掌握python的dataclass，让你的代码更简洁优雅
dataclass是从Python3.7版本开始，作为标准库中的模块被引入。
随着Python版本的不断更新，dataclass也逐步发展和完善，为Python开发者提供了更加便捷的数据类创建和管理方式。
dataclass的主要功能在于帮助我们简化数据类的定义过程。
本文总结了几个我平时使用较多dataclass技巧。
1. 传统的类定义方式
首先，从平时量化分析的场景中简化一个关于 币交易 的类用来演示。
简化之后，这里只保留5个字段，分别是交易ID，交易对，价格，是否成功和参与交易的地址列表。
class CoinTrans:
def __init__(
self,
id: str,
symbol: str,
price: float,
is_success: bool,
addrs: list,
) -> None:
self.id = id
self.symbol = symbol
self.price = price
self.addrs = addrs
self.is_success = is_success
Python传统定义类的方式，如上通过__init__函数来初始化对象的各个属性。
通过这个类构造对象并打印：
if __name__ == "__main__":
coin_trans = CoinTrans("id01", "BTC/USDT", "71000", True, ["0x1111", "0x2222"])
print(coin_trans)
运行结果：
<__main__.CoinTrans object at 0x0000022A891FADD0>
这里只是打印出对象的地址，并没有按照我们期望的那样打印对象各个属性的值。
传统的类中，我们如果希望打印出可读的结果，需要自己去实现__str__函数。
# 在上面的 CoinTrans 类中添加下面的方法
def __str__(self) -> str:
return f"交易信息：{self.id}, {self.symbol}, {self.price}, {self.addrs}, {self.is_success}"
再次运行，结果如下：
交易信息：id01, BTC/USDT, 71000, ['0x1111', '0x2222'], True
2. dataclass装饰器定义类
下面看看使用dataclass装饰器来定义上面同样的类有多简单。
from dataclasses import dataclass
@dataclass
class CoinTrans:
id: str
symbol: str
price: float
is_success: bool
addrs: list
再次运行：
if __name__ == "__main__":
coin_trans = CoinTrans("id01", "BTC/USDT", "71000", True, ["0x1111", "0x2222"])
print(coin_trans)
得到如下结果：
CoinTrans(id='id01', symbol='BTC/USDT', price='71000', is_success=True, addrs=['0x1111', '0x2222'])
不需要__init__，也不需要__str__，只要通过 @dataclass装饰之后，就可以打印出对象的具体内容。
2.1. 默认值
dataclass装饰器的方式来定义类，设置默认值很简单，直接在定义属性时就可以设置。
@dataclass
class CoinTrans:
id: str = "id01"
symbol: str = "BTC/USDT"
price: float = "71000.8"
is_success: bool = True
addrs: list[str] = ["0x1111", "0x2222"]
if __name__ == "__main__":
coin_trans = CoinTrans()
print(coin_trans)
运行之后发现，在addrs属性那行会报错：
ValueError: mutable default <class 'list'> for field addrs is not allowed: use default_factory
大概的意思就是，list作为一种可变的类型（引用类型，会有被其他对象意外修改的风险），不能直接作为默认值，需要用工厂方法来产生默认值。
其他字符串，数值，布尔类型的数据则没有这个问题。
我们只要定义个函数来产生此默认值即可。
def gen_list():
return ["0x1111", "0x2222"]
@dataclass
class CoinTrans:
id: str = "id01"
symbol: str = "BTC/USDT"
price: float = "71000.8"
is_success: bool = True
addrs: list[str] = field(default_factory=gen_list)
if __name__ == "__main__":
coin_trans = CoinTrans()
print(coin_trans)
再次运行，可以正常执行：
CoinTrans(id='id01', symbol='BTC/USDT', price='71000.8', is_success=True, addrs=['0x1111', '0x2222']
2.2. 隐藏敏感信息
我们打印对象信息的时候，有时执行打印其中几个属性的信息，涉及敏感信息的属性不希望打印出来。
比如，上面的对象，如果不想打印出is_success和addrs的信息，可以设置repr=False。
@dataclass
class CoinTrans:
id: str = "id01"
symbol: str = "BTC/USDT"
price: float = "71000.8"
is_success: bool = field(default=True, repr=False)
addrs: list[str] = field(default_factory=gen_list, repr=False)
再次运行后显示：
CoinTrans(id='id01', symbol='BTC/USDT', price='71000.8')
2.3. 只读对象
数据分析时，大部分下情况下，原始数据读取之后是不能修改的。
这种情况下，我们可以用dataclass的frozen属性来设置数据类只读，防止不小心篡改了数据。
未设置frozen属性之前，可以随意修改对象的属性，比如：
if __name__ == "__main__":
coin_trans = CoinTrans()
print(f"修改前: {coin_trans}")
coin_trans.symbol = "ETH/USDT"
print(f"修改后: {coin_trans}")
运行结果：
修改前: CoinTrans(id='id01', symbol='BTC/USDT', price='71000.8')
修改后: CoinTrans(id='id01', symbol='ETH/USDT', price='71000.8')
设置frozen属性之后，看看修改属性值会怎么样：
@dataclass(frozen=True)
class CoinTrans:
id: str = "id01"
#... 省略 ...
再次运行，会发现修改属性会触发异常。
修改前: CoinTrans(id='id01', symbol='BTC/USDT', price='71000.8')
Traceback (most recent call last):
File "D:\projects\python\samples\data_classes\main.py", line 66, in <module>
coin_trans.symbol = "ETH/USDT"
^^^^^^^^^^^^^^^^^
File "<string>", line 4, in __setattr__
dataclasses.FrozenInstanceError: cannot assign to field 'symbol'
2.4. 转化为元组和字典
最后，dataclasses模块还提供了两个函数可以很方便的将数据类转换为元组和字典。
这在和其他分析程序交互时非常有用，因为和其他程序交互时，参数一般都用元组或者字典这种简单通用的结构，
而不会直接用自己定义的数据类。
from dataclasses import dataclass, field, astuple, asdict
if __name__ == "__main__":
coin_trans = CoinTrans()
print(astuple(coin_trans))
print(asdict(coin_trans))
运行结果：
('id01', 'BTC/USDT', '71000.8', True, ['0x1111', '0x2222'])
{'id': 'id01', 'symbol': 'BTC/USDT', 'price': '71000.8', 'is_success': True, 'addrs': ['0x1111', '0x2222']}
3. 总结
在Python中，数据类主要用于存储数据，并通常包含属性和方法来操作这些数据。
然而，在定义数据类时，我们通常需要编写一些重复性的代码，如构造函数、属性访问器和字符串表示等。dataclass装饰器的出现，使得这些通用方法的生成变得自动化，从而极大地简化了数据类的定义过程。
总的来说，dataclass通过简化数据类的创建和管理过程，提高了开发效率，是我们在数据分析时的一个非常有用的工具。