Dataclasses (@dataclass, Python 3.7+) ავტომატურად აწარმოებს boilerplate მეთოდებს კლასებისთვის, რომლებიც მთავარში მონაცემებს ინახავენ. __slots__ არის оპტიმიზაცია, რომელიც ამცირებს მეხსიერებას და აჩქარებს ატრიბუტის წვდომას per-instance __dict__-ის თავიდან აცილებით.
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 აწარმოებს __init__, __repr__, __eq__ (და არჩევითად დალაგება/hashing) ანოტირებული ველებიდან — აშორებს მოსაბეზრო, შეცდომამდე მიმავალ boilerplate-ს.
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 აკეთებს instances-ს უცვლელ; field(default_factory=list) უსაფრთხოდ უზრუნველყოფს დანაშაული defaults-ებს (თავს იჩენს shared-mutable-default პაფოსს).
# 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__
ჩვეულებრივ, თითოეული instance ინახავს ატრიბუტებს დინამიურ __dict__-ში. __slots__ აცხადებს ატრიბუტების ფიქსირებულ სიმრავლეს, რომელიც ინახება კომპაქტურ, ფიქსირებულ სტრუქტურაში — ზოგი მნიშვნელოვანი მეხსიერება და ატრიბუტის წვდომის სიჩქარე, მაგრამ გნებვისა (დაყენება თვითნებური ატრიბუტები).
@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 არის ფართოდ გამოყენებული თანამედროვე ფიჩური, რომელიც აღმოფხვრის განმეორებით boilerplate-ს მონაცემებს დაზღვევის კლასებისთვის — კოდი სუფთა, ნაკლებად შეცდომამდე მიმავალი და უფრო წაკითხვადი (auto-generated __init__/__repr__/__eq__, პლუს უცვლელობა და უსაფრთხო defaults).
ისინი თანამედროვე იდიომატური ალტერნატივაა ასეთი კლასების ხელით წერისთვის ან namedtuple-ის გამოყენებისთვის, როცა გჭირდებათ mutability/მეთოდები. __slots__ არის მიზნობრივი ფუნქციონირების оპтიმიზაცია, რომელიც აზუსტებით ამცირებს მეხსიერებას და აჩქარებს ატრიბუტის წვდომას, როდესაც ობიექტების უზარმაზარი რიცხვი ჩაყი.
ორივის ცოდნა — @dataclass ყოველდღიური სუფთა მონაცემების მოდელირებისთვის და __slots__ (ახლა შესაერთებელი slots=True-ით) მეხსიერების კრიტიკული სტაფი ფრქვეთის — ასახავს მიმდინარე საუკეთესო პრაქტიკას ეფექტური, შემთხვევაში შესაქმელი Python კლასების დაწერისთვის.