1. はじめに｜PydanticでPythonコードの安全性を高めよう

Pythonでプログラムを書いていると、**「データの中身が想定と違ってエラーになる」**というトラブルに一度は遭遇したことがあるのではないでしょうか。

• 文字列のはずなのに数値が入っていた
• APIから受け取ったデータの型がバラバラ
• ユーザー入力のミスでプログラムが落ちた

こうした問題の多くは、データの型や内容を事前にチェックできていないことが原因です。

そこで活躍するのが、Pythonで安全なデータバリデーションを簡単に実装できるライブラリ
Pydantic です。

Pydanticを使うと、Pythonのクラスに
「この変数にはどんな型・どんな条件のデータが入るべきか」
を宣言的に書くだけで、**自動的にチェック（バリデーション）**してくれます。

しかも、

• 数値の範囲チェック（例：0〜1000だけ許可）
• 正規表現による文字列検証
• 日付が未来・過去かの判定
• 誤った値が入った場合の分かりやすいエラー表示

といった処理を、複雑なif文を書かずに実現できます。

この記事では、
「Pydanticとは何か？」という基本から、Python初心者でもすぐ使える実装例、実務で役立つ設定ポイントまでを、やさしく丁寧に解説していきます。

「型エラーに悩まされない、壊れにくいPythonコードを書きたい」
そんな方は、ぜひ最後まで読んでみてください。

2. Pydanticとは？｜データクラスより強力な型チェックツール

「Pydantic（パイダンティック）」って聞き慣れない言葉かもしれませんが、実はとっても便利なライブラリなんです。

一言で言うと、**「クラスに入ってくるデータをちゃんとチェックしてくれるツール」**です。

◆ そもそも、なぜデータのチェックが必要なの？

たとえば、Pythonでこんなクラスを作ったとします：

from dataclasses import dataclass

@dataclass
class User:
    name: str
    age: int

このクラスは、「ユーザーの名前は文字列」「年齢は整数」というルールを決めてます。でも実際には…

user = User(name=123, age="こんにちは")

↑こんな変なデータでもエラーにならずに作れてしまうんです😱
つまり、書いたルールが守られていないのに、Pythonは気にしないんですね…。

◆ そこで登場、Pydantic！

Pydanticを使うと、同じようなクラスを**「ちゃんとルールを守らせる形」で作れる**ようになります。

まずはインストールから👇

pip install pydantic

そして、こんなふうに使います：

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

今度はどうなるかというと…

user = User(name=123, age="こんにちは")

↑これは即エラー！
「nameは文字列って書いてあるのに数字が来てるよ！」って教えてくれるんです👏

さらにすごいのが、文字列の "123" を整数として受け取ってくれるような、かしこい自動変換機能もついています（必要に応じてオフにもできます）。

◆ データクラスとの違いまとめ

「ただのデータ入れ物」だったクラスが、Pydanticを使うことでしっかりとした安全な設計になります。特にAPIや外部からの入力を扱うときには、必須レベルで役に立つツールですよ！

3. 基本の使い方｜型ヒントによる自動バリデーション

ここからは、Pydanticの「基本のキ」ともいえる使い方を紹介します！

「型ヒントだけで自動的にバリデーションしてくれるってどういうこと？」と思ったあなた、ここでしっかり体験してみましょう💡

◆ まずはインストールしよう

まだインストールしていない方は、ターミナルで次のコマンドを打ってください：

pip install pydantic

◆ Pydanticクラスの基本形

Pydanticでは、BaseModelという特別なクラスを使います。このクラスを継承するだけで、バリデーション機能がバッチリ使えるようになります！

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

このクラスは、「名前は文字列」「年齢は整数」というルールを持ったデータ構造です。

◆ オブジェクトを作ってみよう！

user = User(name="田中太郎", age=25)
print(user)

✅ 結果：

name='田中太郎' age=25

ちゃんとルールどおりのデータなら問題なし！

でも、もし型が違っていたら…？

user = User(name=12345, age="hello")

❌ 結果：

pydantic_core._pydantic_core.ValidationError: ...

エラーになってくれます！これは「nameは文字列じゃないし、ageも整数じゃないよ！」って教えてくれてるんです。

◆ 自動で型を直してくれることもある！

Pydanticは「これは変換できそうだな」と判断した場合、型変換してくれることがあります。たとえば：

user = User(name="佐藤花子", age="30")
print(user.age)  # → 30（int型になってる！）

このように、文字列の “30” も自動的に整数に変換してくれるんです。

便利だけど、「勝手に変換してほしくない！」ってときもありますよね。それは次の章「strictモード」で解説します😊

◆ 補足：キーワード引数で渡す

Pydanticでは、オブジェクトを作るときに「キーワード引数（名前付きの引数）」で渡す必要があります。

User("佐藤", 22)  # ❌ これはエラー
User(name="佐藤", age=22)  # ⭕

間違いやすいポイントなので注意しましょう！

🌟まとめ：ここまでのおさらい

• BaseModelを継承してクラスを定義するだけでバリデーションOK！
• 型ヒントに合わないデータはエラーになる
• 変換できそうなデータは、自動で変換してくれることもある

4. より厳密なチェックを行う｜strictモードと型制限

前のセクションでは、Pydanticが自動で型変換してくれることを紹介しましたね。

たとえば、こんなふうに：

from pydantic import BaseModel

class User(BaseModel):
    age: int

user = User(age="30")  # 自動で文字列 → 整数に変換される
print(user.age)  # → 30

これはとっても便利なんですが、時には…

「いやいや、型はキッチリ守ってほしいんだよ！！」

っていうシーンもありますよね。たとえば、APIで受け取る重要なデータとか、セキュリティが大事なときとか。

そんなときに活躍するのが「strict（ストリクト）モード」です！

◆ strictモードってなに？

strictとは「厳密な・きびしい」って意味で、自動変換なしで、指定した型と完全に一致しないとエラーになるようにできます。

◆ 使い方はすごく簡単！

PydanticのField()関数に strict=True を追加するだけです。

from pydantic import BaseModel, Field

class User(BaseModel):
    age: int = Field(strict=True)

この設定をすると、たとえ "30" のような文字列でも 整数として受け付けてくれません！

user = User(age="30")  # ❌ これはエラー

◆ どんなときにstrictを使うの？

• 入力値が想定通りの型であることを強く保証したいとき
• 自動変換が逆にバグの原因になるかもしれないとき
• ユーザーや外部システムからの入力を完全にチェックしたいとき

こんなときに strict=True はとても役立ちます。

◆ さらに！「再代入」もチェックしたい場合は？

Pydanticは、最初にデータを受け取ったときだけバリデーションを行います。
つまり、後から値を変更しても、ふつうはチェックしてくれません。

user = User(age=30)
user.age = "なんと"  # ❌ 本来はダメだけど、通ってしまう…

こんなふうに、後からの変更も厳しくチェックしたい場合は、クラス定義に次の設定を追加しましょう：

class User(BaseModel, validate_assignment=True):
    age: int = Field(strict=True)

これで、後からの代入もバリデーション対象になります！

🌟まとめ：strictモードでデータの安全性を強化しよう

• Field(strict=True) を使うと、型が厳密にチェックされる
• 自動変換を防いで、バグを未然に防ぐことができる
• validate_assignment=True で再代入時のチェックも可能！

5. 実行時エラーを扱う｜構造化されたエラーハンドリング

さて、ここまでで「Pydanticは型が合わなければエラーになる！」というのは体験済みですね。

でもそのエラー、どう扱ったらいいのかって困ることありませんか？
「エラー文が長すぎて何が原因かわからない…」ってなったこと、きっとあるはずです😅

Pydanticでは、エラーの内容を“ちゃんと整理された形”で取り出す方法が用意されているんです！
それが「構造化されたエラーハンドリング」。

◆ エラーをキャッチする方法

まずは、try...exceptでエラーをキャッチします。

from pydantic import BaseModel, ValidationError

class User(BaseModel):
    name: str
    age: int

try:
    user = User(name=123, age="hello")  # 型が合ってない
except ValidationError as e:
    print("エラーが出ました！")
    print(e)

✅ これだけでも、エラーの内容は表示されます。でも、ちょっと見づらいですよね。

◆ .errors() を使って、エラーを見やすくしよう！

PydanticのValidationErrorには、.errors()という便利なメソッドがついています。
これを使うと、エラーの内容をリスト＋辞書形式で取り出せます。

except ValidationError as e:
    print(e.errors())

👀 出力例：

[
    {'loc': ('name',), 'msg': 'str type expected', 'type': 'type_error.str'},
    {'loc': ('age',), 'msg': 'value is not a valid integer', 'type': 'type_error.integer'}
]

• loc: どのフィールドでエラーが出たか
• msg: エラーメッセージ
• type: エラーの種類

こうやって見ると、「ああ、nameとageの型がおかしいんだな」ってすぐにわかります！

◆ pprintでさらに見やすく！

エラー情報はたくさんあると読みにくくなります。そんなときは、pprintモジュールを使って、きれいに整形表示しちゃいましょう！

from pprint import pprint

except ValidationError as e:
    pprint(e.errors())

これで、見た目スッキリ！ 読みやすさUPです💡

🌟まとめ：エラーは「読める形」で受け取ろう

• ValidationErrorは .errors() で構造化された情報が取れる
• loc, msg, type でエラーの場所・理由・種類がすぐわかる
• pprintを使えば表示もきれい！

6. バリデーションルールを追加しよう｜数値・文字列・日付

前のセクションでは、Pydanticの「型チェック」と「エラーの扱い方」を紹介しましたね。
でも実はPydantic、もっと細かいルールまで設定できるんです！

たとえば…

• 数値は「0以上100以下だけOK」にしたい
• 文字列は「メールアドレスっぽい形」にしたい
• 日付は「未来の日付だけ」受け付けたい

こういうチェックをとても簡単に追加できるのが、Pydanticの強みなんです💪

◆ 使い方は Field() に条件をつけるだけ！

Pydanticでは、インスタンス変数に Field() を使って、**さまざまな制限（バリデーションルール）**を追加できます。

from pydantic import BaseModel, Field

class Product(BaseModel):
    price: int = Field(ge=0, le=10000)  # 0以上10000以下

ge=0は「0以上（Greater than or Equal）」
le=10000は「10000以下（Less than or Equal）」です！

◆ 数値に使えるバリデーション

👀 例：

score: int = Field(ge=0, le=100)  # 0〜100点のテストの点数

◆ 文字列に使えるバリデーション：正規表現

文字列に「この形じゃないとダメ！」というルールをつけたいときは、patternを使います。

たとえば、「郵便番号（7桁の数字）」をチェックしたいとき：

zipcode: str = Field(pattern=r"^\d{7}$")

• \dは数字
• {7}は「7文字ちょうど」
• ^...$は「最初から最後まで」って意味です

◆ 日付に使えるバリデーション

未来の日付や過去の日付だけを受け付けたいときは、特別な型ヒントを使います！

from pydantic import BaseModel, FutureDate, PastDate
from datetime import date

class Event(BaseModel):
    start_date: FutureDate  # 今日より未来だけOK
    created_at: PastDate    # 過去の日付だけOK

これで、未来のイベントなのに「昨日の日付」とかを指定したらエラーになります！

◆ デフォルト値も Field() でOK！

Field() の最初の引数に値を入れると、それが**初期値（デフォルト）**になります。

quantity: int = Field(1, ge=1, le=10)  # 初期値1、1〜10の間だけOK

🌟まとめ：Pydanticなら「ルール作り」もラクラク！

• Field()を使えば、細かい条件もすぐに設定できる
• 数値や文字列、日付などによくあるバリデーションもサポート済み
• デフォルト値との組み合わせもバッチリ！

7. 値の変更を禁止する｜frozenモードで読み取り専用に

ここまでで、Pydanticが**「データをチェックする仕組み」**としてすごく便利なことがわかってきましたね。

でも、「データを受け取ったあと、間違えて変更されちゃうと困る…！」
そんなときはどうしたらいいのでしょうか？

Pydanticには、**「この値は後から変えられないようにする」**という機能もあるんです！
それが「frozen（フローズン）モード」です🍦

◆ 特定の値だけ変更できないようにする（フィールド単位）

まずは、特定の変数（インスタンス変数）だけ「読み取り専用」にする方法です。

from pydantic import BaseModel, Field

class User(BaseModel):
    name: str = Field(frozen=True)  # この値は変更できない
    age: int

この設定をすると、nameを変更しようとしたときにエラーになります👇

user = User(name="田中", age=25)
user.name = "佐藤"  # ❌ エラーが出ます！

でも、ageは普通に変更できます。

user.age = 26  # ⭕

◆ クラス全体を「完全に変更不可」にする

「全部の値を一度決めたら変更不可にしたい！」というときは、**クラス全体を凍結（frozen）**できます。

そのためには、ConfigDictという設定を使います。

from pydantic import BaseModel, ConfigDict

class Product(BaseModel):
    name: str
    price: int

    model_config = ConfigDict(frozen=True)

この設定を入れると、どの変数も変更できなくなります。

item = Product(name="りんご", price=100)
item.price = 200  # ❌ エラーになります！

こうすることで、「受け取ったデータを安全にそのまま保持したい！」という場面でとっても役立ちます。

◆ どんなときに使うの？

• ユーザーIDや商品コードなど、一度決めたら変えてはいけないデータ
• 外部から受け取ったデータをそのまま保持しておきたい場合
• 誤って値を変えてしまうのをプログラムで防ぎたいとき

「frozen」は、そんな時に頼れる仕組みです💪

🌟まとめ：値を変えさせない＝バグ防止の第一歩！

• Field(frozen=True) で特定の値だけ変更不可にできる
• ConfigDict(frozen=True) でクラス全体を読み取り専用にできる
• セキュリティやデータ保護の観点でもとても便利！

8. 独自ルールの追加｜オリジナルバリデーションの書き方

ここまでで、Pydanticが用意している便利なチェック機能（バリデーション）をいろいろ紹介してきましたね！

でも、場合によってはこんなこともあります。

「数字のチェックだけじゃ足りない…」
「“パスワードには必ず英数字が混ざってないとダメ”みたいなルールを作りたい！」

そういうときこそ、自分でルール（バリデーション）を書く出番です！
Pydanticでは、独自のバリデーション関数をクラスに追加することで、好きなチェック処理ができます🙌

◆ 使い方は @field_validator() を使うだけ！

まずは使い方の全体イメージから👇

from pydantic import BaseModel, field_validator

class User(BaseModel):
    username: str

    @field_validator('username')
    @classmethod
    def check_username(cls, value):
        if " " in value:
            raise ValueError("ユーザー名に空白は使えません！")
        return value

💡ポイント：

• @field_validator('変数名') ← ここでチェックしたい変数を指定
• デコレーターの下にクラスメソッドを定義（@classmethod）
• チェックに失敗したらエラーを出す（raise ValueError）
• 問題なければ、そのまま値をreturn

◆ 実行してみよう！

user = User(username="tanaka taro")  # 空白入り → ❌エラー！

user = User(username="tanaka_taro")  # OK！🙆‍♀️

◆ 複数の変数をまとめてチェックしたいときは？

例えば「パスワードと確認用パスワードが同じかチェックしたい」みたいな場合は、@model_validator(mode='after') というモデル全体をチェックする方法があります。今回はフィールドバリデーションがメインなので、ここでは割愛しますが、ご希望あれば後日解説します！

◆ どんなときに使うの？

• 入力値に特定のルールを強制したいとき
• 既存のバリデーションではチェックしきれない条件があるとき
• 独自のロジックを入れたいとき（例：メールアドレスが社内ドメインかどうか）

🌟まとめ：自由にルールを作れるから、実用度MAX！

• @field_validator() で好きな条件を設定できる
• 条件を満たさなければ ValueError を使ってエラーにする
• すごく柔軟だから、どんなプロジェクトにもフィットする！

9. データの入出力｜辞書・JSONとのシームレスな連携

さて、ここまででPydanticの「データチェック」についてたっぷり学んできましたが…

「じゃあ、そのデータを辞書にしたり、JSONにしたりってできるの？」
「APIで送ったり、ファイルに保存したり、そういうこともできるの？」

はい！Pydanticなら、そのへんもめちゃくちゃカンタンです😊

この章では、Pydanticモデルと辞書やJSONとの変換方法をマスターしていきましょう！

◆ オブジェクトから辞書に変換する

Pydanticのオブジェクトを辞書にしたいときは、.model_dump() を使います！

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

user = User(name="佐藤", age=28)
user_dict = user.model_dump()

print(user_dict)

✅ 結果：

{'name': '佐藤', 'age': 28}

Pythonのdictとまったく同じ形で使えます！

◆ オブジェクトからJSON文字列に変換する

「辞書」じゃなくて「JSON文字列」にしたいときは .model_dump_json() を使います👇

user_json = user.model_dump_json()
print(user_json)

✅ 結果：

{"name": "佐藤", "age": 28}

このままAPIに送ったり、ファイルに保存したりできます！

◆ 辞書やJSONからPydanticオブジェクトを作る

逆に、「外から受け取ったデータをPydanticモデルに変換したい！」という場合もありますよね？

辞書から作るときは、次のように **辞書 を渡します：

data = {"name": "田中", "age": 35}
user = User(**data)

JSON文字列から作るときは .model_validate_json() を使います！

json_data = '{"name": "鈴木", "age": 22}'
user = User.model_validate_json(json_data)

もちろん、このときもバリデーションがしっかり行われるので、安心です👌

🌟まとめ：データの変換もPydanticにおまかせ！

Pydanticがあれば、データチェック＋変換も一括でOK！
もうバグやミスで悩まされることも少なくなります✨

10. まとめ｜Pydanticを使って安全で信頼性の高いコードに

ここまで読んでくださって、ありがとうございました！
この記事では、**Pydantic（パイダンティック）**というPythonライブラリを使って、**データのチェック（バリデーション）**をどうやって行うかをやさしく解説してきました。

💡Pydanticってどんなものだった？

• Pythonのクラスに型ヒントをつけるだけで自動チェック！
• 間違ったデータが入らないように守ってくれる頼れる存在！
• さらに、
  • 自動型変換
  • 厳密なチェック（strict）
  • エラーの見やすい出力
  • 独自ルールの追加
  • 辞書やJSONとの変換
  • 値を凍結して変更禁止にする設定
    …などなど、超実用的な機能がたくさん！

🛠 こんなときにPydanticを使うと◎

• ユーザーからの入力をチェックしたいとき
• 外部APIから来たデータを検証したいとき
• Webアプリでフォーム入力を安全に扱いたいとき
• FastAPIなどのフレームワークと組み合わせて使うとき

Pydanticは、Pythonコードに**安心・安全という「盾」**を与えてくれるツールです。最初はちょっと難しそうに見えるかもしれませんが、使い始めるとその便利さにびっくりします！

あなたのPythonコードも、Pydanticでもっとスマートに、もっと安全にしていきましょう😊

✅ あわせて読みたい｜関連記事リンク集

Pydanticを学んだあなたにおすすめしたい、関連する記事はこちらです👇

• 🔗 【初心者向け】FastAPIの基本の使い方をやさしく解説｜最速で始めるPythonのWeb開発
  　→ Pydanticとの相性抜群なWebフレームワーク「FastAPI」の入門編！
• 🔗 【初心者向け】SyntaxErrorとは？よくある書き間違いと直し方を徹底解説
  　→ 「エラーで止まった！」という時にまず読んでほしいエラー対策ガイド。
• 🔗 Python初心者がよくつまずくエラー10選と解決法まとめ｜原因から対処法までやさしく解説
  　→ 初心者がつまずきやすいエラーを先回りして解決！
• 🔗 Pythonのprintデバッグ活用術｜初心者でもできるエラー解決の第一歩
  　→ バリデーションと合わせて「デバッグ力」も高めよう！

よくある質問（Q&A）