很多时候，我发现自己在编写诸如此类的琐碎数据类型：
class Pruefer:
def __init__(self, ident, maxNum=float('inf'), name=""):
self.ident = ident
self.maxNum = maxNum
self.name = name
虽然这非常有用（显然我不想用匿名3元组替换上面的代码），但这也是非常模板化的。
例如，当我想在字典中使用该类时，我必须添加更多的模板代码，例如：
def __hash__(self):
return hash(self.ident, self.maxNum, self.name)
我承认在所有我的样板类中可能很难识别出一般模式，但是我仍然想问这个问题：
是否有任何流行的Python成语可以使用命名访问器快速派生出脏数据类型？
或者，如果没有，也许Python大师想炫耀一些元类黑客或类工厂来使我的生活更加轻松？
>>> from collections import namedtuple
>>> Pruefer = namedtuple("Pruefer", "ident maxNum name")
>>> pr = Pruefer(1,2,3)
>>> pr.ident
1
>>> pr.maxNum
2
>>> pr.name
3
>>> hash(pr)
2528502973977326415
__new__ 方法：>>> class Pruefer(namedtuple("Pruefer", "ident maxNum name")):
... def __new__(cls, ident, maxNum=float('inf'), name=""):
... return super(Pruefer, cls).__new__(cls, ident, maxNum, name)
...
>>> Pruefer(1)
Pruefer(ident=1, maxNum=inf, name='')
Pruefer 实例。 - mgilson("ident","maxNum","name") 这种形式，而不是使用空格分隔的字符串版本... 对我来说，这样更明显一些。 - mgilsonPruefer.__new__.func_defaults=(1,float('inf'),"") (请参见我的最新回答) - mgilsonPython 3.6 中最令人兴奋的事情之一是变量注释。它们可以让我们以以下方式定义命名元组(namedtuple)类:
In [1]: from typing import NamedTuple
In [2]: class Pruefer(NamedTuple):
...: ident: int
...: max_num: int
...: name: str
...:
In [3]: Pruefer(1,4,"name")
Out[3]: Pruefer(ident=1, max_num=4, name='name')
它与namedtuple相同，但是它保存注释并允许使用一些静态类型分析器（如mypy）检查类型。
更新：2018年5月15日
现在，在Python 3.7中，dataclasses已经存在，这是定义DTO的首选方式，同时为了向后兼容，您也可以使用attrs库。
import dataclasses as dc
@dc.dataclass(unsafe_hash=True)
class Pruefer:
ident : int
maxnum : float = float("inf")
name : str = ""
演示
pr = Pruefer(1, 2.0, "3")
pr
# Pruefer(ident=1, maxnum=2.0, name='3')
pr.ident
# 1
pr.maxnum
# 2.0
pr.name
# '3'
hash(pr)
# -5655986875063568239
详情
以下是您可以得到的：
以下是您不会（直接）得到的：
这里有一份关于数据类细节的指南。
我没有太多要补充Alexey Kachayev已经给出的优秀答案--然而，一个可能有用的模式是以下内容：
Pruefer.__new__.func_defaults = (1,float('inf'),"")
def default_named_tuple(name,args,defaults=None):
named_tuple = collections.namedtuple(name,args)
if defaults is not None:
named_tuple.__new__.func_defaults = defaults
return named_tuple
这可能看起来像黑魔法——对我来说一开始也是，但所有的内容都在数据模型中有记录，并在这篇文章中进行了讨论。
实际应用：
>>> default_named_tuple("Pruefer", "ident maxNum name",(1,float('inf'),''))
<class '__main__.Pruefer'>
>>> Pruefer = default_named_tuple("Pruefer", "ident maxNum name",(1,float('inf'),''))
>>> Pruefer()
Pruefer(ident=1, maxNum=inf, name='')
>>> Pruefer(3)
Pruefer(ident=3, maxNum=inf, name='')
>>> Pruefer(3,10050)
Pruefer(ident=3, maxNum=10050, name='')
>>> Pruefer(3,10050,"cowhide")
Pruefer(ident=3, maxNum=10050, name='cowhide')
>>> Pruefer(maxNum=12)
Pruefer(ident=1, maxNum=12, name='')
并且只指定一些参数作为默认值：
>>> Pruefer = default_named_tuple("Pruefer", "ident maxNum name",(float('inf'),''))
>>> Pruefer(maxNum=12)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: __new__() takes at least 2 arguments (2 given)
>>> Pruefer(1,maxNum=12)
Pruefer(ident=1, maxNum=12, name='')
tuple作为defaults传递才是安全的。但是，您可以通过确保在函数内部具有合理的tuple对象来轻松地变得更加复杂。另一种可能帮助您使您的样板代码更通用的方法是迭代（本地）变量字典。这使您可以将变量放入列表中，并在循环中处理这些变量。例如：
class Pruefer:
def __init__(self, ident, maxNum=float('inf'), name=""):
for n in "ident maxNum name".split():
v = locals()[n] # extract value from local variables
setattr(self, n, v) # set member variable
def printMemberVars(self):
print("Member variables are:")
for k,v in vars(self).items():
print(" {}: '{}'".format(k, v))
P = Pruefer("Id", 100, "John")
P.printMemberVars()
提供：
Member Variables are:
ident: 'Id'
maxNum: '100'
name: 'John'
从有效利用资源的角度来看，这种方法当然是次优的。
namedtuple已经足够好了（附带完整的代码示例）。 - Alexey Kachayevnamedtuple现在允许在3.7+版本中设置默认值。 - pylang