Python 将类用作数据容器

有时将相关数据聚集在一起是有意义的。我倾向于用口述，例如

self.group = dict(a=1, b=2, c=3)
print self.group['a']

我的一位同事更喜欢创建一个类

class groupClass(object):
    def __init__(a, b, c):
        self.a = a
        self.b = b
        self.c = c
self.group = groupClass(1, 2, 3)
print self.group.a

注意，我们没有定义任何类方法

我喜欢使用dict，因为我喜欢最小化代码行数。我的同事认为，如果使用类，代码的可读性会更高，而且将来向类添加方法会更容易

---

你更喜欢哪一种？为什么？

我更喜欢遵循并使用dict。

在支持dict的语言中，我会使用

结构。字典最接近Python中的结构，至少在我看来是这样

更不用说，如果您真的愿意，您可以向字典中添加方法；）
 在我看来，如果你真的从来没有定义过任何类方法，dict或a就更有意义了。简单+内置是好的！不过，每个人都有自己的想法。
我不同意使用一个没有方法的类来提高代码的可读性。您通常期望类提供功能，而不仅仅是数据

因此，我会选择dict，直到功能需求出现，然后类的构造函数可以收到dict:-）
dict显然适合这种情况。它是专门为那个用例设计的。除非您真的打算将该类作为一个类来使用，否则重新设计轮子并招致额外的开销/浪费一个充当坏字典（没有字典功能）的类的空间是没有用的。
您的方式更好。不要试图过多地预测未来，因为你不太可能成功

但是，例如，如果您想识别不同的类型，而不是对所有内容都使用dict。
您可以将dict和class的优点结合在一起，使用从dict继承的一些包装类。您不需要编写样板代码，同时可以使用点表示法

class ObjDict(dict):
    def __getattr__(self,attr):
        return self[attr]
    def __setattr__(self,attr,value):
        self[attr]=value

self.group = ObjDict(a=1, b=2, c=3)
print self.group.a

有一个新的建议，旨在实现你所寻找的东西，叫做。看一看

使用类而不是dict是一种偏好。就我个人而言，我更喜欢在钥匙事先不知道的情况下使用dict。（作为映射容器）

使用类保存数据意味着您可以为类属性提供文档

就我个人而言，也许我使用类的最大原因是利用IDEs自动完成功能！（从技术上讲，这是一个站不住脚的理由，但在实践中非常有用）
背景

R.Hettinger在SF Python的2017年假日会议上介绍了基于属性的可选数据容器的摘要。看看他的和他的。他还在2018年PyCon上发表了关于数据类的演讲

其他数据容器类型在本文中提到，主要在Python3文档中提到（请参见下面的链接）

下面是关于向标准库中添加
recordclass
的邮件列表的讨论

选项

import typing as typ
import collections as ct
import dataclasses as dc


# Problem: You want a simple container to hold personal data.
# Solution: Try a NamedTuple.
>>> class Person(typ.NamedTuple):
...     name: str
...     age: int
>>> a = Person("bob", 30)
>>> a
Person(name='bob', age=30)

标准库中的备选方案


：具有属性的元组（请参见seminal）
：子类元组（请参见将其与
namedtuple
进行比较）
：简单类w/可选类声明
：只读dict
：受约束的相关常量集合（行为类似于类）
：具有默认/无样板文件类的可变名称耦合

外部选择


：可变名称对偶（另请参见）
：将属性访问添加到dicts（SimpleNameSpace的灵感来源于
SimpleNameSpace
；另请参见（py3））
：使用功能包装dicts
：从映射中访问元素作为键或属性
：从容器类中删除样板文件
：易变的、类似元组的容器，默认值由E.Smith提供
：关于制作自定义结构、对象、束、dict代理等的帖子

哪一个？

决定使用哪个选项取决于具体情况（参见下面的示例）。通常，一个老式的可变字典或不可变名称的tuple就足够了。数据类是最新添加的（Python3.7a），它提供了可变性和可扩展性，并承诺从项目中获得简化的样板文件


示例

import typing as typ
import collections as ct
import dataclasses as dc


# Problem: You want a simple container to hold personal data.
# Solution: Try a NamedTuple.
>>> class Person(typ.NamedTuple):
...     name: str
...     age: int
>>> a = Person("bob", 30)
>>> a
Person(name='bob', age=30)


那么：

如果您希望自动类型转换和自动代码完成（intelli sense）：

顺便说一下，我认为Python 3.7 implemented@是将类作为数据容器实现的最简单、最有效的方法

@dataclass
class Data:
    a: list
    b: str    #default variables go after non default variables
    c: bool = False

def func():
    return A(a="hello")

print(func())

输出将是：
hello

它与类似Scala的case类非常相似，是将类用作容器的最简单方法
 如果一个人不关心内存占用，那么，或者仅仅是一个带有
\uuuuu插槽的类是很好的选择

但是，如果必须使用几个简单属性创建数百万个对象，则有一种基于库的解决方案：

与类定义相同：

from recordclass import dataobject
class C(dataobject):
    a:int
    b:int
    c:int    
c = C(1, 2, 3)

它有最小的内存占用=
sizeof（PyObject\u HEAD）+3*sizeof（PyObject*）
bytes

为了便于比较，基于
\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu（getters等）我认为这是不必要的。我也可能没有很好地表达他的立场。你的同事应该会觉得有用。相关的post-namedtuple很好；只要记住它们是不可变的。而且不要忘记，如果你以后确实需要添加类方法，你总是可以从namedtuple的结果继承。例如，
class-Point（namedtuple（'Point'，'xy'）：…
答案非常好。我选择这个答案是因为我喜欢尝试namedtuple的建议。关于如何将
namedtuple
与OP代码一起使用的示例可能很好。在Pyth中
class Person(Prodict):
    name: str
    email: str
    rate: int

john = Person(name='John', email='john@appleseed.com')
john.rate = 7
john.age = 35  # dynamic

@dataclass
class Data:
    a: list
    b: str    #default variables go after non default variables
    c: bool = False

def func():
    return A(a="hello")

print(func())

from recordclass import make_dataclass
C = make_dataclass("C", ('a', 'b', 'c'))
c = C(1, 2, 3)

from recordclass import dataobject
class C(dataobject):
    a:int
    b:int
    c:int    
c = C(1, 2, 3)