: DataInput):
	return {“prob”: 0.1, “prediction”: 0}

data_request 는 DataInput class 형태로 받고, response_model은 PredictionOutput형태로 지정했다.

DRF Serializer 와 비교

Pydantic

1. 속도
   • 데이터 검증이 빠름
   • 대규모 데이터나 API응답 처리에서 DRF 보다 효율적임
2. 타입 힌트와 통합
   • 자동 타입 변환, 유효성 검사 지원
   • FastAPI 연결로 자동 문서화, 검증이 쉬움
3. 경량화
   • Django 전체를 쓰지 않고 독립적으로 데이터모델 + 검증 구현 가능
4. 직관적인 직렬화/역직렬화
   • 딕셔너리 -> 객체 -> 딕셔너리 순환이 간단
   • dict(), json() 같은 메서드로 변환 가능

DRF Serializer

1. Django ORM과 통합
   • 모델, 쿼리셋, 관계형 필드, Nested serializer 까지 자연스럽게 처리 가능
   • DB기반 CRUD API작성에 최적화됨
2. 권한, validation, save() 기능
   • 검증뿐 아니라 create/update 시DB 저장 로직까지 포함 가능
   • Pydantic은 순수 데이터 검증이 주 목적이어서 DB 저장은 별도 구현 필요
3. 강력한 커스터마이징
   • 필드별 검증, 오류 메시지, 중첩serializer, ListField, ChoiceFiled등 다양한 옵션 제공
   • Django의 Form/ModelForm과 친숙하게 연동됨