Python3.7 dataclass 介绍

  • Z时代
  • 2024-01-10
  • 分类：综合

python

Posted on 2018年6月28日 by laixintao 1 Comment

Python3.7 加入了一个新的 module：dataclasses。可以简单的理解成“支持默认值、可以修改的tuple”（ “mutable namedtuples with defaults”）。其实没什么特别的，就是你定义一个很普通的类，@dataclass 装饰器可以帮你生成 __repr__ __init__ 等等方法，就不用自己写一遍了。但是此装饰器返回的依然是一个 class，这意味着并没有带来任何不便，你依然可以使用继承、metaclass、docstring、定义方法等。

先展示一个 PEP 中举的例子，下面的这段代码（Python3.7）：

 

1

2

3

4

5

6

7

8

9

dataclass

:

'''Class for keeping track of an item in inventory.'''

str

float

0

 

:

quantity_on_hand

@dataclass 会自动生成

 

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

:

name

unit_price

quantity_on_hand

:

'InventoryItem(name={self.name!r}, unit_price={self.unit_price!r}, quantity_on_hand={self.quantity_on_hand!r})'

:

:

)

NotImplemented

:

:

)

NotImplemented

:

:

)

NotImplemented

:

:

)

NotImplemented

:

:

)

NotImplemented

:

:

)

NotImplemented

引入dataclass的理念

Python 想简单的定义一种容器，支持通过的对象属性进行访问。在这方面已经有很多尝试了：

  1. 标准库的 collections.namedtuple

  2. 标准库的 typing.NamedTuple

  3. 著名的 attr 库

  4. 各种 Snippet，问题和回答等

那么为什么还需要 dataclass 呢？主要的好处有：

  1. 没有使用 BaseClass 或者 metaclass，不会影响代码的继承关系。被装饰的类依然是一个普通的类

  2. 使用类的 Fields 类型注解，用原生的方法支持类型检查，不侵入代码，不像 attr 这种库对代码有侵入性（要用 attr 的函数将一些东西处理）

dataclass 并不是要取代这些库，作为标准库的 dataclass 只是提供了一种更加方便使用的途径来定义 Data Class。以上这些库有不同的 feature，依然有存在的意义。

基本用法

dataclasses 的 dataclass 装饰器的原型如下：

 

1

)

很明显，这些默认参数可以控制是否生成魔术方法。通过本文开头的例子可以看出，不用加括号也可以调用。

通过 field 可以对参数做更多的定制化，比如默认值、是否参与repr、是否参与hash等。比如文档中的这个例子，由于 mylist 的缺失，就调用了 default_factory 。更多 field 能做的事情参考文档吧。

 

1

2

3

4

5

6

dataclass

:

)

 

)

]

此外，dataclasses 模块还提供了很多有用的函数，可以将 dataclass 转换成 tuple、dict 等形式。话说我自己重复过很多这样的方法了……

 

1

2

3

4

5

6

7

8

9

10

11

12

13

14

dataclass

:

int

int

 

dataclass

:

]

 

)

}

 

)

}

Hook init

自动生成的 __init__ 可以被 hook。很简单，自动生成的 __init__ 方法会调用 __post_init__

 

1

2

3

4

5

6

7

8

dataclass

:

float

float

)

 

:

b

如果想传给 __post_init__ 方法但是不传给 __init__ ，可以使用一个特殊的类型 InitVar

 

1

2

3

4

5

6

7

8

9

10

11

dataclass

:

int

None

None

 

:

:

)

 

)

不可修改的功能

Python 没有 const 类似的东西，理论上任何东西都是可以修改的。如果非要说不能修改的实现呢，这里有个比较著名的实现。只有不到10行代码。

但是有了 dataclass ，可以直接使用 @dataclass(frozen=True) 了。然后装饰器会对 Class 添加上 __setattr__ 和 __delattr__ 。Raise 一个 FrozenInstanceError。缺点是会有一些性能损失，因为 __init__ 必须通过 object.__setattr__ 。

继承

对于有继承关系的 dataclass，会按照 MRO 的反顺序（从object开始），对于每一个基类，将在基类找到的 fields 添加到顺序的一个 mapping 中。所有的基类都找完了，按照这个 mapping 生成所有的魔术方法。所以方法中这些参数的顺序，是按照找到的顺序排的，先找到的排在前面。因为是先找的基类，所以相同 name 的话，后面子类的 fields 定义会覆盖基类的。比如文档中的这个例子：

 

1

2

3

4

5

6

7

8

9

dataclass

:

15.0

0

 

dataclass

:

10

15

那么最后生成的将会是：

 

1

:

注意 x y 的顺序是 Base 中的顺序，但是 C 的 x 是 int 类型，覆盖了 Base 中的 Any。

可变对象的陷阱

在前面的“基本用法”一节中，使用了 default_factory 。为什么不直接使用 [] 作为默认呢？

老鸟都会知道 Python 这么一个坑：将可变对象比如 list 作为函数的默认参数，那么这个参数会被缓存，导致意外的错误。详细的可以参考这里：Python Common Gotchas。

考虑到下面的代码：

 

1

2

3

4

5

dataclass

:

]

:

element

将会生成：

 

1

2

3

4

5

6

7

8

:

]

:

x

:

element

 

x

这样无论实例化多少对象，x 变量将在多个实例之间共享。dataclass 很难有一个比较好的办法预防这种情况。所以这个地方做的设计是：如果默认参数的类型是 list dict 或 set ，就抛出一个 TypeError。虽然不算完美，但是可以预防很大一部分情况了。

如果默认参数需要是 list，那么就用上面提到的 default_factory 。

以上是 Python3.7 dataclass 介绍 的全部内容， 来源链接： utcz.com/z/387793.html

回到顶部