Телеграм канал «Постоянный репозиторий по Python»

Типизация данных: TypedDict, dataclasses и Pydantic Структуры данных – это основа любого приложения. И именно здесь типизация приносит максимальную пользу: меньше ошибок, лучше документация, надёжные контракты в API. Вот что сегодня используют чаще всего. 🔹 1. TypedDict – строгие словари для JSON class Product(TypedDict): id: int title: str price: float Преимущество: — IDE знает, какие ключи есть, — ловятся опечатки, — структура данных однозначна. 🔹 2. dataclasses — лёгкие модели для бизнес-логики from dataclasses import dataclass @dataclass class Config: host: str port: int debug: bool = False Объекты создаются просто, читаются легко, типы всегда на виду. 🔹 3. Pydantic — валидация + типизация в одном инструменте from pydantic import BaseModel class UserModel(BaseModel): id: int email: str user = UserModel(id=1, email="test@example.com") Pydantic автоматически преобразует типы, проверяет структуру и выдаёт красивые ошибки. Практически стандарт для FastAPI и любых сервисов. Эти три подхода закрывают разные уровни работы с данными: от внешних API до внутренней логики. ➡️ В следующем посте — типизация архитектуры: Protocol, Literal, Enum. (следите за обновлениями и поддержите канал через boost https://t.me/boost/phytonrepoz)

Как выглядят современные аннотации в Python: ключевые правила Когда инструменты настроены, важно правильно писать сам код. Современные аннотации должны быть понятными, лаконичными и максимально полезными для статических анализаторов. 🔹 1. Аннотации обязательны для всех публичных функций def get_balance(user_id: int) -> float: ... Сигнатура должна говорить всё: что принимает и что возвращает. 🔹 2. Используем новый синтаксис коллекций Современный стиль: items: list[str] = ["apple", "banana"] prices: dict[str, float] = {"apple": 1.2} Устаревший стиль: from typing import List, Dict items: List[str] Новый вариант проще, лучше читается и полностью поддерживается анализаторами. 🔹 3. Корректная работа с опциональными значениями Больше никаких «пустых строк» или магических значений. def find_user(name: str) -> User | None: ... Анализатор понимает этот контракт и подсветит ошибки, если вы забыли обработать None. Такие простые правила дают удивительно много: код становится самодокументируемым и безопасным. ➡️ В следующем посте — о типизации данных: модели через `TypedDict, dataclasses и Pydantic. (следите за обновлениями и поддержите канал через boost https://t.me/boost/phytonrepoz)