Dataclass'lar (@dataclass, Python 3.7+) veri tutan sınıflar için boilerplate metodları otomatik olarak oluşturur. __slots__ bellek kullanımını azaltan ve per-instance __dict__ den kaçınarak öznitelik erişimini hızlandıran bir optimizasyondur.
Dataclass'lar (@dataclass, Python 3.7+) veri tutan sınıflar için boilerplate metodları otomatik olarak oluşturur. __slots__ bellek kullanımını azaltan ve per-instance __dict__ den kaçınarak öznitelik erişimini hızlandıran bir optimizasyondur.
Dataclass'lar — boilerplate'i ortadan kaldırın
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 açıklama yapılmış alanlardan __init__, __repr__, __eq__ (ve isteğe bağlı sıralama/hashing) oluşturur — sıkıcı ve hataya açık boilerplate'i ortadan kaldırır.
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 örnekleri değişmez yapar; field(default_factory=list) paylaşılan değişken varsayılan değerlerin tuzağından kaçınarak güvenle değişken varsayılanları sağlar.
# 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__
Normalde her örnek öznitelikleri dinamik bir __dict__ içinde saklar. __slots__ bunun yerine sabit bir kümesini sabit, kompakt bir yapıda saklanacak şekilde bildirir — önemli ölçüde bellek tasarrufu ve erişim hızı artışı sağlar, ancak esnekliğin maliyetiyle (keyfi öznitelikler eklenemez).
@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)
Dataclass'lar veri tutan sınıflar için tekrarlanan boilerplate'i ortadan kaldıran yaygın olarak kullanılan modern bir özelliktir — kodu daha temiz, daha az hataya açık ve daha okunaklı hale getirir (otomatik oluşturulan __init__/__repr__/__eq__, artı değişmezlik ve güvenli varsayılanlar).
Bunlar değişkenliğe/metodlara ihtiyaç duyduğunuzda bu sınıfları manuel olarak yazmak veya namedtuple kullanmak yerine idiyomatik modern alternatiftir. __slots__ büyük sayıda nesne örneklediğinizde bellek anlamlı şekilde azaltan ve öznitelik erişimini hızlandıran hedefli bir performans optimizasyonudur.
Her ikisini bilmek — günlük temiz veri modellemesi için @dataclass ve bellek açısından kritik sıcak yollar için __slots__ (artık slots=True aracılığıyla birleştirilebilir) — verimli ve bakımı kolay Python sınıfları yazmanın güncel en iyi uygulamalarını yansıtır.