Question

Python 3.7提供了新的dataclasses，它们具有预定义的特殊功能。

从概述的角度来看，dataclasses和SimpleNameSpace都提供了很好的数据封装工具。

@dataclass
class MyData:
    name:str
    age: int

data_1 = MyData(name = 'JohnDoe' , age = 23)

data_2 = SimpleNameSpace(name = 'JohnDoe' , age = 23)

很多时候，我只使用SimpleNameSpace来包装数据并四处移动。

我什至将其子类化以添加特殊功能：

from types import SimpleNameSpace

class NewSimpleNameSpace(SimpleNameSpace):
    def __hash__(self):
        return some_hashing_func(self.__dict__)

对于我的问题：

某人如何在SimpleNameSpace和dataclasses之间进行选择？
为什么通过扩展SimpleNameSpace可以达到相同的效果，为什么有必要？
dataclasses的所有其他用例还满足哪些需求？

Answer 1

数据类更像namedtuple和流行的attrs包，而不是SimpleNamespace（the PEP中甚至没有提到）。它们有两个不同的预期目的。

数据类

结构化
已键入（默认，但可选）
为基本的dunder方法（{{1}，__init__，__hash__等）编写大部分样板
为属性的默认值提供简单的机制
可以轻松添加__eq__和方法

SimpleNamespace

“抓袋”数据结构
用于需要多于词典但少于一堂课的地方
不打算使用__slots__

摘自__slots__文档：

SimpleNamespace可能可以代替SimpleNamespace。但是，对于结构化记录类型，请使用class NS: pass。

由于应该使用namedtuple()来代替@dataclass的许多用例，因此应使用namedtuple而不是@dataclass来完成命名记录/结构。

您可能还想看看this PyCon talk by Raymond Hettinger，他进入SimpleNamespace的背景故事中并得到了使用。

Answer 2

简短的答案是PEP 557涵盖了所有内容。让您的问题稍微有些混乱...

为什么？

利用PEP 526提供一种定义此类的简单方法。
支持静态类型检查器。

如何选择何时使用它们？

PEP非常清楚，它们不是替代品，并且希望其他解决方案也能占有一席之地。

因此，与其他任何设计决策一样，您需要准确确定要关注的功能。如果其中包括以下内容，则您绝对不希望使用数据类。

在哪里不合适使用数据类？

API必须与元组或字典兼容。      需要进行超出PEP 484和526提供的类型验证，或者需要进行值验证或转换。

也就是说，SimpleNameSpace也是这样，那么我们还能看什么来决定？让我们仔细看看数据类提供的额外功能...

SimpleNameSpace的现有定义如下：

一个简单的对象子类，提供对其名称空间的属性访问以及有意义的代表。

然后python文档继续说它提供了一个简单的__init__，__repr__和__eq__实现。与PEP 557相比，数据类还为您提供以下选项：

排序-按顺序比较类，就好像它是其字段的元组。
不变性-分配给字段会产生异常
控制哈希-尽管不建议这样做。

那么，很显然，如果您关心顺序或不变性（或需要利基哈希控制），则应该使用数据类。

其他用例？

我看不到，尽管您可以说最初的“为什么？”涵盖了其他用例。

Python 3.7：数据类和SimpleNameSpace的实用程序

2 个答案:

为什么？

如何选择何时使用它们？

其他用例？