Python 3.7 引入了数据类来存储数据。我正在考虑采用这种新方法，这种方法比字典更有条理，结构更合理。
但我有一个疑问。Python 将键转换为 dicts 上的哈希，这使得查找键和值的速度更快。数据类实现类似的东西？
哪个更快，为什么？
问问题
5679 次
1 回答
36
python 中的所有类实际上都在底层使用字典来存储它们的属性，您可以在文档中阅读此处。有关 python 类（以及更多东西）如何工作的更深入参考，您还可以查看关于python 的 datamodel的文章，特别是关于自定义类的部分。
所以一般来说，从字典转移到数据类不应该有性能损失。但最好确保使用timeit模块：
基线
# dictionary creation
$ python -m timeit "{'var': 1}"
5000000 loops, best of 5: 52.9 nsec per loop
# dictionary key access
$ python -m timeit -s "d = {'var': 1}" "d['var']"
10000000 loops, best of 5: 20.3 nsec per loop
基本数据类
# dataclass creation
$ python -m timeit -s "from dataclasses import dataclass" -s "@dataclass" -s "class A: var: int" "A(1)"
1000000 loops, best of 5: 288 nsec per loop
# dataclass attribute access
$ python -m timeit -s "from dataclasses import dataclass" -s "@dataclass" -s "class A: var: int" -s "a = A(1)" "a.var"
10000000 loops, best of 5: 25.3 nsec per loop
在这里我们可以看到使用类确实有一些开销。对于类的创建，它相当多（大约慢 5 倍），但只要您不打算每秒多次创建和折腾数据类，您就不必太在意它。
属性访问可能是更重要的指标，虽然数据类再次变慢（~1.25 倍），但这次并没有那么慢。
如果您认为这仍然有点太慢，您可以通过使用插槽而不是字典来存储它们的属性来调整您的数据类（或任何类，真的）：
开槽数据类
# dataclass creation
$ python -m timeit -s "from dataclasses import dataclass" -s "@dataclass" -s "class A: __slots__ = ('var',); var: int" "A(1)"
1000000 loops, best of 5: 242 nsec per loop
# dataclass attribute access
$ python -m timeit -s "from dataclasses import dataclass" -s "@dataclass" -s "class A: __slots__ = ('var',); var: int" -s "a = A(1)" "a.var"
10000000 loops, best of 5: 21.7 nsec per loop
通过使用这种模式，我们可以再缩短几纳秒。在这一点上，至少在属性访问方面，字典应该不再有明显的差异，并且您可以在不影响速度的情况下使用数据类的优势。
于 2019-03-20T08:04:29.333 回答