- Dunder'ın __init__, __repr__ ve __eq__ gibi temel yöntemlerinin otomatik olarak oluşturulması, tekrarlayan kod miktarını azaltır.
- Nesnelerin davranışları üzerinde, değiştirilemezlik için frozen ve sıralama için order gibi parametreler aracılığıyla gelişmiş kontrol.
- field() fonksiyonu ve __post_init__ ile örnekleme sonrası mantık kullanılarak bireysel alanların özelleştirilmesi.
- Tür ipuçlarıyla kusursuz entegrasyon ve karmaşık veri hiyerarşileri oluşturmak için sınıf kalıtımına destek.
Projenizin mantığını kodlamaktan çok, tekrarlayan kurucu metotlar yazmakla daha fazla zaman geçirdiğinizi hiç hissettiniz mi? Sadece bir sürü değer tutmak için bir sınıf oluşturduysanız, her bir argümanı manuel olarak ` self.attribute`'e eşlemenin zorluğunu bilirsiniz . Sıkıcıdır, yazım hatalarına açıktır ve açıkçası, kod tabanını temiz tutmaya çalışan herhangi bir geliştirici için biraz can sıkıcıdır.
Python'da veri sınıfları (data classes) devreye giriyor ; bu, 3.7 sürümünde dataclasses modülü aracılığıyla tanıtılan ve oyunun kurallarını değiştiren bir özellik . Bunlar yepyeni bir sınıf türü değil, nesne yönelimli programlamanın sıkıcı kısımlarını otomatikleştirmek için bir dekoratör kullanmanın akıllıca bir yolu. PEP 557 ve PEP 526'dan yararlanarak , tür açıklamaları kullanarak verilerinizin yapısını tanımlamanıza olanak tanıyor ve Python'ın altta yatan mekanizmayı oluşturmanın ağır işini üstlenmesini sağlıyor.
@dataclass Dekoratörünün Büyüsü
Özünde, `@dataclass` dekoratörü, sınıf tanımınızı tür ipuçlarına sahip değişkenler için tarar. Bunları bulduğunda, sınıfınıza otomatik olarak birkaç "dunder" (çift alt çizgi) metodu ekler. En belirgin fayda, ` __init__()` metodudur ; bu, tek bir satır atama mantığı yazmadan nesnenizi örnekleyebileceğiniz anlamına gelir. Ancak bununla da kalmaz; nesnenizin temiz, okunabilir bir dize temsilini sağlayan ` __repr__()` metodunu da elde edersiniz , bu da standart sınıflarda elde ettiğiniz şifreli bellek adreslerine kıyasla hata ayıklamayı çok daha kolay hale getirir.
Temel hizmetlerin ötesinde, dekoratör şunları sağlar: __eq__() aracılığıyla eşitlik kontrolleriStandart bir sınıfta, aynı verilere sahip iki nesneyi karşılaştırmak için kullanılan yöntem şöyledir: == Python, bellekte aynı örnek olup olmadıklarını kontrol ettiği için False döndürürdü. Veri sınıfları bunu değiştirir. gerçek değerleri karşılaştırmak Alanların tamamını, nesneyi verilerinin bir demeti gibi ele alarak işleyebilirsiniz. Hatta bunu etkinleştirebilirsiniz. sıralama yetenekleri ayarlayarak sipariş=DoğruBu da aşağıdaki gibi yöntemler üretir. __lt__ hem de __gt__Bu sayede nesne listelerini özelliklerine göre sıralayabilirsiniz.
Parametrelerle Davranışın İnce Ayarlanması
@dataclass dekoratörü oldukça yapılandırılabilir. Örneğin, salt okunur nesneleri taklit etmek istiyorsanız, bunu şu şekilde ayarlayabilirsiniz: dondurulmuş=DoğruBu, nesne oluşturulduktan sonra herhangi bir özelliğin değiştirilmesini engeller ve bir hata fırlatır. DondurulmuşÖrnekHatası Birisi bir değeri değiştirmeye çalışırsa. Bu, nesne oluşturma sırasında hafif bir performans düşüşüne neden olsa da, güvenliği sağlamanın harika bir yoludur. veri bütünlüğü Uygulamanız genelinde. Bellek veya hız konusunda endişeleriniz varsa, ayar yapabilirsiniz. yuvalar=Doğru Varsayılan bir sınıf oluşturulmasını engelleyerek sınıflarınızı daha yalın ve daha hızlı oluşturmanızı sağlayabilirsiniz. __dict__.
Diğer kullanışlı parametreler arasında, yapıcıdaki tüm argümanların anahtar kelime argümanları olarak geçirilmesini zorlayan ve değerlerin yanlış sırada geçirilmesi riskini azaltan kw_only=True bulunur. Ayrıca, sınıfın Python'ın yapısal desen eşleştirmesiyle sorunsuz çalışmasına yardımcı olan match_args da vardır. Yapıcı veya temsil dizesi gibi belirli bir yönteme ihtiyacınız olmadığını fark ederseniz, Python'a bunları atlamasını söylemek için init=False veya repr=False olarak ayarlayabilirsiniz .
field() Fonksiyonuna Derinlemesine Bakış
Bazen basit bir tür açıklaması yeterli olmaz. İşte bu noktada devreye giriyor... alan() fonksiyonu İşte burada devreye giriyor. Her bir özellik için ayrıntılı talimatlar vermenize olanak tanır. Örneğin, bir alanın genel tablonun bir parçası olmaması gerekiyorsa, __init__ yöntemi Ancak yine de nesne üzerinde mevcut olmalı, bunu ayarlayabilirsiniz. init=FalseBenzer şekilde, hassas verileri gizleyebilirsiniz. __repr__ çıktısı ayarlayarak repr=False.
En kritik kullanım alanlarından biri field() idare ediyor değiştirilebilir varsayılan değerlerPython'da, varsayılan argüman olarak liste veya sözlük kullanmak felaketle sonuçlanabilir çünkü varsayılan değer tüm örneklerde paylaşılır. Bunu düzeltmek için şunu kullanırsınız: varsayılan_fabrikaÇağrılabilir bir nesne geçirerek (örneğin) list or dictPython, bunun sağlanmasını garanti eder. Değiştirilebilir nesnenin yeni bir örneği Yeni bir veri sınıfı örneği oluşturulduğunda her seferinde yeni bir nesne oluşturulur ve böylece korkulan paylaşılan durum hatası önlenir.
Gelişmiş Mantık ve Kalıtım
Bir nesne oluşturulduktan hemen sonra hesaplama veya doğrulama yapmanız gerekiyorsa, __post_init__() metodu En iyi arkadaşınızdır. @dataclass oluşturulduğundan beri. __init__ Temel görevleri yerine getirir, __post_init__ yapmanıza olanak sağlar yeni değerler türetmek Mevcut alanlardan. Bu genellikle şunlarla birlikte kullanılır: Başlangıç DeğişkeniBu, yapıcıya iletilen değişkenleri tanımlar ve __post_init__ Ancak bunlar, örnek üzerinde gerçek özellikler olarak saklanmaz.
Veri sınıflarıyla kalıtım sezgisel olarak çalışır, ancak varsayılan değerlerle ilgili bir sorun vardır . Bir veri sınıfından kalıtım aldığınızda, Python temel sınıf ve türetilmiş sınıftaki alanları sırayla birleştirir. Python'ın fonksiyon argümanlarını ele alma şekli nedeniyle, varsayılan değeri olan bir alanın ardından varsayılan değeri olmayan bir alan gelemez . Bu nedenle, temel sınıfınızda varsayılan değerlere sahip herhangi bir öznitelik varsa, bir TypeError'ı önlemek için alt sınıftaki her bir özniteliğin de varsayılan bir değere sahip olması gerekir .
Veri Kapsayıcıları ve Davranışsal Sınıflar Arasındaki Fark
Veri sınıflarının öncelikle davranış değil, durum için birer kap olduğunu hatırlamak önemlidir . Bunlara metotlar ekleyebilirsiniz, ancak karmaşık, durumu değiştiren mantık eklemek mimari amacı bulanıklaştırabilir. Sınıfınız, iç durumunu değiştiren birçok metoda sahip karmaşık bir varlık haline geliyorsa, standart bir nesne yönelimli sınıfa geri dönme zamanı gelmiş olabilir. Veri sınıfları, alan modellemesi , sistem katmanları arasında bilgi aktarımı veya basit API yanıtları oluşturma için kullanıldığında en iyi performansı gösterir.
İş akışınızı daha da kolaylaştırmak için modül, iç içe geçmiş veri sınıflarınızı özyinelemeli olarak standart Python sözlüklerine veya demetlerine dönüştüren asdict() ve astuple() gibi yardımcı işlevler sağlar. Ayrıca, belirli alanları değiştirmenize olanak tanırken bir nesnenin sığ bir kopyasını oluşturan replace() işlevi de vardır; bu da doğrudan değiştirmenin yasak olduğu dondurulmuş örneklerle çalışmak için mükemmeldir .
Yapıcı metotların, gösterimlerin ve eşitlik kontrollerinin tekrar eden kodlarını otomatikleştirerek, bu araçlar geliştiricilerin sınıf oluşturma mekaniği yerine gerçek veri yapısına odaklanmalarını sağlar. İster basit bir sabitler koleksiyonu ister karmaşık iç içe geçmiş bir veri hiyerarşisi oluşturuyor olun, bu dekoratörleri kullanmak, Python'ın tip sisteminin tüm gücünden yararlanırken kodunuzun özlü, okunabilir ve bakımı kolay kalmasını sağlar.
