Dataclasses (@dataclass, Python 3.7+) generano automaticamente i metodi boilerplate per classi che principalmente contengono dati. __slots__ è un'ottimizzazione che riduce la memoria e accelera l'accesso agli attributi evitando il __dict__ per istanza.
I dataclass sono una feature moderna e ampiamente utilizzata che elimina il boilerplate ripetitivo per classi che contengono dati — rendendo il codice più pulito, meno soggetto a errori e più leggibile (__init__/__repr__/__eq__ generati automaticamente, oltre a immutabilità e default sicuri).
Sono l'alternativa moderna idiomatica a scrivere manualmente tali classi o usare namedtuple quando hai bisogno di mutabilità/metodi. __slots__ è un'ottimizzazione mirata delle prestazioni che riduce significativamente la memoria e accelera l'accesso agli attributi quando istanzi un numero enorme di oggetti.
Conosce entrambi — @dataclass per la modellazione dati quotidiana e pulita, e __slots__ (ora combinabile tramite slots=True) per percorsi critici in termini di memoria — riflette le attuali best practice per scrivere classi Python efficienti e mantenibili.
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 genera __init__, __repr__, __eq__ (e opzionalmente ordinamento/hashing) dai campi annotati — rimuovendo il boilerplate tedioso e soggetto a errori.
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 rende le istanze immutabili; field(default_factory=list) fornisce in modo sicuro default mutabili (evitando la trappola dei default mutabili condivisi).
# 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__
Normalmente ogni istanza memorizza gli attributi in un __dict__ dinamico. __slots__ dichiara un insieme fisso di attributi memorizzati in una struttura compatta e fissa — risparmiando memoria significativa e velocizzando l'accesso, al costo della flessibilità (nessuna aggiunta di attributi arbitrari).
@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)