python - 通过普通类、数据类和命名元组创建对象的有趣性能

Question

我正在浏览数据类并命名为元组。我发现这种行为在使用 python 的不同特性创建对象时具有不同的性能。
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 Env - Python 3.7.3  
OS - MacOS Mojave

所有实现都具有相同的对象属性、相同的默认值。

为什么时间(data_classes) > time(named_tuple) > time(normal_class)是这个趋势？

每个实现如何花费各自的时间？

哪种实现在什么场景下表现最好？

这里，时间表示创建对象所花费的时间。

Answer 1

看 here ，并提到 PEP-557。还有其他方法 - post_init .要验证，请使用 @dataclass(init=False) - 在这种情况下，不应调用该方法。
更新
看起来我最初的解释有点幼稚。 tl;博士:
在 Python 中，一切都是字典。在数据类的情况下，该字典中有更多条目，因此反过来需要更多时间将它们放在那里。
这种变化是怎么发生的？ @Arne 的评论发现我在这里遗漏了一些东西。我做了示例代码:

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}")

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例子供引用。
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 发现的那样 - post_init 代码是可选的，不是生成的。我有其他想法，即有一些围绕领域的工作，但是:

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

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

所以这里没有额外的包装/代码。从所有这些中我看到的唯一额外的东西 - 是更多的方法。