用普通类、数据类和命名元组创建对象表现不同的原因是什么？

Question

用普通类、数据类和命名元组创建对象表现不同的原因是什么？

pythonpython-3.xperformancepython-internalspython-dataclasses

8

我正在学习数据类和命名元组。我发现使用不同的Python特性创建对象时，它们的性能是不同的。

数据类：

In [1]: from dataclasses import dataclass
   ...:
   ...: @dataclass
   ...: class Position:
   ...:     lon: float = 0.0
   ...:     lat: float = 0.0
   ...:

In [2]: %timeit for _ in range(1000): Position(12.5, 345)
326 µs ± 34.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

普通类：

In [1]: class Position:
   ...:
   ...:     def __init__(self, lon=0.0, lat=0.0):
   ...:         self.lon = lon
   ...:         self.lat = lat
   ...:

In [2]: %timeit for _ in range(1000): Position(12.5, 345)
248 µs ± 2.89 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

命名元组：

In [2]: Position = namedtuple("Position", ["lon","lat"], defaults=[0.0,0.0])

In [3]: %timeit for _ in range(1000): Position(12.5, 345)
286 µs ± 13.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Python 版本：3.7.3
操作系统：MacOS Mojave

所有实现具有相同的对象属性和默认值。

为什么这个趋势是时间（dataclass）> 时间（namedtuple）> 时间（普通类）？
每种实现都采取了什么措施来占用各自的时间？
哪种实现在什么场景下具有最佳性能？

这里，时间表示创建对象所需的时间。

- bigbounty

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Michał Zaborowski · Accepted Answer

在Python中，一切都是字典。对于数据类来说，在该字典中会有更多的条目，因此将它们放入其中需要更多的时间。

这个变化是如何发生的? @Arne的评论指出我在这里缺少了一些东西。我做了一个样例代码:

from dataclasses import dataclass
import time

@dataclass
class Position:
    lon: float = 0.0
    lat: float = 0.0


start_time = time.time()
for i in range(100000):
    p = Position(lon=1.0, lat=1.0)
elapsed = time.time() - start_time
print(f"dataclass {elapsed}")
print(dir(p))


class Position2:
    lon: float = 0.0
    lat: float = 0.0

    def __init__(self, lon, lat):
        self.lon = lon
        self.lat = lat


start_time = time.time()
for i in range(100000):
    p = Position2(lon=1.0, lat=1.0)
elapsed = time.time() - start_time
print(f"just class {elapsed}")
print(dir(p))

start_time = time.time()
for i in range(100000):
    p = {"lon": 1.0, "lat": 1.0}
elapsed = time.time() - start_time
print(f"dict {elapsed}")

包含结果：

/usr/bin/python3.8 ...../test.py
dataclass 0.16358232498168945
['__annotations__', '__class__', '__dataclass_fields__', '__dataclass_params__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'lat', 'lon']
just class 0.1495649814605713
['__annotations__', '__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'lat', 'lon']
dict 0.028212785720825195

Process finished with exit code 0

Dict 的例子供参考。

查看了 dataclass，这个函数：

(489) def _init_fn(fields, frozen, has_post_init, self_name, globals):

负责创建构造函数。正如Arne指出的，post_init代码是可选的，并且不会生成。我有另一个想法，那就是在字段周围进行一些工作，但：

In [5]: p = Position(lat = 1.1, lon=2.2)                                                                                                                                                                           

In [7]: p.lat.__class__                                                                                                                                                                                            
Out[7]: float

因此，这里没有额外的封装或代码。从所有这些中，我看到的唯一额外的东西就是更多的方法。