PEP 557 将数据类引入了Python标准库。它表示通过应用下面展示的@dataclass装饰器，它将生成“包括但不限于__init__()”。
from dataclasses import dataclass
@dataclass
class InventoryItem:
"""Class for keeping track of an item in inventory."""
name: str
unit_price: float
quantity_on_hand: int = 0
def total_cost(self) -> float:
return self.unit_price * self.quantity_on_hand
它还说数据类是“带有默认值的可变命名元组”，但我不明白这是什么意思，也不知道数据类与普通类有什么不同。dataclasses 模块的作用是使创建数据类更加容易。它为你处理了很多样板代码。__hash__ 方法和一个 __eq__ 方法。如果你添加了一个自定义的 __repr__ 方法以便于调试，那么代码会变得相当冗长：class InventoryItem:
'''Class for keeping track of an item in inventory.'''
name: str
unit_price: float
quantity_on_hand: int = 0
def __init__(
self,
name: str,
unit_price: float,
quantity_on_hand: int = 0
) -> None:
self.name = name
self.unit_price = unit_price
self.quantity_on_hand = quantity_on_hand
def total_cost(self) -> float:
return self.unit_price * self.quantity_on_hand
def __repr__(self) -> str:
return (
'InventoryItem('
f'name={self.name!r}, unit_price={self.unit_price!r}, '
f'quantity_on_hand={self.quantity_on_hand!r})'
)
def __hash__(self) -> int:
return hash((self.name, self.unit_price, self.quantity_on_hand))
def __eq__(self, other) -> bool:
if not isinstance(other, InventoryItem):
return NotImplemented
return (
(self.name, self.unit_price, self.quantity_on_hand) ==
(other.name, other.unit_price, other.quantity_on_hand))
使用dataclasses，您可以将其简化为：
from dataclasses import dataclass
@dataclass(unsafe_hash=True)
class InventoryItem:
'''Class for keeping track of an item in inventory.'''
name: str
unit_price: float
quantity_on_hand: int = 0
def total_cost(self) -> float:
return self.unit_price * self.quantity_on_hand
(基于{{link1：PEP 示例}}的示例)。
同一个类装饰器也可以生成比较方法（__lt__、__gt__等）并处理不可变性。
namedtuple 类也是数据类，但默认情况下是不可变的（同时也是序列）。 dataclasses 在这方面更加灵活，可以轻松结构化，以便能够 扮演与namedtuple 类相同的角色。
这个 PEP 受到了 {{link3：attrs 项目}} 的启发，它可以做得更多（包括 slots、验证器、转换器、元数据等）。
如果你想看一些例子，我最近在我的Advent of Code解决方案中使用了dataclasses，请查看day 7、day 8、day 11和day 20的解决方案。
如果你想在Python版本小于3.7中使用dataclasses模块，则可以安装后移模块（需要3.6）或使用上述提到的attrs项目。
@dataclass 大致生成相同的 __init__ 方法，带有默认值的 quantity_on_hand 关键字参数。当您创建实例时，它将始终设置 quantity_on_hand 实例属性。因此，我的第一个非 dataclass 示例使用相同的模式来模拟 dataclass 生成的代码会执行的操作。 - Martijn Pieters__post_init__方法中进行规范化。 - Martijn Pieters这个问题已经回答了。但是，这个答案添加了一些实际的例子，以帮助基本理解数据类。
Python数据类到底是什么，在什么情况下最好使用它们？
namedtuple和其他。"具有默认值的可变命名元组"
这里是后一个短语的含义：
与常规类相比，您主要节省输入样板代码。
这是数据类功能的概述（简而言之？请参见下一节中的摘要表格）。
以下是您从数据类中默认获取的功能。
属性 + 表示 + 比较
import dataclasses
@dataclasses.dataclass
#@dataclasses.dataclass() # alternative
class Color:
r : int = 0
g : int = 0
b : int = 0
这些默认值是通过自动将以下关键字设置为True来提供的：
@dataclasses.dataclass(init=True, repr=True, eq=True)
如果将适当的关键字设置为True，则可以使用其他功能。
顺序
@dataclasses.dataclass(order=True)
class Color:
r : int = 0
g : int = 0
b : int = 0
现在已经实现了排序方法（重载运算符：< > <= >=），类似于functools.total_ordering，具有更强的相等性测试。
可散列的，可变的
@dataclasses.dataclass(unsafe_hash=True) # override base `__hash__`
class Color:
...
尽管对象可能是可变的（可能是不希望的），但哈希已经实现。
可哈希，不可变
@dataclasses.dataclass(frozen=True) # `eq=True` (default) to be immutable
class Color:
...
现在已经实现了哈希，禁止更改对象或分配属性。
总体而言，如果unsafe_hash=True或frozen=True，则对象是可哈希的。
另请参阅具有更多详细信息的原始hashing logic table。
要获得以下功能，必须手动实现特殊方法：
解包
@dataclasses.dataclass
class Color:
r : int = 0
g : int = 0
b : int = 0
def __iter__(self):
yield from dataclasses.astuple(self)
优化
@dataclasses.dataclass
class SlottedColor:
__slots__ = ["r", "b", "g"]
r : int
g : int
b : int
对象大小现在已被缩小:
>>> imp sys
>>> sys.getsizeof(Color)
1056
>>> sys.getsizeof(SlottedColor)
888
__slots__ 还可以提高创建实例和访问属性的速度。此外，slots 不允许默认赋值；否则，会引发一个 ValueError。+----------------------+----------------------+----------------------------------------------------+-----------------------------------------+
| Feature | Keyword | Example | Implement in a Class |
+----------------------+----------------------+----------------------------------------------------+-----------------------------------------+
| Attributes | init | Color().r -> 0 | __init__ |
| Representation | repr | Color() -> Color(r=0, g=0, b=0) | __repr__ |
| Comparision* | eq | Color() == Color(0, 0, 0) -> True | __eq__ |
| | | | |
| Order | order | sorted([Color(0, 50, 0), Color()]) -> ... | __lt__, __le__, __gt__, __ge__ |
| Hashable | unsafe_hash/frozen | {Color(), {Color()}} -> {Color(r=0, g=0, b=0)} | __hash__ |
| Immutable | frozen + eq | Color().r = 10 -> TypeError | __setattr__, __delattr__ |
| | | | |
| Unpacking+ | - | r, g, b = Color() | __iter__ |
| Optimization+ | - | sys.getsizeof(SlottedColor) -> 888 | __slots__ |
+----------------------+----------------------+----------------------------------------------------+-----------------------------------------+
+这些方法不是自动生成的，需要在数据类中手动实现。
* __ne__ 不需要，因此 未实现。
初始化后
@dataclasses.dataclass
class RGBA:
r : int = 0
g : int = 0
b : int = 0
a : float = 1.0
def __post_init__(self):
self.a : int = int(self.a * 255)
RGBA(127, 0, 255, 0.5)
# RGBA(r=127, g=0, b=255, a=127)
继承
@dataclasses.dataclass
class RGBA(Color):
a : int = 0
转换
将数据类递归地转换为元组或字典：
>>> dataclasses.astuple(Color(128, 0, 255))
(128, 0, 255)
>>> dataclasses.asdict(Color(128, 0, 255))
{'r': 128, 'g': 0, 'b': 255}
限制
@dataclasses.dataclass class RGB(r=255,g=0,b=0)？对于基本的结构体类型，这种简写对我来说非常重要。 - WestCoastProjects@dataclass 有意义吗？你最终会得到什么？ - 303根据 PEP 规范：
提供了一个类装饰器，用于检查类定义中的类型注释变量，这些变量在 PEP 526 "变量注释语法" 中定义。在本文档中，这些变量称为字段。使用这些字段，装饰器向类添加生成的方法定义，以支持实例初始化、repr、比较方法和其他可选方法，如规范章节所述。这样的类被称为数据类，但其实这个类并没有什么特别之处：装饰器向类添加生成的方法，然后返回相同的类。
@dataclass 生成器向类添加方法，否则您必须自己定义，例如 __repr__、__init__、__lt__ 和 __gt__。
Foo。from dataclasses import dataclass
@dataclass
class Foo:
def bar():
pass
这是dir()内置函数比较。左侧是没有@dataclass装饰器的Foo，右侧是使用了@dataclass装饰器的。
使用inspect模块进行比较后，这里是另一个差异。
@dataclass的问题不会导致网站崩溃。 - ericnamedtuples可以有默认值。请看这里：https://dev59.com/aWgu5IYBdhLWcg3wZmQm - MJB