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。
![一文带你走进Python中的数据类](/data/upload/ueditor/20200624/5ef2f6636a5c4.jpeg)
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。
from dataclasses import dataclass @dataclass classCoordinate: x: int y: int z: int
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。
from dataclasses import dataclass @dataclass classCoordinate: x: int y: int z: int a =Coordinate(4, 5, 3) print(a) # output: Coordinate(x=4, y=5, z=3)
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:
from dataclasses import dataclass @dataclass classCircleArea: r: int pi: float =3.14 @property defarea(self): return self.pi * (self.r **2) a =CircleArea(2) print(repr(a)) # output: CircleArea(r=2, pi=3.14) print(a.area) # output: 12.56
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:
from dataclasses import dataclass @dataclass classCircleArea: r: int pi: float =3.14 @property defarea(self): return self.pi * (self.r **2) a =CircleArea(2) a.r =5 print(repr(a)) # output: CircleArea(r=5, pi=3.14) print(a.area) # output: 78.5
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。
from dataclasses import dataclass @dataclass(frozen=True) classCircleArea: r: int pi: float =3.14 @property defarea(self): return self.pi * (self.r **2) a =CircleArea(2) a.r =5 # Exceptionoccurred: dataclasses.FrozenInstanceError: # cannot assign tofield 'r'
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:
from dataclasses import dataclass,field @dataclass(order=True) classVector: x: int y: int v1 =Vector(8, 15) v2 =Vector(7, 20) print(v2 > v1)
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:
from dataclasses import dataclass, field @dataclass(order=True) classVector: magnitude: float =field(init=False) x: int y: int def__post_init__(self): self.magnitude = (self.x **2+ self.y **2) **0.5 v1 =Vector(9, 12) print(v1) # output: Vector(magnitude=15.0, x=9,y=12) v2 =Vector(8, 15) print(v2) # output: Vector(magnitude=17.0, x=8,y=15) print(v2 > v1) # output: True
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:
from dataclasses import dataclass,asdict, astuple @dataclass classVector: x: int y: int z: int v =Vector(4, 5, 7) print(asdict(v)) # output: {'x': 4, 'y': 5, 'z': 7} print(astuple(v)) # output: (4, 5, 7)
继承
可以像Python中的普通类一样对数据类进行子类化:
from dataclasses import dataclass @dataclass classEmployee: name: str lang: str @dataclass classDeveloper(Employee): salary: int Halil=Developer('Halil', 'Python', 5000) print(Halil) # Output: Developer(name='Halil',lang='Python', salary=5000)
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:
from dataclasses import dataclass @dataclass classEmployee: name: str lang: str ='Python' @dataclass classDeveloper(Employee): salary: int Halil=Developer('Halil', 'Python', 5000) # Output:TypeError: non-default argument 'salary' follows default argument
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:
def__init__(name: str,lang: str ='Python', salary: int): ...
通过对sanlary字段设置默认值来对其进行修复:
from dataclasses import dataclass @dataclass classEmployee: name: str lang: str ='Python' @dataclass classDeveloper(Employee): salary: int =0 Halil=Developer('Halil', 'Python', 5000) print(Halil) # output: Developer(name='Halil',lang='Python', salary=5000)
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。
from dataclasses import dataclass @dataclass classEmployee: name: str lang: str Halil=Employee('Halil', 'Python') print(Halil.__dict__) # name': 'Halil', 'lang': 'Python'}
slots内存占用更小,访问属性更快。
from dataclasses import dataclass @dataclass classEmployee: __slots__ = ('name', 'lang') name: str lang: str Halil=Employee('Halil', 'Python')
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?
(文章来源:读芯术)