Python中的数据类是如何使用的?

编辑: admin 分类: python 发布时间: 2023-05-01 来源:互联网

Python3.7引入了dataclass。dataclass装饰器可以声明Python类为数据类;数据类适合用来存储数据,一般而言它具有如下特征:

  • 数据类表示某种数据类型,数据对象代表一种特定类的实体,包含了实体的属性。

  • 同类型的对象之间可以进行比较;如,大于、小于或等于。

数据类定义

就其本质而言,数据类并没有什么特别之处,只是@dataclass装饰器自动生成__repr__,init,__eq__等一系列方法。定义数据类:

from dataclasses import dataclass

@dataclass
class A:
  normal: str
  defVal: int = 0
登录后复制

装饰器

dataclass完整形式为(True为生成对应方法,False将不生成;若类中已定义对应方法,则忽略此参数):

@dataclass(init=True, repr=True, eq=True, order=False, unsafe_hash=False, frozen=False):

  • init:默认将生成__init__方法;

  • repr:默认将生成__repr__方法;repr字符串包含类名、每个字段名称和其repr(按其类中定义顺序);

  • eq:默认将生成__eq__方法;如果传入False,那么__eq__方法将不会被dataclass添加,但会继承object.__eq__(比较id);

  • order:默认不生成__gt__、__ge__、__lt__、__le__方法;

  • unsafe_hash:如果是False(默认),则根据eq和frozen的设置方式生成__hash__()方法(由内置的hash()使用)。

    • 如果eq和frozen都为真,默认情况会生成一个__hash__()方法;

    • 如果eq为真而frozen为假,则__hash__()将被设置为 None,将其标记为不可散列(确实如此,因为它是可变的);

    • 如果eq为假,则__hash__()将保持不变,这意味着将使用超类的__hash__()方法(如果超类是object,将回退到基于id的散列)。

  • frozen:若为true,实例初始化后属性将无法修改;

field

通过field方法,可定制属性:
dataclasses.field(*, default=MISSING, default_factory=MISSING, repr=True, hash=None, init=True, compare=True, metadata=None):

  • default:如果提供,这将是该字段的默认值。

  • default_factory:用于指定具有可变默认值的字段,必须是一个无参可调用对象;与default互斥(不可同时指定)。

  • init:如果为true(默认值),则该字段作为参数包含在生成的__init__()方法中。

  • repr:如果为true(默认值),则该字段包含在生成的__repr__()方法返回的字符串中。

  • compare:如果为true(默认值),则该字段包含在生成的相等性和比较方法中(__eq__() , __gt__()等等)。

  • hash:可以是布尔值或None:

  • 为None(默认值),则使用compare的值,这通常是预期的行为(不鼓励将此值设置为None以外的任何值);

  • 为true,则此字段包含在生成的__hash__()方法中;

  • 设置hash=False但compare=True(即从hash中排除某个字段,但仍用于比较)的一个可能原因是,计算字段的hash代价很高;

  • metadata:这可以是映射或None;None被视为一个空的字典。这个值包含在MappingProxyType()中,使其成为只读,并暴露在Field对象上(是作为第三方扩展机制提供的)。

使用default_factory生成默认值:

from dataclasses import dataclass, field
import random

def build_marks() -> list:
    return [random.randint(0, 1000) for i in range(5)]

@dataclass(order=True)
class RandMark:
    marks: list = field(default_factory=build_marks)

r = RandMark() # 使用build_marks生成默认值
print(r)
登录后复制

初始化

通过dataclass装饰器修饰后的类:

  • 无需定义__init__,dataclass会自动处理;

  • 以易读的方式预先定义成员属性(及类型提示);并可定义默认值;

  • dataclass会自动添加一个__repr__函数;

数据比较

通过@dataclass(order = True)可自动添加比较方法(__eq__和__lt__):

比较是通过属性(字段)生成的元组,进行比较的;如上比较元组为(normal, defVale)
通过compare=False,可设定不用于比较的字段:

@dataclass(order=True)
class Student:
    name: str = field(compare=False)
    score: float

s = [Student("mike", 90),
    Student("steven", 80),
    Student("orange", 70)
    ]
print(sorted(s)) # 只根据score排序
登录后复制

后处理

通过__post_init__可做后处理(在__init__返回前,自动调用):

from dataclasses import dataclass

@dataclass
class FloatNumber:
    val: float
    decimal: float = 0
    integer: float = 0

    def __post_init__(self):
        self.decimal, self.integer = math.modf(self.val)

f = FloatNumber(1.2) # decimal与integer自动赋值
登录后复制

dataclasses方法

dataclasses内置属性与方法:

  • fields(class_or_instance):返回字段Field对象的元组;

  • asdict(instance, *, dict_factory=dict):将数据类转换为字典,(name:value)对;

  • astuple(instance, *, tuple_factory=tuple):将数据类转换为元组;

  • replace(instance, **changes):创建与instance相同类型的新对象,changes为要修改的值。

以上就是Python中的数据类是如何使用的?的详细内容,更多请关注海外IDC网其它相关文章!

【文章原创作者:阿里云代理 http://www.558idc.com/aliyun.html 复制请保留原URL】