您好,登录后才能下订单哦!
本篇内容介绍了“python数据类怎么使用”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
Python3.7引入了dataclass。dataclass装饰器可以声明Python类为数据类;数据类适合用来存储数据,一般而言它具有如下特征:
数据类表示某种数据类型,数据对象代表一种特定类的实体,包含了实体的属性。
同类型的对象之间可以进行比较;如,大于、小于或等于。
就其本质而言,数据类并没有什么特别之处,只是@dataclass装饰器自动生成__repr__,init,__eq__等一系列方法。定义数据类:
from dataclasses import dataclass @dataclass class A: normal: str defVal: int = 0
dataclass完整形式为(True为生成对应方法,False将不生成;若类中已定义对应方法,则忽略此参数):
@dataclass(init=True, repr=True, eq=True, order=False, unsafe_hash=False, frozen=False):
init:默认将生成__init__方法;
repr:默认将生成__repr__方法;repr字符串包含类名、每个字段名称和其repr(按其类中定义顺序);
eq:默认将生成__eq__方法;如果传入False,那么__eq__方法将不会被dataclass添加,但会继承object.__eq__(比较id);
order:默认不生成__gt__、__ge__、__lt__、__le__方法;
unsafe_hash:如果是False(默认),则根据eq和frozen的设置方式生成__hash__()方法(由内置的hash()使用)。
如果eq和frozen都为真,默认情况会生成一个__hash__()方法;
如果eq为真而frozen为假,则__hash__()将被设置为 None,将其标记为不可散列(确实如此,因为它是可变的);
如果eq为假,则__hash__()将保持不变,这意味着将使用超类的__hash__()方法(如果超类是object,将回退到基于id的散列)。
frozen:若为true,实例初始化后属性将无法修改;
通过field方法,可定制属性:
dataclasses.field(*, default=MISSING, default_factory=MISSING, repr=True, hash=None, init=True, compare=True, metadata=None):
default:如果提供,这将是该字段的默认值。
default_factory:用于指定具有可变默认值的字段,必须是一个无参可调用对象;与default互斥(不可同时指定)。
init:如果为true(默认值),则该字段作为参数包含在生成的__init__()方法中。
repr:如果为true(默认值),则该字段包含在生成的__repr__()方法返回的字符串中。
compare:如果为true(默认值),则该字段包含在生成的相等性和比较方法中(__eq__() , __gt__()等等)。
hash:可以是布尔值或None:
为None(默认值),则使用compare的值,这通常是预期的行为(不鼓励将此值设置为None以外的任何值);
为true,则此字段包含在生成的__hash__()方法中;
设置hash=False但compare=True(即从hash中排除某个字段,但仍用于比较)的一个可能原因是,计算字段的hash代价很高;
metadata:这可以是映射或None;None被视为一个空的字典。这个值包含在MappingProxyType()中,使其成为只读,并暴露在Field对象上(是作为第三方扩展机制提供的)。
使用default_factory生成默认值:
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)
通过dataclass装饰器修饰后的类:
无需定义__init__,dataclass会自动处理;
以易读的方式预先定义成员属性(及类型提示);并可定义默认值;
dataclass会自动添加一个__repr__函数;
通过@dataclass(order = True)可自动添加比较方法(__eq__和__lt__):
比较是通过属性(字段)生成的元组,进行比较的;如上比较元组为(normal, defVale)
通过compare=False,可设定不用于比较的字段:
@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
通过__post_init__可做后处理(在__init__返回前,自动调用):
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
dataclasses内置属性与方法:
fields(class_or_instance):返回字段Field对象的元组;
asdict(instance, *, dict_factory=dict):将数据类转换为字典,(name:value)对;
astuple(instance, *, tuple_factory=tuple):将数据类转换为元组;
replace(instance, **changes):创建与instance相同类型的新对象,changes为要修改的值。
“python数据类怎么使用”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。