理解Python数据类（下）

雷锋网按：本文为AI研习社编译的技术博客，原标题 Understanding Python Dataclasses — Part 2 ，作者为 Shikhar Chauhan 。

翻译 | 程添杰          整理 | MY

这是 Python 最新的 Dataclasses 系列的第二部分内容。在第一部分里，我介绍了 dataclasses 的一般用法。这篇博客主要介绍另一个特征：dataclasses.field。

我们已经知道 Dataclasses 会生成他们自身的__init__方法。它同时把初始化的值赋给这些字段。以下是我们在上一篇博客里定义的内容：

• 变量名

• 数据类型

这些内容仅给我们有限的 dataclass 字段使用范围。让我们讨论一下这些局限性，以及它们如何通过 dataclass.field 被解决。

复合初始化

考虑以下情形：你想要初始化一个变量为列表。你如何实现它呢？一种简单的方式是使用__post_init__方法。

数据类 Student 产生了一个名为 marks 的列表。我们不传递 marks 的值，而是使用__post_init__方法初始化。这是我们定义的单一属性。此外，我们必须在__post_init__里调用 get_random_marks 函数。这些工作是额外的。

辛运的是，Python 为我们提供了一个解决方案。我们可以使用 dataclasses.field 来定制化 dataclass 字段的行为以及它们在 dataclass 的影响。

仍然是上述的使用情形，让我们从__post_init__里去除 get_random_marks 的调用。以下是使用 dataclasses.field 的情形：

dataclasses.field 接受了一个名为 default_factory 的参数，它的作用是：如果在创建对象时没有赋值，则使用该方法初始化该字段。

default_factory 必须是一个可以调用的无参数方法（通常为一个函数）。

这样我们就可以使用复合形式初始化字段。现在，让我们考虑另一个使用场景。

使用全部字段进行数据比较

通过上篇博文，我们了解到，dataclass 能够自动生成< , =, >, <=和>=这些比较方法。但是这些比较方法的一个缺陷是，它们使用类中的所有字段进行比较，而这种情况往往不常见。更经常地，这种比较方法会给我们使用 dataclasses 造成麻烦。

考虑以下的使用情形：你有一个数据类用于存放用户的信息。现在，它可能存在以下字段：

• 姓名

• 年龄

• 身高

• 体重

……

想要继续阅读，请移步至我们的AI研习社社区：https://club.leiphone.com/page/TextTranslation/751

更多精彩内容尽在 AI 研习社。

不同领域包括计算机视觉，语音语义，区块链，自动驾驶，数据挖掘，智能控制，编程语言等每日更新。

雷锋网(公众号：雷锋网)雷锋网(公众号：雷锋网)

。