Python 的 __slots__ 和数据类的（内存方面和访问时间方面）比较是什么

Question

Python 的 __slots__ 用于减少实例的内存占用，这是通过在 "small fixed-sized array[s], much like a tuple or a list" 中存储变量来实现的。实例属性是可变的，但不能添加额外的属性。

另一方面，有一些数据classes（根据我收集的）通过定义一些 dunders（等）来帮助 class 创建，并且被 PEP 557 描述为 "mutable namedtuples with defaults".

我知道他们的目的不同，事实上你可以 use both of them。

Answer 1

dataclass 装饰器不影响属性的存储或检索方式。内存消耗和属性访问时间将表现得就像 class 是在没有 dataclass.

的情况下写入的一样

使用 __slots__ 的 class 与不使用 class 的类似 class 相比，内存消耗更少，属性访问速度稍快（因为插槽描述符节省了一些字典查找） __slots__，无论 class 是否使用 dataclass。这是一个计时示例，显示 dataclass 不影响属性查找时间，而 __slots__ 会：

>>> import timeit
>>> import dataclasses
>>> @dataclasses.dataclass
... class Foo:
...     a: int
...     b: int
... 
>>> class Bar:
...     def __init__(self, a, b):
...         self.a = a
...         self.b = b
... 
>>> foo = Foo(1, 2)
>>> bar = Bar(1, 2)
>>> timeit.timeit('foo.a', globals=globals())
0.08070236118510365
>>> timeit.timeit('bar.a', globals=globals())
0.07813134230673313
>>> timeit.timeit('foo.a', globals=globals(), number=10000000)
0.5699363159947097
>>> timeit.timeit('bar.a', globals=globals(), number=10000000)
0.5526750679127872
>>> @dataclasses.dataclass
... class FooSlots:
...     __slots__ = ['a', 'b']
...     a: int
...     b: int
... 
>>> class BarSlots:
...     __slots__ = ['a', 'b']
...     def __init__(self, a, b):
...         self.a = a
...         self.b = b
... 
>>> fooslots = FooSlots(1, 2)
>>> barslots = BarSlots(1, 2)
>>> timeit.timeit('fooslots.a', globals=globals(), number=10000000)
0.46022069035097957
>>> timeit.timeit('barslots.a', globals=globals(), number=10000000)
0.4669580361805856