如何在Pydantic的float类型校验中过滤NaN值

Pydantic 默认不会拦截float('nan')这类特殊浮点值，因为NaN本身属于Python原生float类型范畴，要实现NaN的校验拦截或自动过滤，可直接通过字段校验器实现，适配所有主流Pydantic版本。

方案1：单字段校验（最灵活，推荐） #

针对单个字段添加校验逻辑，可根据需求选择直接抛错拦截NaN，或者自动替换NaN为默认值实现过滤。

Pydantic V2 写法（当前主流版本） #

import math
from pydantic import BaseModel, field_validator

class MySchema(BaseModel):
    float_value: float

    @field_validator("float_value")
    @classmethod
    def check_nan(cls, value: float) -> float:
        # 拦截NaN，抛出校验错误
        if math.isnan(value):
            raise ValueError("浮点值不能为NaN")
        return value

如果需要自动过滤NaN、不抛错，直接把NaN替换为指定默认值（比如None、0），可调整校验逻辑，同时对应修改字段类型：

import math
from typing import Optional
from pydantic import BaseModel, field_validator

class MySchema(BaseModel):
    # NaN会被替换为None，所以字段标记为Optional
    float_value: Optional[float] = None

    @field_validator("float_value")
    @classmethod
    def filter_nan(cls, value: float) -> Optional[float]:
        if isinstance(value, float) and math.isnan(value):
            # 遇到NaN直接返回默认值，完成异常值过滤
            return None
        return value

Pydantic V1 兼容写法 #

如果使用1.x版本的Pydantic，把field_validator替换为validator即可，其余逻辑一致：

import math
from pydantic import BaseModel, validator

class MySchema(BaseModel):
    float_value: float

    @validator("float_value")
    def check_nan(cls, value: float) -> float:
        if math.isnan(value):
            raise ValueError("浮点值不能为NaN")
        return value

方案2：自定义通用类型（适合多字段复用） #

如果项目中大量float字段都需要过滤NaN，不需要每个字段重复写校验器，可以自定义一个通用的非NaN浮点类型，全局复用：

import math
from pydantic import BaseModel, GetCoreSchemaHandler
from pydantic_core import core_schema
from typing import Any

class SafeFloat(float):
    """自动拦截NaN、无穷值的安全浮点类型"""
    @classmethod
    def __get_pydantic_core_schema__(
        cls, source_type: Any, handler: GetCoreSchemaHandler
    ) -> core_schema.CoreSchema:
        def validate(value: float) -> float:
            if math.isnan(value) or math.isinf(value):
                raise ValueError("浮点值不能为NaN或无穷值")
            return cls(value)
        return core_schema.no_info_plain_validator_function(validate)

# 所有模型直接引用该类型即可，无需重复写校验逻辑
class MySchema(BaseModel):
    float_value: SafeFloat

注意事项 #

• 判断NaN优先使用math.isnan()，不要依赖value != value的NaN特性判断，后者可读性差，还可能被自定义浮点类的等于方法重载逻辑干扰。
• 如果需要同时过滤正无穷、负无穷值，在校验逻辑中追加math.isinf(value)判断即可。
• 校验器逻辑会在类型转换完成后执行，传入的字符串格式数字会先被Pydantic转为float，再进入NaN判断逻辑，无需额外处理类型转换。

内容的提问来源于stack exchange，提问作者Ryabchenko Alexander