Dataclasses (@dataclass، Python 3.7+) ان classes کے لیے boilerplate methods خودکار طور پر generate کرتے ہیں جو بنیادی طور پر data رکھتی ہیں۔ __slots__ ایک optimization ہے جو per-instance __dict__ سے بچ کر میموری کم کرتی ہے اور attribute access کو تیز کرتی ہے۔
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 annotated fields سے __init__، __repr__، __eq__ (اور اختیاری طور پر ordering/hashing) generate کرتا ہے — تھکا دینے والے، غلطیوں کا شکار boilerplate کو ہٹا دیتا ہے۔
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 instances کو immutable بناتا ہے؛ field(default_factory=list) mutable defaults محفوظ طریقے سے فراہم کرتا ہے (shared-mutable-default کے جال سے بچتے ہوئے)۔
# 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__
عموماً ہر instance attributes کو ایک dynamic __dict__ میں ذخیرہ کرتا ہے۔ __slots__ اس کے بجائے attributes کا ایک fixed set declare کرتا ہے جو ایک compact، fixed structure میں ذخیرہ ہوتا ہے — نمایاں میموری بچاتا ہے اور access کو تیز کرتا ہے، لچک کی قیمت پر (دلخواہ attributes شامل نہیں کر سکتے)۔
@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 ایک بڑے پیمانے پر استعمال ہونے والی جدید خصوصیت ہے جو data رکھنے والی classes کے لیے دہرائی جانے والے boilerplate کو ختم کر دیتی ہے — code کو صاف ستھرا، کم غلطیوں کا شکار اور زیادہ پڑھنے میں آسان بناتی ہے (خودکار generate شدہ __init__/__repr__/__eq__، نیز immutability اور محفوظ defaults)۔
جب آپ کو mutability/methods درکار ہوں تو یہ ایسی classes کو manually لکھنے یا namedtuple استعمال کرنے کا idiomatic جدید متبادل ہیں۔ __slots__ ایک ہدفی performance optimization ہے جو جب آپ بہت بڑی تعداد میں objects بناتے ہیں تو نمایاں طور پر میموری کم کرتی اور attribute access تیز کرتی ہے۔
دونوں کو جاننا — روزمرہ صاف data modeling کے لیے @dataclass اور memory-critical hot paths کے لیے __slots__ (اب slots=True کے ذریعے قابلِ جوڑ) — efficient، قابلِ دیکھ بھال Python classes لکھنے کے موجودہ بہترین طریقوں کی عکاسی کرتا ہے۔