本篇文章给大家分享的是有关Python中有哪些数据类，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

为海拉尔等地区用户提供了全套网页设计制作服务，及海拉尔网站建设行业解决方案。主营业务为网站设计制作、做网站、海拉尔网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

创建第一个数据类

创建一个数据类，该数据类表示三维坐标系中的一个点。

@dataclass装饰器用于创建数据类。x，y和z是数据类中的字段。注意要使用类型注释来指定字段的数据类型，但是类型注释不是静态类型声明，这意味着仍然可以为x，y或z字段传递除int之外的任何数据类型。

from dataclasses import dataclass              @dataclass            classCoordinate:               x: int               y: int               z: int

默认情况下，数据类附带有init、repr和  eq方法，因此我们不必自己实现。但是如果init、repr和eq没有在Coordinate类中实现，有了数据类，我们仍然可以使用这些方法，这样非常节省时间。

from dataclasses import dataclass              @dataclass            classCoordinate:               x: int               y: int               z: int              a =Coordinate(4, 5, 3)            print(a)  # output: Coordinate(x=4, y=5, z=3)

字段的默认值

编码者可以为字段分配默认值。如下所示，数据类中的pi字段被分配了默认值：

from dataclasses import dataclass              @dataclass            classCircleArea:               r: int               pi: float =3.14                  @property               defarea(self):                    return self.pi * (self.r **2)              a =CircleArea(2)            print(repr(a))  # output: CircleArea(r=2, pi=3.14)            print(a.area)  # output: 12.56

自定义字段和数据类

设置dataclass装饰器或field函数的参数可以自定义字段和数据类。自定义过程将用例子进行说明，本文结尾也会给出字段和数据类的所有参数。

数据类可变还是不可变?

默认情况下，数据类是可变的，这意味着可以为字段分配值。但我们可以通过将frozen参数设置为True来使其不可变

可变示例：

from dataclasses import dataclass              @dataclass            classCircleArea:               r: int               pi: float =3.14                  @property               defarea(self):                    return self.pi * (self.r **2)              a =CircleArea(2)            a.r =5            print(repr(a))  # output: CircleArea(r=5, pi=3.14)            print(a.area)  # output: 78.5

不可变示例：

设置frozen为 True，将无法再为字段分配值。在下面的示例中可以看到异常输出。

from dataclasses import dataclass              @dataclass(frozen=True)            classCircleArea:               r: int               pi: float =3.14                  @property               defarea(self):                    return self.pi * (self.r **2)              a =CircleArea(2)            a.r =5            # Exceptionoccurred: dataclasses.FrozenInstanceError:            # cannot assign tofield 'r'

比较数据类

假设要创建一个表示Vector的数据类并进行比较，你会怎么做?当然需要使用诸如lt或gt之类的方法啦。

默认情况下，数据类的order参数为 False。将其设置为True，会自动为数据类生成  lt、le、gt和ge方法。因此，可以按顺序比较对象，就像它们是其字段的元组一样。

研究下面的示例：将order设置为True就可以比较v2和v1。这里存在一个逻辑比较的问题。当v2>  v1时，它将比较这两个向量，例如(8，15)>(7，20)。因此，v2> v1的输出将为True。

回想一下，元组比较是逐个按照顺序进行的。首先将8和7进行比较，结果为True，那么比较结果就为True。如果它们相等，则比较15>  20，结果为False：

from dataclasses import dataclass,field                            @dataclass(order=True)            classVector:               x: int               y: int              v1 =Vector(8, 15)            v2 =Vector(7, 20)            print(v2 > v1)

显然这种比较没有任何意义。笔者最初想通过向量的大小来比较它们。但问题是，不可能在创建每个实例时，都要自己计算Vector的大小。

在这种情况下，field函数和post_init方法更有用。field函数能自定义magnitude字段。而post_init方法则会确定初始化后该矢量的大小。

还可以使用数据类中的field函数来自定义magnitude字段。通过将init设置为False，基本可以不需要init方法中的magnitude参数。因为初始化后才使用post_init方法来确定其值：

from dataclasses import dataclass, field              @dataclass(order=True)            classVector:               magnitude: float =field(init=False)               x: int               y: int                  def__post_init__(self):                    self.magnitude = (self.x **2+ self.y **2) **0.5              v1 =Vector(9, 12)            print(v1)  # output: Vector(magnitude=15.0, x=9,y=12)            v2 =Vector(8, 15)            print(v2)  # output: Vector(magnitude=17.0, x=8,y=15)            print(v2 > v1)  # output: True

将数据类转换为字典或元组

从元组或字典中获取数据类的属性，只需要从数据类中导入asdict和astuple函数：

from dataclasses import dataclass,asdict, astuple              @dataclass            classVector:               x: int               y: int               z: int              v =Vector(4, 5, 7)            print(asdict(v))  # output: {'x': 4, 'y': 5, 'z': 7}            print(astuple(v))  # output: (4, 5, 7)

继承

可以像Python中的普通类一样对数据类进行子类化：

from dataclasses import dataclass              @dataclass            classEmployee:               name: str               lang: str              @dataclass            classDeveloper(Employee):               salary: int              Halil=Developer('Halil', 'Python', 5000)            print(Halil)  # Output: Developer(name='Halil',lang='Python', salary=5000)

使用继承时经常会忽视一点：默认情况下，当将lang字段设置为Python时，必须为lang字段之后的字段提供默认值：

from dataclasses import dataclass              @dataclass            classEmployee:               name: str               lang: str ='Python'              @dataclass            classDeveloper(Employee):               salary: int              Halil=Developer('Halil', 'Python', 5000)            # Output:TypeError: non-default argument 'salary' follows default argument

原因在于init方法。回想一下，具有默认值的参数应该位于没有默认值的参数之后：

def__init__(name: str,lang: str ='Python', salary: int):  ...

通过对sanlary字段设置默认值来对其进行修复：

from dataclasses import dataclass              @dataclass            classEmployee:               name: str               lang: str ='Python'              @dataclass            classDeveloper(Employee):               salary: int =0              Halil=Developer('Halil', 'Python', 5000)            print(Halil)  # output: Developer(name='Halil',lang='Python', salary=5000)

slots的好处

默认情况下，属性存储在字典中。使用slots可以更快地访问属性并且内存占用更少。

from dataclasses import dataclass              @dataclass            classEmployee:               name: str               lang: str              Halil=Employee('Halil', 'Python')            print(Halil.__dict__)  # name': 'Halil', 'lang': 'Python'}

slots内存占用更小，访问属性更快。

from dataclasses import dataclass              @dataclass            classEmployee:               __slots__ = ('name', 'lang')               name: str               lang: str              Halil=Employee('Halil', 'Python')

数据类参数

刚刚我们更改了数据类装饰器中的某些参数，以自定义数据类。以下是参数列表：

• nit：如果为True，则在数据类中生成init方法。(默认为True)

• repr：如果为True，则在数据类中生成repr方法。(默认为True)

• eq：如果为True，则在数据类中生成eq方法。(默认为True)

• order：如果为True，则在数据类中生成lt，le，gt和ge方法。(默认为False)

• unsafe_hash：如果为True，则在数据类中生成hash方法。(默认为False)

• frozen：如果为True，则不能给字段分配值。(默认为False。)

注意，如果order为True，eq必须也为True，否则将引发ValueError异常。

字段参数

• init：如果为True，则此字段包含在生成的init方法中。(默认为True)

• repr：如果为True，则此字段包含在生成的repr方法中。(默认为True)

• compare：如果为True，则此字段包含在生成的比较和相等方法中。(默认为True)

• hash：如果为True，则此字段包含在生成的hash方法中。(默认为None)

• default：这是此字段的默认值(如果提供)。

• default_factory：当该字段需要默认值时将调用该参数，此时该参数必须为零阶可调用参数对象。

• metadata：可以是映射，也可以为空，为空则将其视为空字典。

以上就是Python中有哪些数据类，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。

新闻标题：Python中有哪些数据类
当前路径：http://hbruida.cn/article/jpghjs.html