Dataclasses (@dataclass, Python 3.7+) geram automaticamente métodos boilerplate para classes que principalmente armazenam dados. __slots__ é uma otimização que reduz memória e acelera o acesso a atributos ao evitar o __dict__ por instância.
Dataclasses (@dataclass, Python 3.7+) geram automaticamente métodos boilerplate para classes que principalmente armazenam dados. __slots__ é uma otimização que reduz memória e acelera o acesso a atributos ao evitar o __dict__ por instância.
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 gera __init__, __repr__, __eq__ (e opcionalmente ordenação/hashing) a partir dos campos anotados — eliminando boilerplate tedioso e propenso a erros.
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 torna instâncias imutáveis; field(default_factory=list) fornece com segurança padrões mutáveis (evitando a armadilha de padrão mutável compartilhado).
# 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 cada instância armazena atributos em um __dict__ dinâmico. __slots__ declara um conjunto fixo de atributos armazenados em uma estrutura compacta e fixa — economizando memória significativa e acelerando o acesso, ao custo da flexibilidade (não é possível adicionar atributos arbitrários).
@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 são um recurso moderno amplamente usado que elimina boilerplate repetitivo para classes que armazenam dados — tornando o código mais limpo, menos propenso a erros e mais legível (geração automática de __init__/__repr__/__eq__, além de imutabilidade e padrões seguros).
São a alternativa idiomática moderna para escrever manualmente tais classes ou usar namedtuple quando você precisa de mutabilidade/métodos. __slots__ é uma otimização de desempenho direcionada que reduz significativamente a memória e acelera o acesso a atributos quando você instancia um grande número de objetos.
Conhecer ambos — @dataclass para modelagem de dados limpa no dia a dia e __slots__ (agora combinável via slots=True) para caminhos críticos em termos de memória — reflete as práticas atuais recomendadas para escrever classes Python eficientes e mantíveis.