有时将相关数据集中在一起是有意义的。我倾向于用dict这样做，例如，
self.group = dict(a=1, b=2, c=3)
print self.group['a']
我的一位同事更喜欢创建一个类
class groupClass(object):
def __init__(a, b, c):
self.a = a
self.b = b
self.c = c
self.group = groupClass(1, 2, 3)
print self.group.a
请注意，我们没有定义任何类方法。
我喜欢使用dict，因为我喜欢最小化代码行数。我的同事认为如果使用类，代码更具可读性，并且将来可以更轻松地向类中添加方法。
您更喜欢哪个？为什么？
答案 0 :(得分：42)
如果你真的没有定义任何类方法，那么dict或namedtuple在我看来更有意义。简单+内置很好！但对他自己而言。
答案 1 :(得分：22)
<强>背景
R. Hettinger在SF Python 2017年假日聚会上介绍了基于属性的替代数据容器的摘要。查看他的tweet和他的slide deck。他还在PyCon 2018上为数据类提供了talk。
此article中提到了其他数据容器类型，主要在Python 3文档中提及（参见下面的链接）。
以下是关于将recordclass添加到标准库的python-ideas邮件列表的讨论。
选项
标准库中的备选方案
collections.namedtuple：带有属性的元组（请参阅开创性recipe）typing.NamedTuple：可分类的元组（请参阅此post将其与namedtuple进行比较）types.SimpleNamespace：简单类w /可选类声明types.MappingProxy：只读dict enum.Enum：约束相关常量的集合（表现得像一个类）dataclasses.dataclass：mutable namedtuple with default / boilerplate-less classes 外部选项
SimpleNamedspace的灵感）哪一个？
决定使用哪个选项取决于具体情况（参见下面的示例）。通常一个老式的可变字典或不可变的namedtuple就足够了。数据类是最新增加的（Python 3.7a），它提供了可变性和optional immutability，并且受到attrs项目启发的减少样板的承诺。
<强>实施例
import typing as typ
import collections as ct
import dataclasses as dc
# Problem: You want a simple container to hold personal data.
# Solution: Try a NamedTuple.
>>> class Person(typ.NamedTuple):
... name: str
... age: int
>>> a = Person("bob", 30)
>>> a
Person(name='bob', age=30)
# Problem: You need to change age each year, but namedtuples are immutable.
# Solution: Use assignable attributes of a traditional class.
>>> class Person:
... def __init__(self, name, age):
... self.name = name
... self.age = age
>>> b = Person("bob", 30)
>>> b.age = 31
>>> b
<__main__.Person at 0x4e27128>
# Problem: You lost the pretty repr and want to add comparison features.
# Solution: Use included repr and eq features from the new dataclasses.
>>> @dc.dataclass(eq=True)
... class Person:
... name: str
... age: int
>>> c = Person("bob", 30)
>>> c.age = 31
>>> c
Person(name='bob', age=31)
>>> d = Person("dan", 31)
>>> c != d
True
答案 2 :(得分：8)
我更喜欢关注YAGNI并使用词典。
答案 3 :(得分：7)
有一项新提案旨在准确实施您所寻找的内容，称为data classes。看看吧。
在dict上使用类是一个偏好的问题。就个人而言，我更喜欢使用一个字典，当钥匙不是先验的时候。 （作为映射容器）。
使用类来保存数据意味着您可以为类属性提供文档。
就个人而言，也许我使用类的最大原因是使用IDE自动完成功能！ （技术上是一个蹩脚的原因，但在实践中非常有用）
答案 4 :(得分：5)
你的方式更好。不要试图预测未来太多，因为你不可能成功。
然而，it may make sense sometimes to use something like a C struct，例如，如果您想识别不同的类型，而不是使用dicts来处理所有事情。
答案 5 :(得分：4)
顺便说一句，我认为Python 3.7实现@ dataclass是将类实现为数据容器的最简单，最有效的方法。
@dataclass
class Data:
a: list
b: str #default variables go after non default variables
c: bool = False
def func():
return A(a="hello")
print(func())
输出为：hello
它与Scala这样的案例类太相似，并且是使用类作为容器的最简单方法。
答案 6 :(得分：3)
您可以使用从dict继承的一些包装类将dict和class的优点结合在一起。您不需要编写样板代码，同时可以使用点表示法。
class ObjDict(dict):
def __getattr__(self,attr):
return self[attr]
def __setattr__(self,attr,value):
self[attr]=value
self.group = ObjDict(a=1, b=2, c=3)
print self.group.a
答案 7 :(得分：2)
我不同意使用没有方法的类，代码更具可读性。您通常期望来自类的功能，而不仅仅是数据。
所以，在出现功能需求之前，我会选择一个字典，然后该类的构造函数可以收到一个字典： - ）
答案 8 :(得分：1)
在支持它的语言中，我会使用struct。字典最接近Python中的结构，至少就我看来而言。
更不用说，如果真的想要，你可以在字典中添加一个方法;）
答案 9 :(得分：1)
dict显然适合这种情况。它专为该用例而设计。除非你真的要把这个类作为一个类使用，否则重新发明轮子会产生额外的开销/浪费一个充当错误字典的类的空间（没有字典特征）。
答案 10 :(得分：1)
group = Prodict(a=1, b=2, c=3)
group.d = 4
如果你想要自动类型转换和自动代码完成（智能）：
class Person(Prodict):
name: str
email: str
rate: int
john = Person(name='John', email='john@appleseed.com')
john.rate = 7
john.age = 35 # dynamic
答案 11 :(得分：1)
如果不关心内存占用，那么dict，namedtuple，dataclass或仅带有__slots__的类都是不错的选择。
但是如果必须创建具有数个简单属性的数百万个对象，那么有一种基于recordclass库的解决方案：
from recordclass import make_dataclass
C = make_dataclass("C", ('a', 'b', 'c'))
c = C(1, 2, 3)
与类定义相同：
from recordclass import dataobject
class C(dataobject):
a:int
b:int
c:int
c = C(1, 2, 3)
它具有最小的内存占用= sizeof(PyObject_HEAD) + 3*sizeof(PyObject*)个字节。
为进行比较，基于__slots__的变体需要sizeof(PyGC_Head) + sizeof(PyObject_HEAD) + 3*sizeof(PyObject*)个字节。