Dataclasses (@dataclass, Python 3.7+) automatikusan generálja az osztályok szokatlankódját, amelyek főleg adatokat tárolnak. __slots__ egy optimalizáció, amely csökkenti a memóriát és felgyorsítja az attribútum-hozzáférést az instance-nkénti __dict__ elkerülésével.
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
A @dataclass az annotált mezőkből generálja a __init__, __repr__, __eq__ (és opcionálisan rendezés/hashing) — eltávolítva a unalmas, hibára hajlamos szokatlankódot.
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
A frozen=True az instance-okat megváltoztathatatlansá teszi; a field(default_factory=list) biztonságosan biztosít módosítható alapértelmezett értékeket (elkerülve a megosztott-módosítható-alapértelmezett csapdát).
# 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__
Normálisan minden instance az attribútumokat egy dinamikus __dict__-ben tárolja. A __slots__ a rögzített attribútumok halmazát deklarálja egy kompakt, rögzített struktúrában tárolva helyette — jelentős memóriát spórolva meg és gyorsítva a hozzáférést, az alkalmazkodóképesség rovására (nem lehet tetszőleges attribútumok hozzáadása).
@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)
A dataclasses egy széles körben használt modern funkció, amely kiküszöböli az adatokat tározó osztályok ismétlődő szokatlankódját — tisztábbá, kevésbé hibára hajlóvá és olvashatóbbá téve a kódot (automatikusan generált __init__/__repr__/__eq__, valamint megváltoztathatatlansággal és biztonságos alapértelmezettekkel).
Ezek az idiomatikus modern alternatívák az ilyen osztályok kézi írásához vagy a namedtuple használatához, amikor módosíthatóságra/metódusokra van szükség. A __slots__ egy célzott teljesítmény-optimalizáció, amely értelmes mértékben csökkenti a memóriát és felgyorsítja az attribútum-hozzáférést, amikor hatalmas számú objektumot instantiál.
Mindkettő ismerete — @dataclass mindennapi tiszta adatmodellezéshez és __slots__ (mostantól kombinálható slots=True révén) memória-kritikus forró utakhoz — tükrözi a jelenlegi legjobb gyakorlatot hatékony, karbantartható Python-osztályok írásához.