Cursus — Python Module 09 pendiente

«Cosmic Data»: validación de datos con Pydantic. Tres ejercicios ambientados en un observatorio espacial que van del modelo básico con restricciones por campo a las reglas de negocio y los modelos anidados. Rank 02. Proyecto aún no hecho: aquí se explica qué pide y qué enseña, sin solución.

Datos que llegan de fuera — Las anotaciones de tipo que se vienen usando desde el Module 00 no hacen nada al ejecutar: Python las ignora y solo mypy las lee, antes de tiempo. Eso basta para tu propio código, pero no para los datos que entran desde fuera — un JSON de una API, un CSV, un formulario —, que pueden traer cualquier cosa. Pydantic (Samuel Colvin, 2017) le da la vuelta a la idea: usa esas mismas anotaciones en tiempo de ejecución para comprobar y convertir los datos al crear el objeto. Declaras una clase que hereda de BaseModel, anotas sus campos, y Pydantic se encarga de rechazar lo que no encaja con un mensaje de error detallado o de convertir lo compatible (la cadena "2024-03-15T10:00:00" se convierte en un datetime). Es la base de FastAPI y de buena parte del Python moderno que habla con el exterior. La versión 2 (2023) reescribió el núcleo en Rust (pydantic-core) y cambió la API: el enunciado exige Pydantic 2.x y avisa de que no se usen los decoradores antiguos de la v1 como @validator. Y por primera vez en el cursus hay que instalar una librería externa, con pip y dentro de un entorno virtual.

Qué pide

Rank: 02Python: 3.10 o superiorEstilo: flake8Tipos: mypyLibrería: Pydantic 2.x (vía pip)

Tres directorios, ex0/, ex1/ y ex2/, con un fichero cada uno. Las reglas generales:

El enunciado trae como adjunto un generador de datos de prueba (data_generator.py), un exportador a JSON, CSV y Python (data_exporter.py) y datos ya generados, que se pueden importar para probar los modelos. Resume además los tres conceptos clave: BaseModel (la clase base de todo modelo), Field(...) (restricciones, descripción y valor por defecto de un campo) y @model_validator(mode='after') (validación propia que corre después de la de Pydantic).

Para hacerse una idea de la sintaxis, que no del ejercicio, así se declara un campo con restricciones y así se monta el entorno:

class Planet(BaseModel):
    name: str = Field(min_length=1, max_length=30)
    moons: int = Field(ge=0)
$> python3 -m venv .venv
$> source .venv/bin/activate
$> pip install "pydantic>=2"

ex0space_station

Directorio: ex0/Entrega: space_station.pyAutorizado: nada más

Un modelo SpaceStation con ocho campos validados:

Más una función main() que crea una estación válida y muestra sus datos, intenta crear una inválida (por ejemplo con crew_size mayor que 20) y enseña el mensaje de error de validación. La salida de ejemplo termina con Input should be less than or equal to 20, el mensaje que genera el propio Pydantic.

Qué te obliga a aprender — Lo básico de un modelo: heredar de BaseModel, anotar cada campo con su tipo y añadirle límites con Field (longitudes para cadenas, mínimos y máximos para números), valores por defecto y campos opcionales. Y el otro lado: qué pasa cuando los datos no encajan. Pydantic no devuelve None ni un código de error como haría una función de C, sino que lanza una excepción, ValidationError, que reúne todos los fallos encontrados, no solo el primero. El enunciado pide pensar en la conversión automática: qué ocurre si a un campo datetime le pasas una cadena con una fecha.

ex1alien_contact

Directorio: ex1/Entrega: alien_contact.pyAutorizado: nada más

Primero un enum ContactType con cuatro valores: radio, visual, physical y telepathic. Luego el modelo AlienContact:

Y, con @model_validator(mode='after'), cuatro reglas de negocio: el contact_id empieza por "AC"; un contacto físico tiene que estar verificado; uno telepático necesita al menos 3 testigos; y una señal fuerte (más de 7.0) debería traer un mensaje recibido. La demostración muestra un informe válido y otros inválidos con mensajes claros; el ejemplo termina con Telepathic contact requires at least 3 witnesses.

Qué te obliga a aprender — La diferencia entre validar un campo y validar el conjunto. Field solo ve un valor cada vez: sabe si witness_count está entre 1 y 100, pero no puede saber que el mínimo depende de contact_type. Para eso está el validador de modelo en modo 'after', que se ejecuta cuando todos los campos ya han pasado su validación y tienen su tipo final, de modo que puede compararlos entre sí. Si una regla no se cumple, se lanza una excepción y Pydantic la envuelve en su ValidationError. El enunciado recuerda el detalle que más se olvida: el validador debe terminar devolviendo self. De paso aparece Enum, de la biblioteca estándar: un conjunto cerrado de valores con nombre, que Pydantic sabe validar (rechaza "smoke_signal" si no está entre los cuatro).

ex2space_crew

Directorio: ex2/Entrega: space_crew.pyAutorizado: nada más

Un enum Rank (cadet, officer, lieutenant, captain, commander) y dos modelos, uno dentro del otro.

CrewMember: member_id (3–10 caracteres), name (2–50), rank (un Rank), age (18–80), specialization (3–30 caracteres), years_experience (0–50) e is_active (True por defecto).

SpaceMission: mission_id (5–15 caracteres), mission_name (3–100), destination (3–50), launch_date (datetime), duration_days (1–3650, diez años como máximo), crew (lista de 1 a 12 CrewMember), mission_status (cadena, "planned" por defecto) y budget_millions (flotante de 1.0 a 10000.0).

Reglas de seguridad con @model_validator(mode='after'): el mission_id empieza por "M"; hay al menos un comandante o un capitán; las misiones largas (más de 365 días) necesitan que el 50 % de la tripulación sea experimentada (5 años o más); y todos los tripulantes están activos. La demostración enseña una misión válida con su tripulación y una inválida; el ejemplo falla con Mission must have at least one Commander or Captain.

Qué te obliga a aprender — Modelos anidados: un campo cuyo tipo es otro modelo, o una lista de ellos. Pydantic valida en cascada, así que al crear la misión cada tripulante se valida como CrewMember (se le pueden pasar diccionarios y los convierte) y la lista en sí tiene sus propios límites de longitud. El enunciado plantea la pregunta clave: qué pasa cuando un CrewMember falla dentro de una SpaceMission — el error indica la ruta exacta del fallo (qué campo, qué posición de la lista, qué subcampo). Las reglas del validador de misión ya no miran solo campos sueltos, sino que recorren la tripulación para contar rangos, experiencia o estado.
Puntos delicados — Lo que conviene tener claro antes de la evaluación:

Fuente

Enunciado «Cosmic Data — Discover Pydantic Models & Validation», versión 3.0, en packs/cursus/M2/211_Python_Module_09/ (en.subject.pdf y su extracción subject.txt). Las herramientas de datos adjuntas están en extra/data_generator.tar.