Реализация записей (Record) в Python

Расширенные примеры и сценарии использования

Работа с вложенными записями (dataclass)

Создадим запись для адреса и вложим её в запись человека.

from dataclasses import dataclass

@dataclass
class Address:
    street: str
    city: str
    zip_code: str

@dataclass
class Employee:
    name: str
    position: str
    address: Address

e = Employee('Harry', 'Developer', Address('Lenina 10', 'Moscow', '101000'))
print(e)
# Employee(name='Harry', position='Developer', address=Address(street='Lenina 10', city='Moscow', zip_code='101000'))

Employee(name='Harry', position='Developer', address=Address(street='Lenina 10', city='Moscow', zip_code='101000'))

Сериализация записей в JSON

Dataclass можно легко преобразовать в словарь, а затем в JSON.

from dataclasses import asdict
import json

@dataclass
class Product:
    name: str
    price: float
    quantity: int = 0

p = Product('Laptop', 999.99, 5)
data = asdict(p)
json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)

{
  "name": "Laptop",
  "price": 999.99,
  "quantity": 5
}

Сортировка записей с помощью order=True

Параметр order=True генерирует методы сравнения, позволяя сортировать список записей.

from dataclasses import dataclass

@dataclass(order=True)
class Student:
    grade: int
    name: str

students = [Student(5, 'Ivan'), Student(3, 'Anna'), Student(4, 'Oleg')]
students.sort()
print([s.name for s in students])

['Anna', 'Oleg', 'Ivan']

Неизменяемая запись с frozen=True и хэширование

Для использования записей в качестве ключей словаря или элементов множества нужна неизменяемость.

from dataclasses import dataclass

@dataclass(frozen=True)
class Point:
    x: int
    y: int

p1 = Point(1, 2)
p2 = Point(1, 2)
d = {p1: 'start', p2: 'end'}  # p1 и p2 интерпретируются как один ключ
print(d)  # {Point(x=1, y=2): 'end'}
print(hash(p1) == hash(p2))  # True

True

Использование слотов для экономии памяти (dataclass + __slots__)

Комбинация dataclass с параметром slots=True (Python 3.10+) уменьшает потребление памяти.

from dataclasses import dataclass

@dataclass(slots=True)
class SmallRecord:
    a: int
    b: str

r = SmallRecord(1, 'test')
print(r.__slots__)  # ('a', 'b')

('a', 'b')

Фабрика значений по умолчанию для изменяемых объектов

Если поле должно содержать список, используем default_factory.

from dataclasses import dataclass, field
from typing import List

@dataclass
class Team:
    name: str
    members: List[str] = field(default_factory=list)

t = Team('Alpha')
t.members.append('John')
t.members.append('Jane')
print(t)  # Team(name='Alpha', members=['John', 'Jane'])

Team(name='Alpha', members=['John', 'Jane'])

Наследование dataclass с переопределением полей

При создании подкласса важно правильно задать значения по умолчанию и типы.

from dataclasses import dataclass

@dataclass
class Base:
    x: int = 0
    y: int = 0

@dataclass
class Derived(Base):
    z: int = 1

d = Derived(1, 2, 3)
print(d)  # Derived(x=1, y=2, z=3)

Derived(x=1, y=2, z=3)

Сравнение производительности: recordclass vs dataclass vs namedtuple

Следующий код измеряет время создания экземпляров и доступ к полям (результат может отличаться на разных машинах).

import timeit
from collections import namedtuple
from dataclasses import dataclass
from recordclass import recordclass

# Определения
PersonNT = namedtuple('PersonNT', 'name age')

@dataclass
class PersonDC:
    name: str
    age: int

PersonRC = recordclass('PersonRC', 'name age')

# Создание
print('Create namedtuple:', timeit.timeit('PersonNT("A", 1)', globals=globals(), number=100000))
print('Create dataclass:', timeit.timeit('PersonDC("A", 1)', globals=globals(), number=100000))
print('Create recordclass:', timeit.timeit('PersonRC("A", 1)', globals=globals(), number=100000))

# Доступ к полю
p_nt = PersonNT('A', 1)
p_dc = PersonDC('A', 1)
p_rc = PersonRC('A', 1)
print('Access namedtuple:', timeit.timeit('p_nt.name', globals=globals(), number=1000000))
print('Access dataclass:', timeit.timeit('p_dc.name', globals=globals(), number=1000000))
print('Access recordclass:', timeit.timeit('p_rc.name', globals=globals(), number=1000000))

Create namedtuple: 0.0234
Create dataclass: 0.0351
Create recordclass: 0.0198
Access namedtuple: 0.0112
Access dataclass: 0.0145
Access recordclass: 0.0099

Обратите внимание: recordclass в данном тесте оказался быстрее, но его нужно устанавливать отдельно. Выбор зависит от требований к производительности и удобству.