超越样板代码的Python数据类
内容提要
本文介绍Python数据类（dataclass）的高级用法，包括用field()定制字段、通过__post_init__()验证和计算派生值、使用frozen=True创建不可变类、以及用slots=True减少内存占用。文章以货运跟踪为例，展示如何结合这些特性构建生产级类，并提及相关库如Pydantic和dacite。
延伸解读
field() 的精细控制
field() 函数允许对每个字段进行单独配置，例如使用 default_factory 处理可变默认值，避免共享状态；通过 repr=False 和 compare=False 隐藏内部字段，使对象表示更清晰，比较逻辑更聚焦。这种控制力让 dataclass 不仅用于简单数据容器，还能构建更贴近真实业务逻辑的领域模型。
__post_init__ 的验证与派生
__post_init__ 在字段初始化后自动调用，适合进行数据验证和计算派生字段。通过 field(init=False) 声明派生字段，可确保其值在构造时计算并保持同步，避免手动调用更新方法导致的数据不一致。这种模式让对象在创建时就保证有效性和完整性。
不可变与内存优化
frozen=True 使 dataclass 实例不可变且默认可哈希，适合作为字典键或集合元素，保证数据安全。slots=True 则通过移除实例 __dict__ 显著降低内存占用，示例中从 296 字节降至 72 字节，对处理大量对象的场景（如 ETL）尤为有利。但需注意，使用 slots 时继承层次中的所有类都应启用 slots。
Q&A
Python数据类（dataclass）的field()函数有什么用途？
field()函数允许对每个字段进行单独配置，例如设置默认值（通过default_factory处理可变默认值）、排除字段不参与比较（compare=False）或不显示在repr中（repr=False），以及标记字段不作为初始化参数（init=False）。
在Python数据类中，如何使用__post_init__()进行数据验证？
在__post_init__()方法中编写验证逻辑，例如检查weight_kg是否为正数、priority是否在允许的集合内。如果验证失败，抛出ValueError，从而在对象构造期间阻止无效实例的创建。
如何用Python数据类计算派生字段？
在数据类中，将派生字段声明为field(init=False)，然后在__post_init__()中根据其他字段计算并赋值。例如，根据weight_kg和priority计算freight_cost，这样派生字段在构造时自动同步。
frozen=True在Python数据类中有什么作用？
frozen=True使数据类实例不可变，任何对字段的赋值都会引发FrozenInstanceError。此外，冻结的数据类默认是可哈希的，因此可以用作字典键或存储在集合中。
slots=True在Python数据类中有什么好处？
slots=True通过消除实例的__dict__来减少内存占用，因为属性存储在固定槽中。例如，一个普通数据类实例的字典开销为296字节，而slotted实例仅72字节。这对于处理大量对象的数据处理任务非常有益。
在Python数据类中，如何避免可变默认值的问题？
使用field(default_factory=list)或field(default_factory=dict)等，而不是直接使用[]或{}作为默认值。default_factory接受一个零参数可调用对象，每次创建实例时都会调用它，从而为每个实例生成独立的可变对象。
Python数据类中，如何排除某些字段不参与相等性比较？
在field()中设置compare=False，例如_internal_notes: str = field(default="", repr=False, compare=False)。这样，两个实例即使这些字段不同，只要其他字段相同，它们也会被视为相等。
Python数据类中，如何隐藏某些字段不显示在repr中？
在field()中设置repr=False，例如_internal_notes: str = field(default="", repr=False, compare=False)。这样，该字段不会出现在生成的__repr__输出中，使日志输出更简洁。
