Dataclasses (@dataclass, Python 3.7+) δημιουργούν αυτόματα boilerplate μεθόδους για κλάσεις που κρατάνε κυρίως δεδομένα. __slots__ είναι μια βελτιστοποίηση που μειώνει τη μνήμη και επιταχύνει την πρόσβαση χαρακτηριστικών αποφεύγοντας το 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
Το @dataclass δημιουργεί __init__, __repr__, __eq__ (και προαιρετικά διάταξη/hashing) από σχολιασμένα πεδία — αφαιρεί κουραστικό, ένδεκτο σε σφάλματα 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 κάνει τα instances αμετάβλητα· field(default_factory=list) παρέχει με ασφάλεια μεταβλητές προεπιλογές (αποφεύγει την παγίδα της κοινόχρηστης μεταβλητής προεπιλογής).
# 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__
Συνήθως κάθε instance αποθηκεύει χαρακτηριστικά σε ένα δυναμικό __dict__. Το __slots__ δηλώνει αντ' αυτού ένα σταθερό σύνολο χαρακτηριστικών που αποθηκεύονται σε μια συμπαγή, σταθερή δομή — εξοικονομεί σημαντική μνήμη και επιταχύνει την πρόσβαση, σε κόστος ευελιξίας (δεν μπορείτε να προσθέσετε αυθαίρετα χαρακτηριστικά).
@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)
Τα Dataclasses είναι μια ευρέως χρησιμοποιούμενη σύγχρονη δυνατότητα που εξαλείφει επαναλαμβανόμενο boilerplate για κλάσεις που κρατάνε δεδομένα — κάνει τον κώδικα καθαρότερο, λιγότερο ένδεκτο σε σφάλματα και πιο αναγνώσιμο (αυτογενερατό __init__/__repr__/__eq__, συν αμετάβλητότητα και ασφαλείς προεπιλογές).
Είναι η ιδιωματική σύγχρονη εναλλακτική λύση στη χειροκίνητη εγγραφή τέτοιων κλάσεων ή στη χρήση namedtuple όταν χρειάζεστε μεταβλητότητα/μεθόδους. Το __slots__ είναι μια στοχευμένη βελτιστοποίηση απόδοσης που μειώνει σημαντικά τη μνήμη και επιταχύνει την πρόσβαση χαρακτηριστικών όταν δημιουργείτε τεράστιο αριθμό αντικειμένων.
Η γνώση και των δύο — @dataclass για καθημερινή καθαρή μοντελοποίηση δεδομένων και __slots__ (τώρα συνδυάσιμο μέσω slots=True) για κρίσιμες ζεστές διαδρομές μνήμης — αντικατοπτρίζει τις τρέχουσες καλές πρακτικές για τη σύνταξη αποδοτικών, συντηρήσιμων κλάσεων Python.