データクラス（@dataclass、Python 3.7 以降）は、主にデータを保持するクラスのために定型的なメソッドを自動生成します。__slots__ は、インスタンスごとの __dict__ を回避することでメモリを削減し、属性アクセスを高速化する最適化です。
dataclasses dataclass
:
():
.x = x; .y = y
():
():
(.x, .y) == (other.x, other.y)
:
x:
y:
p = Point(, )
p
p == Point(, )
@dataclass は注釈されたフィールドから __init__、__repr__、__eq__（およびオプションで順序付け/ハッシュ化）を生成し、面倒でミスを招きやすい定型コードを取り除きます。
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 はインスタンスを不変にします。field(default_factory=list) は可変なデフォルト値を安全に提供します（共有された可変デフォルトの罠を回避する）。
# 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__
通常、各インスタンスは属性を動的な __dict__ に格納します（柔軟だがメモリを多く消費する）。__slots__ は代わりに、固定された属性の集合をコンパクトで固定的な構造に格納すると宣言します。これにより、柔軟性を犠牲に（任意の属性を追加できない）大幅なメモリ削減とアクセスの高速化が得られます。
@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)
データクラスは、データを保持するクラスのための繰り返しの定型コードを排除する、広く使われる現代的な機能です。コードをより明確に、ミスを招きにくく、読みやすくします（自動生成される __init__/__repr__/__eq__、加えて不変性と安全なデフォルト値）。
そうしたクラスを手書きすることや、可変性/メソッドが必要なときに namedtuple を使うことに代わる、慣用的で現代的な手段です。__slots__ は、膨大な数のオブジェクトをインスタンス化するときにメモリを大きく削減し、属性アクセスを高速化する、的を絞った性能最適化です。
両方を知ること（日常的なクリーンなデータモデリングのための @dataclass と、メモリが重要なホットパスのための __slots__、現在は slots=True で組み合わせ可能）は、効率的で保守しやすい Python クラスを書くための現在のベストプラクティスを反映しています。