معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

ویژگی	مقدار
سیستم عامل	-
نام فایل	dagster-pydantic-0.1.0
نام	dagster-pydantic
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Mitchell Hynes
ایمیل نویسنده	ecumene@users.noreply.github.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/dagster-pydantic/
مجوز	-

# dagster-pydantic This is a naive approach for using Pydantic types for Dagster Type Checking. The package `dagster_pydantic` includes a really simple validation factory. Pydanitc is not built as a data validation library, it's actually a great parser and an OK validator in that order. The purpose of this validation step is to ensure the shape of the model is correct before the data is consumed by the next op. Pydantic will stop you during the instantiation of your model if the data is not up to spec but if you want to check if the shape of the parsed data will match the model, that's where the validation layer comes in. ## Usage ```python class MyPydanticModel(BaseModel): """ This is a Pydantic model. """ a: int b: str MyPydanticModelDT = pydantic_to_dagster_type(MyPydanticModel) @op(out=Out(MyPydanticModelDT)) def get_model(): model = MyPydanticModel( a = 1, b = "hello" ) # This should fail type checking in the Dagit UI. model.b = {} # type: ignore return model ``` This code will result in: ![A typechecking error in the dagit UI](./screenshot1.png) Without this integration, you wouldn't see that typechecking error in the console and the next op will consume a `dict` in place of a `str`. ## Developing First, install [Just](https://github.com/casey/just) ```sh $ just install ``` This will run two poetry commands in your current terminal, one that configures venvs to be in the project directory so the dependencies are accessable from your local environment. The other will install the dependencies. ```sh $ just shell ``` This opens a current shell into your poetry virtual env. Running tests ```sh $ just test # This only runs pytest ``` ## Disclaimer I've only had my hands on Dagster for a few weeks. I love the declarative framework, and the focus on flexibility + developer velocity. I am a bit iffy on the pricing and what's offered in the "Standard plan", but otherwise I'm so impressed by the open-source project. That being said, I'm a noobie. This is my first integration and also my first Python module, so feel free to drop an issue if there's something I'm missing.

نیازمندی

مقدار	نام
>=1.1.7,<2.0.0	dagster
>=1.10.2,<2.0.0	pydantic

زبان مورد نیاز

مقدار	نام
>=3.10,<4.0	Python

نحوه نصب

نصب پکیج whl dagster-pydantic-0.1.0:

pip install dagster-pydantic-0.1.0.whl

نصب پکیج tar.gz dagster-pydantic-0.1.0:

pip install dagster-pydantic-0.1.0.tar.gz