一文带你走进Python中的数据类

数据类适用于Python3.7或更高版本，它不仅可以用作数据容器，还可以编写样板代码，简化创建类的过程。

成都创新互联长期为上千客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为宜城企业提供专业的网站建设、网站设计，宜城网站改版等技术服务。拥有十载丰富建站经验和众多成功案例,为您定制开发。

创建第一个数据类

创建一个数据类，该数据类表示三维坐标系中的一个点。

@dataclass装饰器用于创建数据类。x，y和z是数据类中的字段。注意要使用类型注释来指定字段的数据类型，但是类型注释不是静态类型声明，这意味着仍然可以为x，y或z字段传递除int之外的任何数据类型。

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classCoordinate:
    4. 
  
  
  
  4.               x: int
    5. 
  
  
  
  5.               y: int
    6. 
  
  
  
  6.               z: int
    7.

默认情况下，数据类附带有init、repr和 eq方法，因此我们不必自己实现。但是如果init、repr和eq没有在Coordinate类中实现，有了数据类，我们仍然可以使用这些方法，这样非常节省时间。

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classCoordinate:
    4. 
  
  
  
  4.               x: int
    5. 
  
  
  
  5.               y: int
    6. 
  
  
  
  6.               z: int
    7. 
  
  
  
  7.              a =Coordinate(4, 5, 3)
    8. 
  
  
  
  8.            print(a)  # output: Coordinate(x=4, y=5, z=3)
    9.

字段的默认值

编码者可以为字段分配默认值。如下所示，数据类中的pi字段被分配了默认值：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classCircleArea:
    4. 
  
  
  
  4.               r: int
    5. 
  
  
  
  5.               pi: float =3.14
    6. 
  
  
  
  6.                  @property
    7. 
  
  
  
  7.               defarea(self):
    8. 
  
  
  
  8.                    return self.pi * (self.r **2)
    9. 
  
  
  
  9.              a =CircleArea(2)
    10. 
  
  
  
  10.            print(repr(a))  # output: CircleArea(r=2, pi=3.14)
    11. 
  
  
  
  11.            print(a.area)  # output: 12.56
    12.

自定义字段和数据类

设置dataclass装饰器或field函数的参数可以自定义字段和数据类。自定义过程将用例子进行说明，本文结尾也会给出字段和数据类的所有参数。

数据类可变还是不可变?

默认情况下，数据类是可变的，这意味着可以为字段分配值。但我们可以通过将frozen参数设置为True来使其不可变

可变示例：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classCircleArea:
    4. 
  
  
  
  4.               r: int
    5. 
  
  
  
  5.               pi: float =3.14
    6. 
  
  
  
  6.                  @property
    7. 
  
  
  
  7.               defarea(self):
    8. 
  
  
  
  8.                    return self.pi * (self.r **2)
    9. 
  
  
  
  9.              a =CircleArea(2)
    10. 
  
  
  
  10.            a.r =5
    11. 
  
  
  
  11.            print(repr(a))  # output: CircleArea(r=5, pi=3.14)
    12. 
  
  
  
  12.            print(a.area)  # output: 78.5
    13.

不可变示例：

设置frozen为 True，将无法再为字段分配值。在下面的示例中可以看到异常输出。

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass(frozen=True)
    3. 
  
  
  
  3.            classCircleArea:
    4. 
  
  
  
  4.               r: int
    5. 
  
  
  
  5.               pi: float =3.14
    6. 
  
  
  
  6.                  @property
    7. 
  
  
  
  7.               defarea(self):
    8. 
  
  
  
  8.                    return self.pi * (self.r **2)
    9. 
  
  
  
  9.              a =CircleArea(2)
    10. 
  
  
  
  10.            a.r =5
    11. 
  
  
  
  11.            # Exceptionoccurred: dataclasses.FrozenInstanceError:
    12. 
  
  
  
  12.            # cannot assign tofield 'r'
    13.

比较数据类

假设要创建一个表示Vector的数据类并进行比较，你会怎么做?当然需要使用诸如lt或gt之类的方法啦。

默认情况下，数据类的order参数为 False。将其设置为True，会自动为数据类生成 lt、le、gt和ge方法。因此，可以按顺序比较对象，就像它们是其字段的元组一样。

研究下面的示例：将order设置为True就可以比较v2和v1。这里存在一个逻辑比较的问题。当v2> v1时，它将比较这两个向量，例如(8，15)>(7，20)。因此，v2> v1的输出将为True。

回想一下，元组比较是逐个按照顺序进行的。首先将8和7进行比较，结果为True，那么比较结果就为True。如果它们相等，则比较15> 20，结果为False：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass,field
    2. 
  
  
  
  2.    
    3. 
  
  
  
  3.                        @dataclass(order=True)
    4. 
  
  
  
  4.            classVector:
    5. 
  
  
  
  5.               x: int
    6. 
  
  
  
  6.               y: int
    7. 
  
  
  
  7.              v1 =Vector(8, 15)
    8. 
  
  
  
  8.            v2 =Vector(7, 20)
    9. 
  
  
  
  9.            print(v2 > v1)
    10.

显然这种比较没有任何意义。笔者最初想通过向量的大小来比较它们。但问题是，不可能在创建每个实例时，都要自己计算Vector的大小。

在这种情况下，field函数和post_init方法更有用。field函数能自定义magnitude字段。而post_init方法则会确定初始化后该矢量的大小。

还可以使用数据类中的field函数来自定义magnitude字段。通过将init设置为False，基本可以不需要init方法中的magnitude参数。因为初始化后才使用post_init方法来确定其值：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass, field
    2. 
  
  
  
  2.              @dataclass(order=True)
    3. 
  
  
  
  3.            classVector:
    4. 
  
  
  
  4.               magnitude: float =field(init=False)
    5. 
  
  
  
  5.               x: int
    6. 
  
  
  
  6.               y: int
    7. 
  
  
  
  7.                  def__post_init__(self):
    8. 
  
  
  
  8.                    self.magnitude = (self.x **2+ self.y **2) **0.5
    9. 
  
  
  
  9.              v1 =Vector(9, 12)
    10. 
  
  
  
  10.            print(v1)  # output: Vector(magnitude=15.0, x=9,y=12)
    11. 
  
  
  
  11.            v2 =Vector(8, 15)
    12. 
  
  
  
  12.            print(v2)  # output: Vector(magnitude=17.0, x=8,y=15)
    13. 
  
  
  
  13.            print(v2 > v1)  # output: True
    14.

将数据类转换为字典或元组

从元组或字典中获取数据类的属性，只需要从数据类中导入asdict和astuple函数：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass,asdict, astuple
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classVector:
    4. 
  
  
  
  4.               x: int
    5. 
  
  
  
  5.               y: int
    6. 
  
  
  
  6.               z: int
    7. 
  
  
  
  7.              v =Vector(4, 5, 7)
    8. 
  
  
  
  8.            print(asdict(v))  # output: {'x': 4, 'y': 5, 'z': 7}
    9. 
  
  
  
  9.            print(astuple(v))  # output: (4, 5, 7)
    10.

继承

可以像Python中的普通类一样对数据类进行子类化：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classEmployee:
    4. 
  
  
  
  4.               name: str
    5. 
  
  
  
  5.               lang: str
    6. 
  
  
  
  6.              @dataclass
    7. 
  
  
  
  7.            classDeveloper(Employee):
    8. 
  
  
  
  8.               salary: int
    9. 
  
  
  
  9.              Halil=Developer('Halil', 'Python', 5000)
    10. 
  
  
  
  10.            print(Halil)  # Output: Developer(name='Halil',lang='Python', salary=5000)
    11.

使用继承时经常会忽视一点：默认情况下，当将lang字段设置为Python时，必须为lang字段之后的字段提供默认值：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classEmployee:
    4. 
  
  
  
  4.               name: str
    5. 
  
  
  
  5.               lang: str ='Python'
    6. 
  
  
  
  6.              @dataclass
    7. 
  
  
  
  7.            classDeveloper(Employee):
    8. 
  
  
  
  8.               salary: int
    9. 
  
  
  
  9.              Halil=Developer('Halil', 'Python', 5000)
    10. 
  
  
  
  10.            # Output:TypeError: non-default argument 'salary' follows default argument
    11.

原因在于init方法。回想一下，具有默认值的参数应该位于没有默认值的参数之后：

 
 
 
    
  
  
  
  1. def__init__(name: str,lang: str ='Python', salary: int):
    2. 
  
  
  
  2. 
  
  
  
  3. ...
    4.

通过对sanlary字段设置默认值来对其进行修复：

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classEmployee:
    4. 
  
  
  
  4.               name: str
    5. 
  
  
  
  5.               lang: str ='Python'
    6. 
  
  
  
  6.              @dataclass
    7. 
  
  
  
  7.            classDeveloper(Employee):
    8. 
  
  
  
  8.               salary: int =0
    9. 
  
  
  
  9.              Halil=Developer('Halil', 'Python', 5000)
    10. 
  
  
  
  10.            print(Halil)  # output: Developer(name='Halil',lang='Python', salary=5000)
    11.

slots的好处

默认情况下，属性存储在字典中。使用slots可以更快地访问属性并且内存占用更少。

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classEmployee:
    4. 
  
  
  
  4.               name: str
    5. 
  
  
  
  5.               lang: str
    6. 
  
  
  
  6.              Halil=Employee('Halil', 'Python')
    7. 
  
  
  
  7.            print(Halil.__dict__)  # name': 'Halil', 'lang': 'Python'}
    8.

slots内存占用更小，访问属性更快。

 
 
 
    
  
  
  
  1. from dataclasses import dataclass
    2. 
  
  
  
  2.              @dataclass
    3. 
  
  
  
  3.            classEmployee:
    4. 
  
  
  
  4.               __slots__ = ('name', 'lang')
    5. 
  
  
  
  5.               name: str
    6. 
  
  
  
  6.               lang: str
    7. 
  
  
  
  7.              Halil=Employee('Halil', 'Python')
    8.

数据类参数

刚刚我们更改了数据类装饰器中的某些参数，以自定义数据类。以下是参数列表：

  • nit：如果为True，则在数据类中生成init方法。(默认为True)
  • repr：如果为True，则在数据类中生成repr方法。(默认为True)
  • eq：如果为True，则在数据类中生成eq方法。(默认为True)
  • order：如果为True，则在数据类中生成lt，le，gt和ge方法。(默认为False)
  • unsafe_hash：如果为True，则在数据类中生成hash方法。(默认为False)
  • frozen：如果为True，则不能给字段分配值。(默认为False。)

注意，如果order为True，eq必须也为True，否则将引发ValueError异常。

字段参数

  • init：如果为True，则此字段包含在生成的init方法中。(默认为True)
  • repr：如果为True，则此字段包含在生成的repr方法中。(默认为True)
  • compare：如果为True，则此字段包含在生成的比较和相等方法中。(默认为True)
  • hash：如果为True，则此字段包含在生成的hash方法中。(默认为None)
  • default：这是此字段的默认值(如果提供)。
  • default_factory：当该字段需要默认值时将调用该参数，此时该参数必须为零阶可调用参数对象。
  • metadata：可以是映射，也可以为空，为空则将其视为空字典。

以上就是关于Python中数据类的简要介绍，你掌握了吗?

当前文章：一文带你走进Python中的数据类
浏览路径：http://www.csdahua.cn/qtweb/news18/523718.html

网站建设、网络推广公司-快上网，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 快上网

成都快上网为您推荐相关内容

网站设计知识

同城分类信息

网站建设报价方案　　 　网站建设方案　　 　攀枝花网站建设　　 　成都企业网站建设公司　　 　东电技服　　 　丹棱网站建设　　 　关键词优化　　 　响应式网站　　 　成都包装设计公司　　 　小谭网创广告　　 　网络营销推广　　 　网站seo优化　　 　新都网站建设　　 　成都品牌官网设计公司　　 　成都店面装修公司　　 　绵阳梓潼网站建设　　 　成都服务器租用　　 　全网营销　　 　响应式网站　　 　绵阳电信机房