dataclasses
— 데이터 클래스¶
소스 코드: Lib/dataclasses.py
이 모듈은 __init__()
나 __repr__()
과 같은 생성된 특수 메서드 를 사용자 정의 클래스에 자동으로 추가하는 데코레이터와 함수를 제공합니다. 원래 PEP 557 에 설명되어 있습니다.
The member variables to use in these generated methods are defined using PEP 526 type annotations. For example, this code:
from dataclasses import dataclass
@dataclass
class InventoryItem:
"""Class for keeping track of an item in inventory."""
name: str
unit_price: float
quantity_on_hand: int = 0
def total_cost(self) -> float:
return self.unit_price * self.quantity_on_hand
will add, among other things, a __init__()
that looks like:
def __init__(self, name: str, unit_price: float, quantity_on_hand: int = 0):
self.name = name
self.unit_price = unit_price
self.quantity_on_hand = quantity_on_hand
이 메서드는 클래스에 자동으로 추가됩니다: 위의 InventoryItem
정의에서 직접 지정되지는 않았습니다.
버전 3.7에 추가.
Module contents¶
-
@
dataclasses.
dataclass
(*, init=True, repr=True, eq=True, order=False, unsafe_hash=False, frozen=False, match_args=True, kw_only=False, slots=False)¶ 이 함수는 (아래에서 설명하는) 생성된 특수 메서드를 클래스에 추가하는데 사용되는 데코레이터 입니다.
The
dataclass()
decorator examines the class to findfield
s. Afield
is defined as a class variable that has a type annotation. With two exceptions described below, nothing indataclass()
examines the type specified in the variable annotation.생성된 모든 메서드의 필드 순서는 클래스 정의에 나타나는 순서입니다.
The
dataclass()
decorator will add various “dunder” methods to the class, described below. If any of the added methods already exist in the class, the behavior depends on the parameter, as documented below. The decorator returns the same class that it is called on; no new class is created.dataclass()
가 매개변수 없는 단순한 데코레이터로 사용되면, 이 서명에 문서화 된 기본값들이 제공된 것처럼 행동합니다. 즉, 다음dataclass()
의 세 가지 용법은 동등합니다:@dataclass class C: ... @dataclass() class C: ... @dataclass(init=True, repr=True, eq=True, order=False, unsafe_hash=False, frozen=False, match_args=True, kw_only=False, slots=False) class C: ...
dataclass()
의 매개변수는 다음과 같습니다:init
: 참(기본값)이면,__init__()
메서드가 생성됩니다.클래스가 이미
__init__()
를 정의했으면, 이 매개변수는 무시됩니다.repr
: 참(기본값)이면,__repr__()
메서드가 생성됩니다. 생성된 repr 문자열은 클래스 이름과 각 필드의 이름과 repr 을 갖습니다. 각 필드는 클래스에 정의된 순서대로 표시됩니다. repr에서 제외하도록 표시된 필드는 포함되지 않습니다. 예를 들어: 예 :InventoryItem(name='widget', unit_price=3.0, quantity_on_hand=10)
.클래스가 이미
__repr__()
을 정의했으면, 이 매개변수는 무시됩니다.eq
: 참(기본값)이면,__eq__()
메서드가 생성됩니다. 이 메서드는 클래스를 필드의 튜플인 것처럼 순서대로 비교합니다. 비교되는 두 인스턴스는 같은 형이어야 합니다.클래스가 이미
__eq__()
를 정의했으면, 이 매개변수는 무시됩니다.order
: 참이면 (기본값은False
),__lt__()
,__le__()
,__gt__()
,__ge__()
메서드가 생성됩니다. 이것들은 클래스를 필드의 튜플인 것처럼 순서대로 비교합니다. 비교되는 두 인스턴스는 같은 형이어야 합니다.order
가 참이고eq
가 거짓이면ValueError
가 발생합니다.클래스가 이미
__lt__()
,__le__()
,__gt__()
,__ge__()
중 하나를 정의하고 있다면TypeError
가 발생합니다.unsafe_hash
:False
(기본값) 면 :eq
와frozen
의 설정에 따라__hash__()
메서드가 생성됩니다.__hash__()
는 내장hash()
에 의해 사용되며, 딕셔너리와 집합 같은 해시 컬렉션에 객체가 추가될 때 사용됩니다.__hash__()
를 갖는다는 것은 클래스의 인스턴스가 불변이라는 것을 의미합니다. 가변성은 프로그래머의 의도,__eq__()
의 존재와 행동,dataclass()
데코레이터의eq
와frozen
플래그의 값에 의존하는 복잡한 성질입니다.기본적으로,
dataclass()
는 안전하지 않다면__hash__()
메서드를 묵시적으로 추가하지 않습니다. 기존에 명시적으로 정의된__hash__()
메서드를 추가하거나 변경하지도 않습니다.__hash__()
문서에서 설명된 대로, 클래스 어트리뷰트를__hash__ = None
로 설정하는 것은 파이썬에 특별한 의미가 있습니다.__hash__()
가 명시적으로 정의되어 있지 않거나None
으로 설정된 경우,dataclass()
는 묵시적__hash__()
메서드를 추가할 수 있습니다. 권장하지는 않지만,unsafe_hash=True
로dataclass()
가__hash__()
메서드를 만들도록 강제할 수 있습니다. 이것은 당신의 클래스가 논리적으로 불변이지만, 그런데도 변경될 수 있는 경우 일 수 있습니다. 이는 특수한 사용 사례이므로 신중하게 고려해야 합니다.다음은
__hash__()
메서드의 묵시적 생성을 관장하는 규칙입니다. 데이터 클래스에 명시적__hash__()
메서드를 가지면서unsafe_hash=True
를 설정할 수는 없습니다; 그러면TypeError
가 발생합니다.eq
와frozen
이 모두 참이면, 기본적으로dataclass()
는__hash__()
메서드를 만듭니다.eq
가 참이고frozen
이 거짓이면,__hash__()
가None
으로 설정되어 해시 불가능하다고 표시됩니다(가변이기 때문입니다). 만약eq
가 거짓이면,__hash__()
를 건드리지 않는데, 슈퍼 클래스의__hash__()
가 사용된다는 뜻이 됩니다 (슈퍼 클래스가object
라면, id 기반 해싱으로 돌아간다는 뜻입니다).frozen
: 참이면 (기본값은False
), 필드에 대입하면 예외를 발생시킵니다. 이것은 읽기 전용 고정 인스턴스를 흉내 냅니다.__setattr__()
또는__delattr__()
이 클래스에 정의되어 있다면TypeError
가 발생합니다. 아래 토론을 참조하십시오.match_args
: If true (the default isTrue
), the__match_args__
tuple will be created from the list of parameters to the generated__init__()
method (even if__init__()
is not generated, see above). If false, or if__match_args__
is already defined in the class, then__match_args__
will not be generated.
버전 3.10에 추가.
kw_only
: If true (the default value isFalse
), then all fields will be marked as keyword-only. If a field is marked as keyword-only, then the only affect is that the__init__()
parameter generated from a keyword-only field must be specified with a keyword when__init__()
is called. There is no effect on any other aspect of dataclasses. See the parameter glossary entry for details. Also see theKW_ONLY
section.
버전 3.10에 추가.
slots
: If true (the default isFalse
),__slots__
attribute will be generated and new class will be returned instead of the original one. If__slots__
is already defined in the class, thenTypeError
is raised.
버전 3.10에 추가.
필드는 선택적으로 일반적인 파이썬 문법을 사용하여 기본값을 지정할 수 있습니다:
@dataclass class C: a: int # 'a' has no default value b: int = 0 # assign a default value for 'b'
이 예제에서,
a
와b
모두 추가된__init__()
메서드에 포함되는데, 이런 식으로 정의됩니다:def __init__(self, a: int, b: int = 0):
TypeError
will be raised if a field without a default value follows a field with a default value. This is true whether this occurs in a single class, or as a result of class inheritance.
-
dataclasses.
field
(*, default=MISSING, default_factory=MISSING, init=True, repr=True, hash=None, compare=True, metadata=None, kw_only=MISSING)¶ 일반적이고 간단한 사용 사례의 경우 다른 기능은 필요하지 않습니다. 그러나 필드별로 추가 정보가 필요한 일부 데이터 클래스 기능이 있습니다. 추가 정보에 대한 필요성을 충족시키기 위해, 기본 필드 값을 제공된
field()
함수 호출로 바꿀 수 있습니다. 예를 들면:@dataclass class C: mylist: list[int] = field(default_factory=list) c = C() c.mylist += [1, 2, 3]
As shown above, the
MISSING
value is a sentinel object used to detect if some parameters are provided by the user. This sentinel is used becauseNone
is a valid value for some parameters with a distinct meaning. No code should directly use theMISSING
value.field()
의 매개변수는 다음과 같습니다:default
: 제공되면, 이 필드의 기본값이 됩니다. 이것은field()
호출 자체가 기본값의 정상 위치를 대체하기 때문에 필요합니다.default_factory
: 제공되면, 이 필드의 기본값이 필요할 때 호출되는 인자가 없는 콜러블이어야 합니다. 여러 용도 중에서도, 이것은 아래에서 논의되는 것처럼 가변 기본값을 가진 필드를 지정하는 데 사용될 수 있습니다.default
와default_factory
를 모두 지정하는 것은 에러입니다.init
: 참(기본값)이면, 이 필드는 생성된__init__()
메서드의 매개변수로 포함됩니다.repr
: 참(기본값)이면, 이 필드는 생성된__repr__()
메서드가 돌려주는 문자열에 포함됩니다.hash
: 이것은 bool 또는None
일 수 있습니다. 참이면, 이 필드는 생성된__hash__()
메서드에 포함됩니다.None
(기본값) 이면,compare
의 값을 사용합니다. 이것은 일반적으로 기대되는 행동입니다. 필드가 비교에 사용되면 해시에서 고려해야 합니다. 이 값을None
이외의 값으로 설정하는 것은 권장하지 않습니다.hash=False
이지만compare=True
로 설정하는 한 가지 가능한 이유는, 동등 비교에 포함되는 필드가 해시값을 계산하는 데 비용이 많이 들고, 형의 해시값에 이바지하는 다른 필드가 있는 경우입니다. 필드가 해시에서 제외된 경우에도 비교에는 계속 사용됩니다.compare
: 참(기본값)이면, 이 필드는 생성된 같음 및 비교 메서드(__eq__()
,__gt__()
등)에 포함됩니다.metadata
: 매핑이나 None이 될 수 있습니다. None은 빈 딕셔너리로 취급됩니다. 이 값은MappingProxyType()
로 감싸져서 읽기 전용으로 만들어지고,Field
객체에 노출됩니다. 데이터 클래스에서는 전혀 사용되지 않으며, 제삼자 확장 메커니즘으로 제공됩니다. 여러 제삼자는 이름 공간으로 사용할 자신만의 키를 가질 수 있습니다.kw_only
: If true, this field will be marked as keyword-only. This is used when the generated__init__()
method’s parameters are computed.
버전 3.10에 추가.
필드의 기본값이
field()
호출로 지정되면, 이 필드의 클래스 어트리뷰트는 지정한default
값으로 대체됩니다.default
가 제공되지 않으면 클래스 어트리뷰트는 삭제됩니다. 그 의도는,dataclass()
데코레이터 실행 후에, 기본값 자체가 지정된 것처럼 클래스 어트리뷰트가 모드 필드의 기본값을 갖도록 만드는 것입니다. 예를 들어, 이렇게 한 후에는:@dataclass class C: x: int y: int = field(repr=False) z: int = field(repr=False, default=10) t: int = 20
클래스 어트리뷰트
C.z
는10
이 되고, 클래스 어트리뷰트C.t
는20
이 되고, 클래스 어트리뷰트C.x
와C.y
는 설정되지 않게 됩니다.
-
class
dataclasses.
Field
¶ Field
객체는 정의된 각 필드를 설명합니다. 이 객체는 내부적으로 생성되며fields()
모듈 수준 메서드(아래 참조)가 돌려줍니다. 사용자는 직접Field
인스턴스 객체를 만들어서는 안 됩니다. 문서화 된 어트리뷰트는 다음과 같습니다:name
: 필드의 이름.type
: 필드의 형.default
,default_factory
,init
,repr
,hash
,compare
,metadata
, andkw_only
have the identical meaning and values as they do in thefield()
function.
다른 어트리뷰트도 있을 수 있지만, 내부적인 것이므로 검사하거나 의존해서는 안 됩니다.
-
dataclasses.
fields
(class_or_instance)¶ 데이터 클래스의 필드들을 정의하는
Field
객체들의 튜플을 돌려줍니다. 데이터 클래스나 데이터 클래스의 인스턴스를 받아들입니다. 데이터 클래스 나 데이터 클래스의 인스턴스를 전달하지 않으면TypeError
를 돌려줍니다.ClassVar
또는InitVar
인 의사 필드는 반환하지 않습니다.
-
dataclasses.
asdict
(obj, *, dict_factory=dict)¶ Converts the dataclass
obj
to a dict (by using the factory functiondict_factory
). Each dataclass is converted to a dict of its fields, asname: value
pairs. dataclasses, dicts, lists, and tuples are recursed into. Other objects are copied withcopy.deepcopy()
.Example of using
asdict()
on nested dataclasses:@dataclass class Point: x: int y: int @dataclass class C: mylist: list[Point] p = Point(10, 20) assert asdict(p) == {'x': 10, 'y': 20} c = C([Point(0, 0), Point(10, 4)]) assert asdict(c) == {'mylist': [{'x': 0, 'y': 0}, {'x': 10, 'y': 4}]}
To create a shallow copy, the following workaround may be used:
dict((field.name, getattr(obj, field.name)) for field in fields(obj))
asdict()
raisesTypeError
ifobj
is not a dataclass instance.
-
dataclasses.
astuple
(obj, *, tuple_factory=tuple)¶ Converts the dataclass
obj
to a tuple (by using the factory functiontuple_factory
). Each dataclass is converted to a tuple of its field values. dataclasses, dicts, lists, and tuples are recursed into. Other objects are copied withcopy.deepcopy()
.이전 예에서 계속하면:
assert astuple(p) == (10, 20) assert astuple(c) == ([(0, 0), (10, 4)],)
To create a shallow copy, the following workaround may be used:
tuple(getattr(obj, field.name) for field in dataclasses.fields(obj))
astuple()
raisesTypeError
ifobj
is not a dataclass instance.
-
dataclasses.
make_dataclass
(cls_name, fields, *, bases=(), namespace=None, init=True, repr=True, eq=True, order=False, unsafe_hash=False, frozen=False, match_args=True, kw_only=False, slots=False)¶ Creates a new dataclass with name
cls_name
, fields as defined infields
, base classes as given inbases
, and initialized with a namespace as given innamespace
.fields
is an iterable whose elements are each eithername
,(name, type)
, or(name, type, Field)
. If justname
is supplied,typing.Any
is used fortype
. The values ofinit
,repr
,eq
,order
,unsafe_hash
,frozen
,match_args
,kw_only
, andslots
have the same meaning as they do indataclass()
.이 함수가 꼭 필요하지는 않습니다. 임의의 파이썬 메커니즘으로
__annotations__
을 갖는 새 클래스를 만든 후에dataclass()
함수를 적용하면 데이터 클래스로 변환되기 때문입니다. 이 함수는 편의상 제공됩니다. 예를 들어:C = make_dataclass('C', [('x', int), 'y', ('z', int, field(default=5))], namespace={'add_one': lambda self: self.x + 1})
는 다음과 동등합니다:
@dataclass class C: x: int y: 'typing.Any' z: int = 5 def add_one(self): return self.x + 1
-
dataclasses.
replace
(obj, /, **changes)¶ Creates a new object of the same type as
obj
, replacing fields with values fromchanges
. Ifobj
is not a Data Class, raisesTypeError
. If values inchanges
do not specify fields, raisesTypeError
.새로 반환된 객체는 데이터 클래스의
__init__()
메서드를 호출하여 생성됩니다. 이렇게 함으로써 (있는 경우)__post_init__()
의 호출을 보장합니다.기본값을 가지지 않는 초기화 전용 변수가 존재한다면,
replace()
호출에 반드시 지정해서__init__()
와__post_init__()
에 전달 될 수 있도록 해야 합니다.changes
가init=False
를 갖는 것으로 정의된 필드를 포함하는 것은 에러입니다. 이 경우ValueError
가 발생합니다.replace()
를 호출하는 동안init=False
필드가 어떻게 작동하는지 미리 경고합니다. 그것들은 소스 객체로부터 복사되는 것이 아니라, (초기화되기는 한다면)__post_init__()
에서 초기화됩니다.init=False
필드는 거의 사용되지 않으리라고 예상합니다. 사용된다면, 대체 클래스 생성자를 사용하거나, 인스턴스 복사를 처리하는 사용자 정의replace()
(또는 비슷하게 이름 지어진) 메서드를 사용하는 것이 좋을 것입니다.
-
dataclasses.
is_dataclass
(obj)¶ 매개변수가 데이터 클래스나 데이터 클래스의 인스턴스면
True
를 반환하고, 그렇지 않으면False
를 반환합니다.(데이터 클래스 자체가 아니라) 데이터 클래스의 인스턴스인지 알아야 한다면
not isinstance(obj, type)
검사를 추가하십시오:def is_dataclass_instance(obj): return is_dataclass(obj) and not isinstance(obj, type)
-
dataclasses.
MISSING
¶ A sentinel value signifying a missing default or default_factory.
-
dataclasses.
KW_ONLY
¶ A sentinel value used as a type annotation. Any fields after a pseudo-field with the type of
KW_ONLY
are marked as keyword-only fields. Note that a pseudo-field of typeKW_ONLY
is otherwise completely ignored. This includes the name of such a field. By convention, a name of_
is used for aKW_ONLY
field. Keyword-only fields signify__init__()
parameters that must be specified as keywords when the class is instantiated.In this example, the fields
y
andz
will be marked as keyword-only fields:@dataclass class Point: x: float _: KW_ONLY y: float z: float p = Point(0, y=1.5, z=2.0)
In a single dataclass, it is an error to specify more than one field whose type is
KW_ONLY
.버전 3.10에 추가.
-
exception
dataclasses.
FrozenInstanceError
¶ Raised when an implicitly defined
__setattr__()
or__delattr__()
is called on a dataclass which was defined withfrozen=True
. It is a subclass ofAttributeError
.
초기화 후처리¶
클래스에 __post_init__()
가 정의된 경우, 생성된 __init__()
코드는 __post_init__()
메서드를 호출합니다. 일반적으로 self.__post_init__()
로 호출됩니다. 그러나, InitVar
필드가 정의되어 있으면, 클래스에 정의된 순서대로 __post_init__()
로 전달됩니다. __init__()
메서드가 생성되지 않으면, __post_init__()
가 자동으로 호출되지 않습니다.
다른 용도 중에서도, 하나나 그 이상의 다른 필드에 의존하는 필드 값을 초기화하는데 사용할 수 있습니다. 예를 들면:
@dataclass
class C:
a: float
b: float
c: float = field(init=False)
def __post_init__(self):
self.c = self.a + self.b
The __init__()
method generated by dataclass()
does not call base
class __init__()
methods. If the base class has an __init__()
method
that has to be called, it is common to call this method in a
__post_init__()
method:
@dataclass
class Rectangle:
height: float
width: float
@dataclass
class Square(Rectangle):
side: float
def __post_init__(self):
super().__init__(self.side, self.side)
Note, however, that in general the dataclass-generated __init__()
methods
don’t need to be called, since the derived dataclass will take care of
initializing all fields of any base class that is a dataclass itself.
매개변수를 __post_init__()
에 전달하는 방법은 초기화 전용 변수에 대한 아래 섹션을 참조하십시오. 또한 replace()
가 init=False
필드를 처리하는 방식에 관한 경고를 보십시오.
클래스 변수¶
One of the few places where dataclass()
actually inspects the type
of a field is to determine if a field is a class variable as defined
in PEP 526. It does this by checking if the type of the field is
typing.ClassVar
. If a field is a ClassVar
, it is excluded
from consideration as a field and is ignored by the dataclass
mechanisms. Such ClassVar
pseudo-fields are not returned by the
module-level fields()
function.
초기화 전용 변수¶
Another place where dataclass()
inspects a type annotation is to
determine if a field is an init-only variable. It does this by seeing
if the type of a field is of type dataclasses.InitVar
. If a field
is an InitVar
, it is considered a pseudo-field called an init-only
field. As it is not a true field, it is not returned by the
module-level fields()
function. Init-only fields are added as
parameters to the generated __init__()
method, and are passed to
the optional __post_init__()
method. They are not otherwise used
by dataclasses.
예를 들어, 클래스를 만들 때 값이 제공되지 않으면, 필드가 데이터베이스로부터 초기화된다고 가정합시다:
@dataclass
class C:
i: int
j: int | None = None
database: InitVar[DatabaseType | None] = None
def __post_init__(self, database):
if self.j is None and database is not None:
self.j = database.lookup('j')
c = C(10, database=my_database)
이 경우, fields()
는 i
와 j
를 위한 Field
객체를 반환하지만, database
는 반환하지 않습니다.
고정 인스턴스¶
정말로 불변인 파이썬 객체를 만드는 것은 불가능합니다. 그러나, frozen=True
를 dataclass()
데코레이터에 전달함으로써 불변성을 흉내 낼 수 있습니다. 이 경우, 데이터 클래스는 __setattr__()
과 __delattr__()
메서드를 클래스에 추가합니다. 이 메서드는 호출될 때 FrozenInstanceError
를 발생시킵니다.
frozen=True
를 사용할 때 약간의 성능 저하가 있습니다: __init__()
는 필드를 초기화하는데 간단한 대입을 사용할 수 없고, object.__setattr__()
을 사용해야 합니다.
계승¶
데이터 클래스가 dataclass()
데코레이터에 의해 생성될 때, 클래스의 모든 베이스 클래스들을 MRO 역순(즉, object
에서 시작해서)으로 조사하고, 발견되는 데이터 클래스마다 그 베이스 클래스의 필드들을 순서 있는 필드 매핑에 추가합니다. 모든 생성된 메서드들은 이 합쳐지고 계산된 순서 있는 필드 매핑을 사용합니다. 필드들이 삽입 순서이기 때문에, 파생 클래스는 베이스 클래스를 재정의합니다. 예:
@dataclass
class Base:
x: Any = 15.0
y: int = 0
@dataclass
class C(Base):
z: int = 10
x: int = 15
필드의 최종 목록은 순서대로 x
, y
, z
입니다. x
의 최종 형은 클래스 C
에서 지정된 int
입니다.
생성된 C
의 __init__()
메서드는 이렇게 됩니다:
def __init__(self, x: int = 15, y: int = 0, z: int = 10):
Re-ordering of keyword-only parameters in __init__()
¶
After the parameters needed for __init__()
are computed, any
keyword-only parameters are moved to come after all regular
(non-keyword-only) parameters. This is a requirement of how
keyword-only parameters are implemented in Python: they must come
after non-keyword-only parameters.
In this example, Base.y
, Base.w
, and D.t
are keyword-only
fields, and Base.x
and D.z
are regular fields:
@dataclass
class Base:
x: Any = 15.0
_: KW_ONLY
y: int = 0
w: int = 1
@dataclass
class D(Base):
z: int = 10
t: int = field(kw_only=True, default=0)
The generated __init__()
method for D
will look like:
def __init__(self, x: Any = 15.0, z: int = 10, *, y: int = 0, w: int = 1, t: int = 0):
Note that the parameters have been re-ordered from how they appear in the list of fields: parameters derived from regular fields are followed by parameters derived from keyword-only fields.
The relative ordering of keyword-only parameters is maintained in the
re-ordered __init__()
parameter list.
기본 팩토리 함수¶
field()
가default_factory
를 지정하면, 필드의 기본값이 필요할 때 인자 없이 호출됩니다. 예를 들어, 리스트의 새 인스턴스를 만들려면, 이렇게 하세요:mylist: list = field(default_factory=list)필드가 (
init=False
를 사용해서)__init__()
에서 제외되고, 그 필드가default_factory
를 지정하면, 생성된__init__()
함수는 항상 기본 팩토리 함수를 호출합니다. 이는 필드에 초기화 값을 제공할 수 있는 다른 방법이 없기 때문입니다.
가변 기본값¶
파이썬은 기본 멤버 변숫값을 클래스 어트리뷰트에 저장합니다. 데이터 클래스를 사용하지 않는 이 예제를 생각해보세요:
class C: x = [] def add(self, element): self.x.append(element) o1 = C() o2 = C() o1.add(1) o2.add(2) assert o1.x == [1, 2] assert o1.x is o2.x클래스
C
의 두 인스턴스는 예상대로 같은 클래스 변수x
를 공유합니다.데이터 클래스를 사용해서, 만약 이 코드가 올바르다면:
@dataclass class D: x: List = [] def add(self, element): self.x += element비슷한 코드를 생성합니다:
class D: x = [] def __init__(self, x=x): self.x = x def add(self, element): self.x += element assert D().x is D().xThis has the same issue as the original example using class
C
. That is, two instances of classD
that do not specify a value forx
when creating a class instance will share the same copy ofx
. Because dataclasses just use normal Python class creation they also share this behavior. There is no general way for Data Classes to detect this condition. Instead, thedataclass()
decorator will raise aTypeError
if it detects a default parameter of typelist
,dict
, orset
. This is a partial solution, but it does protect against many common errors.기본 팩토리 함수를 사용하면 필드의 기본값으로 가변형의 새 인스턴스를 만들 수 있습니다:
@dataclass class D: x: list = field(default_factory=list) assert D().x is not D().x
Descriptor-typed fields¶
Fields that are assigned descriptor objects as their default value have the following special behaviors:
The value for the field passed to the dataclass’s
__init__
method is passed to the descriptor’s__set__
method rather than overwriting the descriptor object.Similarly, when getting or setting the field, the descriptor’s
__get__
or__set__
method is called rather than returning or overwriting the descriptor object.To determine whether a field contains a default value,
dataclasses
will call the descriptor’s__get__
method using its class access form (i.e.descriptor.__get__(obj=None, type=cls)
. If the descriptor returns a value in this case, it will be used as the field’s default. On the other hand, if the descriptor raisesAttributeError
in this situation, no default value will be provided for the field.
class IntConversionDescriptor:
def __init__(self, *, default):
self._default = default
def __set_name__(self, owner, name):
self._name = "_" + name
def __get__(self, obj, type):
if obj is None:
return self._default
return getattr(obj, self._name, self._default)
def __set__(self, obj, value):
setattr(obj, self._name, int(value))
@dataclass
class InventoryItem:
quantity_on_hand: IntConversionDescriptor = IntConversionDescriptor(default=100)
i = InventoryItem()
print(i.quantity_on_hand) # 100
i.quantity_on_hand = 2.5 # calls __set__ with 2.5
print(i.quantity_on_hand) # 2
Note that if a field is annotated with a descriptor type, but is not assigned a descriptor object as its default value, the field will act like a normal field.