Dataclasses (@dataclass, Python 3.7+) automaticky generují boilerplate metody pro třídy, které primárně obsahují data. __slots__ je optimalizace, která snižuje spotřebu paměti a zrychluje přístup k atributům zamezením per-instance __dict__.
Dataclasses (@dataclass, Python 3.7+) automaticky generují boilerplate metody pro třídy, které primárně obsahují data. __slots__ je optimalizace, která snižuje spotřebu paměti a zrychluje přístup k atributům zamezením per-instance __dict__.
from dataclasses import dataclass
# ❌ without dataclass — lots of repetitive boilerplate
class Point:
def __init__(self, x, y):
self.x = x; self.y = y
def __repr__(self):
return f"Point(x={self.x}, y={self.y})"
def __eq__(self, other):
return (self.x, self.y) == (other.x, other.y)
# ✅ with @dataclass — all of the above generated automatically
@dataclass
class Point:
x: int
y: int
p = Point(1, 2)
p # Point(x=1, y=2) — __repr__ generated
p == Point(1, 2) # True — __eq__ generated
@dataclass generuje __init__, __repr__, __eq__ (a volitelně řazení/hashing) z annotovaných polí — odstraňuje nudný, chyba-náchylný boilerplate.
from dataclasses import dataclass, field
@dataclass(frozen=True) # frozen → immutable (hashable, usable as dict key)
class Config:
name: str
tags: list = field(default_factory=list) # mutable default done safely
timeout: int = 30 # default value
frozen=True činí instance neměnné; field(default_factory=list) bezpečně poskytuje měnitelné výchozí hodnoty (vyhýbá se pasti sdílené měnitelné výchozí hodnoty).
# normally, each instance has a __dict__ to store attributes (flexible but memory-heavy)
class Regular:
def __init__(self, x, y): self.x, self.y = x, y
# __slots__ → fixed attribute set, NO per-instance __dict__
class Slotted:
__slots__ = ("x", "y") # only these attributes allowed
def __init__(self, x, y): self.x, self.y = x, y
s = Slotted(1, 2)
s.z = 3 # ❌ AttributeError — can't add attributes not in __slots__
Normálně každá instance ukládá atributy v dynamickém __dict__. __slots__ místo toho deklaruje pevnou sadu atributů uložených v kompaktní, pevné struktuře — šetří výraznou paměť a zrychluje přístup, na úkor flexibility (nelze přidávat libovolné atributy).
@dataclass(slots=True) # Python 3.10+ — dataclass WITH __slots__
class Point:
x: int
y: int
@dataclass → any class that's mostly data (DTOs, configs, records) — cleaner, less code
__slots__ → when you create MANY instances (millions) and memory/speed matters
(e.g. nodes in a big data structure, large simulations)
Dataclasses jsou široce používaná moderní vlastnost, která eliminuje opakující se boilerplate pro třídy, které drží data — dělá kód čistší, méně chyb-náchylný a čitelnější (automaticky generovaný __init__/__repr__/__eq__, plus neměnnost a bezpečné výchozí hodnoty).
Jsou idiomatickou moderní alternativou k ručnímu psaní takových tříd nebo používání namedtuple, když potřebujete měnitelnost/metody. __slots__ je cílená optimalizace výkonu, která smysluplně snižuje paměť a zrychluje přístup k atributům, když instantiujete obrovské množství objektů.
Znalost obou — @dataclass pro každodenní čisté modelování dat a __slots__ (nyní kombinovatelný přes slots=True) pro paměť-kritické hot paths — odráží současné best practices pro psaní efektivních, udržitelných Python tříd.