《流畅的Python》读书笔记06（补充01）: 数据类构建器 - 三类数据容器对比（简洁版）
Python 3.7+ 引入的@dataclass装饰器、collections.namedtuple以及typing.NamedTuple是三种用于简化数据容器类创建的工具，旨在减少__init__、__repr__和__eq__等样板代码的编写 。
| 构建器 | 核心特性 | 可变性 | 默认值支持 | 推荐使用场景 |
|---|---|---|---|---|
collections.namedtuple | 构建tuple的子类，实例不可变，支持字段名访问，内存效率极高。 | ❌ 不可变 | Python 3.7+ 支持 | 需要极简、只读且内存敏感的数据容器，例如坐标点、配置项。 |
typing.NamedTuple | 同样构建tuple子类，但强制要求类型注解，支持class语法，便于集成方法和文档。 | ❌ 不可变 | ✅ 支持 | 需要类型提示（供 IDE/类型检查器使用）的不可变数据容器。 |
@dataclasses.dataclass | 类装饰器，自动生成常用方法，提供高度可定制性（如可变性、字段控制、后初始化钩子）。 | ✅ 默认可变 (可设frozen=True为不可变) | ✅ 支持 (含field(default_factory=...)处理可变默认值) | 需要字段默认值、可变数据、复杂初始化逻辑（__post_init__）或高度定制的场景。 |
关键对比与选择策略：
- 可变性：
namedtuple和NamedTuple生成不可变元组子类；@dataclass默认生成可变类，但可通过frozen=True参数变为不可变。 - 类型注解：
NamedTuple和@dataclass均支持类型注解，有利于代码可读性和静态类型检查。 - 默认值处理：
@dataclass的field(default_factory=...)能安全处理列表、字典等可变类型的默认值，避免实例间共享引用的问题。 - 扩展性：
NamedTuple和@dataclass支持class语法，可方便地添加自定义方法（如__str__、业务逻辑方法）。 - 版本兼容性：若代码需在 Python 3.7 以下版本运行，应选择
namedtuple或NamedTuple。
代码示例：核心用法
# 使用 @dataclass 创建可变数据类，并处理可变默认值 from dataclasses import dataclass, field @dataclass class ShoppingCart: items: list = field(default_factory=list) # 每次实例化生成独立列表 owner: str = "Guest" cart1 = ShoppingCart() cart1.items.append("apple") print(cart1) # ShoppingCart(items=['apple'], owner='Guest') # 使用 typing.NamedTuple 创建带类型注解和自定义方法的不可变类 from typing import NamedTuple class Coordinate(NamedTuple): lat: float lon: float def format(self) -> str: return f"{self.lat}, {self.lon}" point = Coordinate(55.756, 37.617) print(point.format()) # 55.756, 37.617 # point.lat = 60.0 # 此行会报错，因为实例不可变潜在的设计考量：文章指出，若一个类仅包含数据字段而无任何关联行为（方法），可能是一种“数据类代码异味”，暗示了面向对象设计中的职责分配问题。在这种情况下，应考虑将操作这些数据的方法迁移到该数据类内部，以遵循“高内聚”的设计原则 。
参考来源
- 《流畅的Python》读书笔记06: 第一部分 数据结构 - 数据类构建器