python數據類怎么使用

本篇內容介紹了“python數據類怎么使用”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

Python3.7引入了dataclass。dataclass裝飾器可以聲明Python類為數據類；數據類適合用來存儲數據，一般而言它具有如下特征：

• 數據類表示某種數據類型，數據對象代表一種特定類的實體，包含了實體的屬性。

• 同類型的對象之間可以進行比較；如，大于、小于或等于。

數據類定義

就其本質而言，數據類并沒有什么特別之處，只是@dataclass裝飾器自動生成__repr__，init，__eq__等一系列方法。定義數據類：

from dataclasses import dataclass

@dataclass
class A:
  normal: str
  defVal: int = 0

裝飾器

dataclass完整形式為（True為生成對應方法，False將不生成；若類中已定義對應方法，則忽略此參數）：

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

• init：默認將生成__init__方法；

• repr：默認將生成__repr__方法；repr字符串包含類名、每個字段名稱和其repr（按其類中定義順序）；

• eq：默認將生成__eq__方法；如果傳入False，那么__eq__方法將不會被dataclass添加，但會繼承object.__eq__（比較id）；

• order：默認不生成__gt__、__ge__、__lt__、__le__方法；

• unsafe_hash：如果是False（默認），則根據eq和frozen的設置方式生成__hash__()方法（由內置的hash()使用）。

• 如果eq和frozen都為真，默認情況會生成一個__hash__()方法；

• 如果eq為真而frozen為假，則__hash__()將被設置為 None，將其標記為不可散列（確實如此，因為它是可變的）；

• 如果eq為假，則__hash__()將保持不變，這意味著將使用超類的__hash__()方法（如果超類是object，將回退到基于id的散列）。

• frozen：若為true，實例初始化后屬性將無法修改；

field

通過field方法，可定制屬性：
dataclasses.field(*, default=MISSING, default_factory=MISSING, repr=True, hash=None, init=True, compare=True, metadata=None)：

• default：如果提供，這將是該字段的默認值。

• default_factory：用于指定具有可變默認值的字段，必須是一個無參可調用對象；與default互斥（不可同時指定）。

• init：如果為true（默認值），則該字段作為參數包含在生成的__init__()方法中。

• repr：如果為true（默認值），則該字段包含在生成的__repr__()方法返回的字符串中。

• compare：如果為true（默認值），則該字段包含在生成的相等性和比較方法中（__eq__() ， __gt__()等等）。

• hash：可以是布爾值或None：

• 為None（默認值），則使用compare的值，這通常是預期的行為（不鼓勵將此值設置為None以外的任何值）；

• 為true，則此字段包含在生成的__hash__()方法中；

• 設置hash=False但compare=True（即從hash中排除某個字段，但仍用于比較）的一個可能原因是，計算字段的hash代價很高；

• metadata：這可以是映射或None；None被視為一個空的字典。這個值包含在MappingProxyType()中，使其成為只讀，并暴露在Field對象上（是作為第三方擴展機制提供的）。

使用default_factory生成默認值：

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生成默認值
print(r)

初始化

通過dataclass裝飾器修飾后的類：

• 無需定義__init__，dataclass會自動處理；

• 以易讀的方式預先定義成員屬性（及類型提示）；并可定義默認值；

• dataclass會自動添加一個__repr__函數；

數據比較

通過@dataclass(order = True)可自動添加比較方法（__eq__和__lt__）：

比較是通過屬性（字段）生成的元組，進行比較的；如上比較元組為(normal, defVale)
通過compare=False，可設定不用于比較的字段：

@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)) # 只根據score排序

后處理

通過__post_init__可做后處理（在__init__返回前，自動調用）：

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與integer自動賦值

dataclasses方法

dataclasses內置屬性與方法：

• fields(class_or_instance)：返回字段Field對象的元組；

• asdict(instance, *, dict_factory=dict)：將數據類轉換為字典，（name:value）對；

• astuple(instance, *, tuple_factory=tuple)：將數據類轉換為元組；

• replace(instance, **changes)：創建與instance相同類型的新對象，changes為要修改的值。

“python數據類怎么使用”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！