Python3迁移至Pydantic v2：RootModel验证问题求助

你的TestModelv2出现验证错误，核心原因有三点：

1. 输入处理不匹配：v1的parse_raw会自动将JSON字符串解析为字典，但v2用model_validate直接传入字符串时，不会自动解析JSON，导致校验器拿到的是原始字符串而非字典，触发DataFrame构造错误。
2. RootModel泛型类型错误：你定义的RootModel[Any]不符合实际需求，应明确指定为RootModel[pd.DataFrame]，让Pydantic识别根类型为DataFrame。
3. DataFrame构造逻辑不一致：v2校验器中遗漏了time列定义，且构造DataFrame时未指定index=[0]，导致单条字典数据被错误解析为列名而非行数据。

from typing import Any
import pandas as pd
from pydantic.v1 import BaseModel, validator
from pydantic import RootModel, model_validator


class TestModelv1(BaseModel):
    """Pydantic v1"""

    __root__: pd.DataFrame

    @validator("__root__", pre=True)
    def convert_data(cls, v: dict[Any, Any]) -> pd.DataFrame:
        columns: list[str] = ["time", "a", "b", "c"]
        df: pd.DataFrame = pd.DataFrame(v, columns=columns, index=[0])
        df[["a", "b", "c"]] = df[["a", "b", "c"]].astype(float)
        df["time"] = pd.to_datetime(df["time"], unit="ms")
        return df

    class Config:
        arbitrary_types_allowed = True


class TestModelv2(RootModel[pd.DataFrame]):
    """Pydantic v2"""

    @model_validator(mode="before")
    def convert_data(cls, v: dict[Any, Any]) -> pd.DataFrame:
        columns: list[str] = ["time", "a", "b", "c"]
        # 对齐v1的DataFrame构造逻辑
        df: pd.DataFrame = pd.DataFrame(v, columns=columns, index=[0])
        df[["a", "b", "c"]] = df[["a", "b", "c"]].astype(float)
        df["time"] = pd.to_datetime(df["time"], unit="ms")
        return df

    model_config = {"arbitrary_types_allowed": True}


def main() -> None:
    response: str = '{"time": 1690886519000, "a": "1", "b": "2", "c": "3"}'

    test_v1: TestModelv1 = TestModelv1.parse_raw(response)
    print(test_v1.__root__)

    # 使用model_validate_json处理JSON字符串，替代model_validate
    test_v2: TestModelv2 = TestModelv2.model_validate_json(response)
    print(test_v2.root)


if __name__ == "__main__":
    main()

• RootModel泛型修正：将RootModel[Any]改为RootModel[pd.DataFrame]，明确根类型，让Pydantic正确校验最终返回值。
• 输入解析方式调整：用model_validate_json替代model_validate，自动将JSON字符串解析为字典，和v1的parse_raw行为对齐。
• DataFrame构造逻辑对齐：补全time列定义并添加index=[0]，确保单条字典数据被正确构造成单行DataFrame。
• v2配置写法优化：用model_config字典代替旧的Config类，这是Pydantic v2推荐的配置方式。

内容的提问来源于stack exchange，提问作者F.Borowiec