Python 的 __slots__ 和数据类的（内存方面和访问时间方面）比较是什么

Question

Python 的__slots__ 用于减少实例的内存占用，这是通过将变量存储在“小型固定大小的数组[s] 中来实现的，就像元组或列表”。实例属性是可变的，但您不能添加其他属性。

另一方面，有一些数据类（根据我收集的信息）通过定义一些 dunders（等）来帮助创建类，并且 PEP 557 将其描述为“具有默认值的可变命名元组”。

我知道他们的目的是不同的，事实上你可以use both of them。

Answer 1

dataclass 装饰器不会影响属性的存储或检索方式。内存消耗和属性访问时间的行为与在没有dataclass 的情况下编写的类完全相同。

使用__slots__ 的类将比不使用__slots__ 的类似类具有更少的内存消耗和稍快的属性访问（因为槽描述符保存了一些dict 查找），无论任何一个类是否使用@987654325 @。这是一个计时示例，表明dataclass 不会影响属性查找时间，而__slots__ 会：

>>> import timeit
>>> import dataclasses
>>> @dataclasses.dataclass
... class Foo:
...     a: int
...     b: int
... 
>>> class Bar:
...     def __init__(self, a, b):
...         self.a = a
...         self.b = b
... 
>>> foo = Foo(1, 2)
>>> bar = Bar(1, 2)
>>> timeit.timeit('foo.a', globals=globals())
0.08070236118510365
>>> timeit.timeit('bar.a', globals=globals())
0.07813134230673313
>>> timeit.timeit('foo.a', globals=globals(), number=10000000)
0.5699363159947097
>>> timeit.timeit('bar.a', globals=globals(), number=10000000)
0.5526750679127872
>>> @dataclasses.dataclass
... class FooSlots:
...     __slots__ = ['a', 'b']
...     a: int
...     b: int
... 
>>> class BarSlots:
...     __slots__ = ['a', 'b']
...     def __init__(self, a, b):
...         self.a = a
...         self.b = b
... 
>>> fooslots = FooSlots(1, 2)
>>> barslots = BarSlots(1, 2)
>>> timeit.timeit('fooslots.a', globals=globals(), number=10000000)
0.46022069035097957
>>> timeit.timeit('barslots.a', globals=globals(), number=10000000)
0.4669580361805856