Comment les classes de données sont-elles utilisées en Python ?

Python3.7 a introduit la classe de données. Le décorateur de classe de données peut déclarer une classe Python comme classe de données ; une classe de données est adaptée au stockage de données. De manière générale, elle a les caractéristiques suivantes :

• Une classe de données représente un certain type de données et un objet de données représente un. type spécifique d’entité, y compris les attributs de l’entité.

• Les objets du même type peuvent être comparés, par exemple supérieur à, inférieur ou égal à.

Définition de classe de données

En substance, il n'y a rien de spécial dans les classes de données, c'est juste que le décorateur @dataclass génère automatiquement une série de méthodes telles que __repr__, init, __eq__, etc. Définissez la classe de données :

from dataclasses import dataclass

@dataclass
class A:
  normal: str
  defVal: int = 0

Decorator

La forme complète de dataclass est (True consiste à générer la méthode correspondante, False ne sera pas généré ; si la méthode correspondante a été définie dans la classe, ce paramètre est ignoré) :

@dataclass(init=True, repr=True, eq=True, order=False, unsafe_hash=False, frog=False) :

• init : La méthode __init__ sera générée par défaut ; La méthode __repr__ sera générée par défaut ; repr La chaîne contient le nom de la classe, chaque nom de champ et son repr (dans l'ordre défini dans sa classe) ;

• eq : La méthode __eq__ sera générée par défaut ; est transmis, la méthode __eq__ ne sera pas une classe de données ajoutée, mais héritera de l'objet.__eq__ (comparer l'identifiant) ; : S'il est False (par défaut), il est basé sur l'eq et les paramètres gelés génèrent la méthode __hash__() (utilisée par le hash() intégré).

• Si eq et gelé sont tous deux vrais, une méthode __hash__() sera générée par défaut ;

• Si eq est vrai et gelé est faux, __hash__() sera défini sur Aucun, en le définissant comme Marqué comme unhashable (ce qui est le cas, puisqu'il est mutable) ;

• Si eq est faux, __hash__() restera inchangé, ce qui signifie que la méthode __hash__() de la superclasse sera utilisée (si la superclasse est un objet, revenez à id -hachage basé sur).

• frozen : Si vrai, les attributs ne peuvent pas être modifiés après l'initialisation de l'instance ;

• field
• Grâce à la méthode field, les attributs peuvent être personnalisés :

  dataclasses.field(*, default=MISSING, default_factory=MISSING, repr =True, hash=None, init=True, compare=True, metadata=None) :

• default : Si fourni, ce sera la valeur par défaut pour ce champ.

init : Si vrai (par défaut), ce champ est inclus en tant que paramètre dans la méthode __init__() générée.

• repr : Si vrai (par défaut), le champ est inclus dans la chaîne générée renvoyée par la méthode __repr__().

• compare : Si vrai (par défaut), le champ est inclus dans les méthodes d'égalité et de comparaison générées (__eq__(), __gt__(), etc.).

• hash : Peut être un booléen ou Aucun :

• est Aucun (par défaut), la valeur de compare est utilisée, ce qui est généralement le comportement attendu (définir cette valeur sur autre chose que Aucun est déconseillé) ;

• est vrai, alors ce champ est inclus dans la méthode __hash__() générée ;

• Set hash=False but compare=True (c'est-à-dire exclure un champ du hachage, mais l'utiliser toujours à des fins de comparaison) Une possibilité possible la raison en est que calculer un hachage sur un champ coûte cher ;

• métadonnées : cela peut être une carte ou None ; Cette valeur est contenue dans MappingProxyType(), ce qui la rend en lecture seule et exposée sur l'objet Field (fourni en tant que mécanisme d'extension tiers).

• Utilisez default_factory pour générer des valeurs par défaut :

  from dataclasses import dataclass, field
  import random
  
  def build_marks() -> list:
      return [random.randint(0, 1000) for i in range(5)]
  
  @dataclass(order=True)
  class RandMark:
      marks: list = field(default_factory=build_marks)
  
  r = RandMark() # 使用build_marks生成默认值
  print(r)

  Copier après la connexion
Initialisez

• Classe décorée par le décorateur dataclass :

• Pas besoin de définir __init__, dataclass le gérera automatiquement

Pré-défini de manière simple ; à lire les attributs des membres (et les astuces de type) et les valeurs par défaut peuvent être définies ;

dataclass ajoutera automatiquement une fonction __repr__

• dataclass

peut automatiquement ajouter des méthodes de comparaison via @dataclass( order = True) ( ​​__eq__ et __lt__) :

• La comparaison se fait via des tuples générés par des attributs (champs) comme indiqué ci-dessus, le tuple de comparaison est (normal, defVale)

  Par compare=False, vous pouvez définir des champs qui ne le sont pas. utilisé à des fins de comparaison :

@dataclass(order=True)
class Student:
    name: str = field(compare=False)
    score: float

s = [Student("mike", 90),
    Student("steven", 80),
    Student("orange", 70)
    ]
print(sorted(s)) # 只根据score排序

Copier après la connexion
• Post-traitement
  Le post-traitement peut être effectué via __post_init__ (appelé automatiquement avant le retour de __init__) :

from dataclasses import dataclass

@dataclass
class FloatNumber:
    val: float
    decimal: float = 0
    integer: float = 0

    def __post_init__(self):
        self.decimal, self.integer = math.modf(self.val)

f = FloatNumber(1.2) # decimal与integer自动赋值

Copier après la connexion
méthode dataclasses
propriétés et méthodes intégrées des dataclasses :


fields(class_or_instance ) : renvoie un tuple d'objets de champ ;

asdict(instance, *, dict_factory=dict) : Convertit la classe de données en dictionnaire, paire (nom:valeur) ; ) : Convertissez la classe de données en tuple ;

replace(instance, **changes) : Créez un nouvel objet du même type que l'instance, et changes est la valeur à modifier.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!