|
|
51CTO旗下网站
|
|
移动端

一文带你走进Python中的数据类

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。

作者:读芯术来源:今日头条|2020-06-24 12:01

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

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。

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classCoordinate: 
  4.               x: int 
  5.               y: int 
  6.               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。

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classCoordinate: 
  4.               x: int 
  5.               y: int 
  6.               z: int 
  7.              a =Coordinate(4, 5, 3) 
  8.            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:

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classCircleArea: 
  4.               r: int 
  5.               pi: float =3.14 
  6.                  @property 
  7.               defarea(self): 
  8.                    return self.pi * (self.r **2) 
  9.              a =CircleArea(2) 
  10.            print(repr(a))  # output: CircleArea(r=2, pi=3.14) 
  11.            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:

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classCircleArea: 
  4.               r: int 
  5.               pi: float =3.14 
  6.                  @property 
  7.               defarea(self): 
  8.                    return self.pi * (self.r **2) 
  9.              a =CircleArea(2) 
  10.            a.r =5 
  11.            print(repr(a))  # output: CircleArea(r=5, pi=3.14) 
  12.            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。

  1. from dataclasses import dataclass 
  2.              @dataclass(frozen=True
  3.            classCircleArea: 
  4.               r: int 
  5.               pi: float =3.14 
  6.                  @property 
  7.               defarea(self): 
  8.                    return self.pi * (self.r **2) 
  9.              a =CircleArea(2) 
  10.            a.r =5 
  11.            # Exceptionoccurred: dataclasses.FrozenInstanceError: 
  12.            # 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:

  1. from dataclasses import dataclass,field 
  2.     
  3.                        @dataclass(order=True
  4.            classVector: 
  5.               x: int 
  6.               y: int 
  7.              v1 =Vector(8, 15) 
  8.            v2 =Vector(7, 20) 
  9.            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:

  1. from dataclasses import dataclass, field 
  2.              @dataclass(order=True
  3.            classVector: 
  4.               magnitude: float =field(init=False
  5.               x: int 
  6.               y: int 
  7.                  def__post_init__(self): 
  8.                    self.magnitude = (self.x **2+ self.y **2) **0.5 
  9.              v1 =Vector(9, 12) 
  10.            print(v1)  # output: Vector(magnitude=15.0, x=9,y=12) 
  11.            v2 =Vector(8, 15) 
  12.            print(v2)  # output: Vector(magnitude=17.0, x=8,y=15) 
  13.            print(v2 > v1)  # outputTrue 

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:

  1. from dataclasses import dataclass,asdict, astuple 
  2.              @dataclass 
  3.            classVector: 
  4.               x: int 
  5.               y: int 
  6.               z: int 
  7.              v =Vector(4, 5, 7) 
  8.            print(asdict(v))  # output: {'x': 4, 'y': 5, 'z': 7} 
  9.            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:

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classEmployee: 
  4.               name: str 
  5.               lang: str 
  6.              @dataclass 
  7.            classDeveloper(Employee): 
  8.               salary: int 
  9.              Halil=Developer('Halil''Python', 5000) 
  10.            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:

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classEmployee: 
  4.               name: str 
  5.               lang: str ='Python' 
  6.              @dataclass 
  7.            classDeveloper(Employee): 
  8.               salary: int 
  9.              Halil=Developer('Halil''Python', 5000) 
  10.            # 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:

  1. def__init__(name: str,lang: str ='Python', salary: int): 
  2.  
  3. ... 

通过对sanlary字段设置默认值来对其进行修复:

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classEmployee: 
  4.               name: str 
  5.               lang: str ='Python' 
  6.              @dataclass 
  7.            classDeveloper(Employee): 
  8.               salary: int =0 
  9.              Halil=Developer('Halil''Python', 5000) 
  10.            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。

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classEmployee: 
  4.               name: str 
  5.               lang: str 
  6.              Halil=Employee('Halil''Python'
  7.            print(Halil.__dict__)  # name': 'Halil', 'lang': 'Python'} 

slots内存占用更小,访问属性更快。

  1. from dataclasses import dataclass 
  2.              @dataclass 
  3.            classEmployee: 
  4.               __slots__ = ('name''lang'
  5.               name: str 
  6.               lang: str 
  7.              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?

【编辑推荐】

  1. 如何调试Python 程序的内存泄露问题
  2. 被“嫌弃”的分号的一生:不要在Python中使用无用分号了
  3. 8个超级好用的Python内置函数
  4. 写出更优质的Python代码,12个Python新版本编程技巧都在这里
  5. 你知道Python中数据处理库Pandas是如何诞生的吗?
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微