python - 使用 Python 类作为数据容器

Question

有时将相关数据聚集在一起是有意义的。我倾向于使用字典，例如，

group = dict(a=1, b=2, c=3)
print(group['a'])

我的一个同事喜欢创建一个类

class groupClass:
    def __init__(self, a, b, c):
        self.a = a
        self.b = b
        self.c = c

group = groupClass(1, 2, 3)
print(group.a)

请注意，我们没有定义任何类方法。

我喜欢使用字典，因为我喜欢尽量减少代码行数。我的同事认为如果你使用一个类，代码的可读性会更高，而且以后可以更容易地为类添加方法。

你更喜欢哪个，为什么？

Answer 1

背景

R. Hettinger 在 SF Python 的 2017 年假日聚会上介绍了替代的基于属性的数据容器的摘要。见他的tweet和他的slide deck .他还给了一个talk在 PyCon 2018 关于数据类。

本 article 中提到了其他数据容器类型并且主要在 Python 3 文档中(参见下面的链接)。

这里是关于 python-ideas 的讨论关于将 recordclass 添加到标准库的邮件列表。

选项

标准库中的替代方案

• collections.namedtuple : 带有属性的元组(参见开创性 recipe )
• typing.NamedTuple : 可子分类的元组(参见 post 将其与 namedtuple 进行比较)
• types.SimpleNamespace : 带有可选类声明的简单类
• types.MappingProxy : 只读字典
• enum.Enum : 相关常量的受限集合(表现得像一个类)
• dataclasses.dataclass : 具有默认/无样板类的可变命名元组

外部选项

• records : 可变的命名元组(另见 recordclass)
• bunch : 添加对字典的属性访问(SimpleNamedspace 的灵感；另见 munch (py3))
• box : 用 dot-style lookup 包装字典功能
• attrdict : 将映射中的元素作为键或属性访问
• fields :从容器类中删除样板。
• namedlist :可变的、类似元组的容器，由 E. Smith 提供默认值
• attrs : 类似于数据类，包含一些特性(验证、转换器、__slots__ 等)。另见 cattrs 上的文档.
• misc. :关于制作自己的自定义结构、对象、束、dict 代理等的帖子。

哪一个？

根据具体情况决定使用哪个选项(参见下面的示例)。通常老式的可变字典或不可变的命名元组就足够了。数据类是最新添加的 (Python 3.7a)，提供可变性和 optional immutability , promise 减少样板，受 attrs 的启发项目。

---

示例

import typing as typ
import collections as ct
import dataclasses as dc


# Problem: You want a simple container to hold personal data.
# Solution: Try a NamedTuple.
>>> class Person(typ.NamedTuple):
...     name: str
...     age: int
>>> a = Person("bob", 30)
>>> a
Person(name='bob', age=30)

# Problem: You need to change age each year, but namedtuples are immutable. 
# Solution: Use assignable attributes of a traditional class.
>>> class Person:
...     def __init__(self, name, age):
...         self.name = name
...         self.age = age
>>> b = Person("bob", 30)
>>> b.age = 31
>>> b
<__main__.Person at 0x4e27128>

# Problem: You lost the pretty repr and want to add comparison features.
# Solution: Use included repr and eq features from the new dataclasses.
>>> @dc.dataclass(eq=True)
... class Person:
...     name: str
...     age: int
>>> c = Person("bob", 30)
>>> c.age = 31
>>> c
Person(name='bob', age=31)
>>> d = Person("dan", 31)
>>> c != d
True