micromodels 技术文档
2024-12-20 21:40:14作者:翟萌耘Ralph
micromodels 是一个简单的库,用于基于字典数据构建模型类。它非常适合将 Python 对象封装在来自网络 API 的 JSON 数据周围。
以下是 micromodels 的技术文档,包括安装指南、使用说明和 API 使用文档。
1. 安装指南
micromodels 可以通过 pip 安装:
pip install micromodels
2. 项目的使用说明
micromodels 允许你创建模型类,这些模型类可以基于字典数据。以下是一些简单的示例:
简单示例
import micromodels
class Author(micromodels.Model):
first_name = micromodels.CharField()
last_name = micromodels.CharField()
date_of_birth = micromodels.DateField(format="%Y-%m-%d")
@property
def full_name(self):
return f"{self.first_name} {self.last_name}"
douglas_data = {
"first_name": "Douglas",
"last_name": "Adams",
"date_of_birth": "1952-03-11",
}
douglas = Author.from_dict(douglas_data)
print(f"{douglas.full_name} was born in {douglas.date_of_birth.strftime('%Y')}")
复杂示例
import json
from urllib2 import urlopen
import micromodels
class TwitterUser(micromodels.Model):
id = micromodels.IntegerField()
screen_name = micromodels.CharField()
name = micromodels.CharField()
description = micromodels.CharField()
def get_profile_url(self):
return f'http://twitter.com/{self.screen_name}'
class Tweet(micromodels.Model):
id = micromodels.IntegerField()
text = micromodels.CharField()
created_at = micromodels.DateTimeField(format="%a %b %d %H:%M:%S +0000 %Y")
user = micromodels.ModelField(TwitterUser)
json_data = urlopen('http://api.twitter.com/1/statuses/show/20.json').read()
tweet = Tweet.from_dict(json_data, is_json=True)
print(tweet.user.name)
print(tweet.user.get_profile_url())
print(tweet.id)
print(tweet.created_at.strftime('%A'))
tweet.add_field('retweet_count', 44, micromodels.IntegerField())
print(tweet.retweet_count)
print(tweet.to_dict())
print(tweet.to_json())
3. 项目 API 使用文档
micromodels 提供了多种字段类型,用于构建模型类:
BaseField: 最简单的字段类型,直接传递数据字典中的内容。CharField: 字符串字段。IntegerField: 整数字段。FloatField: 浮点数字段。BooleanField: 布尔字段。DateTimeField: 日期时间字段。DateField: 日期字段。TimeField: 时间字段。FieldCollectionField: 用于处理列表数据的字段。ModelField: 用于嵌套模型的字段。ModelCollectionField: 用于处理模型列表的字段。
每种字段类型都有不同的选项,例如 source 选项允许你指定数据字典中的键名。
4. 项目安装方式
micromodels 的安装方式已在安装指南中说明,使用 pip 命令即可:
pip install micromodels
以上是 micromodels 的技术文档,希望对您使用该库有所帮助。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
877
578
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
162
暂无简介
Dart
764
189
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
746
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
React Native鸿蒙化仓库
JavaScript
302
350