Dataclasses (@dataclass, Python 3.7+) автоматически генерируют методы-шаблон для классов, которые в основном хранят данные. __slots__ — это оптимизация, которая снижает потребление памяти и ускоряет доступ к атрибутам, избегая использования __dict__ на каждый экземпляр.
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 генерирует __init__, __repr__, __eq__ (и опционально упорядочивание/хеширование) из аннотированных полей — избавляя от скучного, подверженного ошибкам шаблонного кода.
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 делает экземпляры неизменяемыми; field(default_factory=list) безопасно предоставляет изменяемые значения по умолчанию (избегая ловушки с общим изменяемым стандартным значением).
# 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__
Обычно каждый экземпляр хранит атрибуты в динамическом __dict__. __slots__ объявляет фиксированный набор атрибутов, хранящихся в компактной структуре с фиксированным размером — что экономит значительное количество памяти и ускоряет доступ, ценой гибкости (невозможно добавлять произвольные атрибуты).
@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 — широко используемая современная функция, которая избавляет от повторяющегося шаблонного кода для классов, хранящих данные — делая код чище, менее подверженным ошибкам и более читаемым (автогенерируемые __init__/__repr__/__eq__, плюс неизменяемость и безопасные значения по умолчанию).
Они — идиоматическая современная альтернатива ручному написанию таких классов или использованию namedtuple, когда вам нужна изменяемость/методы. __slots__ — это целевая оптимизация производительности, которая значительно снижает потребление памяти и ускоряет доступ к атрибутам, когда вы создаёте огромное количество объектов.
Знание обеих — @dataclass для повседневного чистого моделирования данных и __slots__ (теперь комбинируемые через slots=True) для критичных по памяти горячих путей — отражает текущие лучшие практики написания эффективных, поддерживаемых классов Python.