Что хотят услышать интервьюеры:

Pydantic обрабатывает входные данные и приводит их к ожидаемым типам. Она валидирует значения, умеет преобразовывать их и возвращает понятные ошибки, если данные не соответствуют схеме. Часто её используют для проверки JSON, данных из API, конфигов и пользовательского ввода.

Определение:

Pydantic — это библиотека для описания структуры данных через Python-типизацию и для автоматической валидации этих данных. Она берёт "сырые" данные, проверяет их на соответствие модели и при необходимости преобразует в нужные типы, например строку "123" в число 123. Также Pydantic помогает сериализовать данные обратно в словари или JSON.

Пример использования:

from pydantic import BaseModel

class User(BaseModel):
    id: int
    name: str
    is_active: bool = True

data = {
    "id": "1",
    "name": "Alex"
}

user = User(**data)

print(user.id)        # 1
print(user.name)      # Alex
print(user.is_active) # True

Пояснение кода:

Код показывает, как Pydantic обрабатывает данные при создании объекта модели.
Сначала описывается модель User с полями id, name, is_active. Затем в неё передаётся словарь, где id пришёл строкой, а не числом. Pydantic сам преобразует "1" в int, заполняет значение по умолчанию для is_active, а если бы поле name отсутствовало или тип был неверным, выбросил бы ошибку валидации.

Ключевые моменты:

Pydantic обрабатывает данные на основе аннотаций типов Python.
Основная задача — валидация и преобразование входных данных.
Часто используется для данных из JSON, API, конфигураций и форм.
При несоответствии схемы библиотека выдаёт подробные ошибки.
Pydantic помогает сделать работу с данными более предсказуемой и безопасной.

Что за информацию обрабатывает библиотека Pydantic?