Dataclasses (@dataclass, Python 3.7+) secara otomatis menghasilkan kaedah boilerplate untuk kelas yang terutamanya memegang data. __slots__ ialah pengoptimalan yang mengurangkan memori dan mempercepatkan akses atribut dengan mengelakkan __dict__ per-instance.
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 menghasilkan __init__, __repr__, __eq__ (dan secara opsional pengurutan/hashing) daripada medan yang dianotasi — menghapuskan boilerplate yang membosankan dan mudah salah.
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 menjadikan instance tidak dapat diubah; field(default_factory=list) dengan selamat menyediakan nilai lalai yang dapat diubah (mengelakkan perangkap lalai-mutable-bersama).
# 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__
Biasanya setiap instance menyimpan atribut dalam __dict__ dinamis. __slots__ mengisytiharkan satu set atribut tetap yang disimpan dalam struktur tetap yang padat — menjimatkan memori yang ketara dan mempercepatkan akses, dengan mengorbankan fleksibilitas (tidak boleh menambah atribut sewenang-wenang).
@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 ialah ciri moden yang digunakan secara meluas yang menghapuskan boilerplate berulang untuk kelas pemegang data — menjadikan kod lebih bersih, kurang terdedah kepada ralat, dan lebih mudah dibaca (auto-generated __init__/__repr__/__eq__, serta ketidakubahan dan lalai yang selamat).
Mereka adalah alternatif idiomatik moden untuk menulis kelas sedemikian secara manual atau menggunakan namedtuple apabila anda memerlukan kebolehubahan/kaedah. __slots__ ialah pengoptimalan prestasi yang disasarkan yang mengurangkan memori dan mempercepatkan akses atribut secara bermakna apabila anda membuat bilangan besar objek.
Mengetahui kedua-duanya — @dataclass untuk pemodelan data yang bersih setiap hari dan __slots__ (kini boleh digabungkan melalui slots=True) untuk jalur panas yang kritikal memori — mencerminkan amalan terbaik semasa untuk menulis kelas Python yang cekap dan mudah dikendalikan.