获取输入参数。Python 中可选

Question

我想从 Pydantic BaseModel 类创建一个类型化的 DataFrame，我们将其称为具有可选字段的 MyModel。当我创建 MyModel 的多个实例时，有些实例将具有带有 None 值的可选字段，如果我使用此类行初始化 DataFrame，它们可能会具有不一致的列 dtypes。因此我想将

Optional[TypeX]

转换为

TypeX

，例如：

import pydantic
import pandas as pd
import numpy as np
from typing import Optional

class MyModel(pydantic.BaseModel):
   thisfield: int
   thatfield: Optional[str]
   ...

col_types = {kk: ff.annotation for kk, ff in MyModel.model_fields.items()}


pd.DataFrame(np.empty(0, dtype=[tuple(tt) for tt in col_types.items()]))

失败并显示

TypeError: Cannot interpret 'typing.Optional[str]' as a data type

。

我需要一个

Optional[X] -> X

的函数或方法。除了将

repr

与正则表达式一起使用之外，还有什么建议吗？

Answer 1

从 Python 3.10 开始，

Optional[X]

相当于

Union[X, None]

:

from typing import Union, get_args, get_origin

def get_optional_arg(typ: type) -> type | None:
    # make sure typ is really Optional[...], otherwise return None
    if get_origin(typ) is Union:
        args = get_args(typ)
        if len(args) == 2 and args[1] is type(None):
            return args[0]

col_types = {
    k: get_optional_arg(f.annotation) or f.annotation
    for k, f in MyModel.model_fields.items()
}