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
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__
方法;__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__
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);__gt__、__ge__、__lt__、__le__
方法;__hash__()
方法(由内置的hash()使用)。
__hash__()
方法;__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);__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)。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)
:
__init__()
方法中。__repr__()
方法返回的字符串中。__eq__() , __gt__()
等等)。__hash__()
方法中;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)
通过dataclass装饰器修饰后的类:
__init__
,dataclass会自动处理;__repr__
函数;通过@dataclass(order = True)
可自动添加比较方法(__eq__和__lt__
):
(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
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
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;