在 Python 3.7 版本中，官方引入了数据类（Data Classes）这一概念，目的是为了简化类的定义，特别是那些主要用于存储数据的类。数据类提供了一种简洁的方式来定义类，自动生成特殊方法（如 __init__()、__repr__()、__eq__() 等），从而减少了样板代码的编写，提高了代码的可读性和可维护性。
数据类的基本用法
使用数据类非常简单，只需导入 dataclasses 模块，并使用 @dataclass 装饰器来标记一个类。下面是一个简单的示例：
from dataclasses import dataclass
@dataclass
class Point:
x: float
y: float
# 测试数据类
point1 = Point(1.0, 2.0)
point2 = Point(1.0, 2.0)
print(point1) # 输出：Point(x=1.0, y=2.0)
print(point1 == point2) # 输出：True，因为内容相同
在上面的代码中，我们定义了一个 Point 数据类，它有两个属性 x 和 y。通过使用 @dataclass 装饰器，Python 自动为我们生成了 __init__() 和 __repr__() 等方法。因为 point1 和 point2 的内容相同，使用 == 进行比较时返回 True。
可选参数和默认值
数据类还支持可选属性和默认值。例如，我们可以为 Point 类添加一个默认值：
@dataclass
class Point:
x: float
y: float = 0.0 # 添加默认值
# 使用
point1 = Point(1.0)
print(point1) # 输出：Point(x=1.0, y=0.0)
在这个例子中，y 的默认值为 0.0，因此在创建 point1 时只传入了 x 的值。
不可变数据类
如果你希望数据类的实例在创建后不可更改，可以使用 frozen=True 参数。这将使得所有实例属性成为只读属性：
@dataclass(frozen=True)
class Point:
x: float
y: float
point = Point(1.0, 2.0)
# point.x = 3.0 # 试图修改将会引发 AttributeError
在这个例子中，如果你尝试修改 point 的属性，Python 会引发 AttributeError。
数据类的比较与排序
数据类自动生成了 __eq__() 方法来比较对象内容，还可以使用 order=True 让数据类支持排序功能：
@dataclass(order=True)
class Point:
x: float
y: float
point1 = Point(1.0, 2.0)
point2 = Point(3.0, 4.0)
print(point1 < point2) # 输出：True
这里 Point 类被标记为 order=True，因此可以直接使用比较运算符（如 <, >, ==）进行对象比较。
小结
数据类提供了一种高效的方式来构建以数据为核心的类，减少了样板代码的书写，提高了代码的可维护性。通过使用 @dataclass 装饰器，我们可以轻松地定义属性、默认值、可比性以及不可变性等。此外，数据类与其他类的功能相辅相成，允许开发者在管理状态和行为时的灵活性。它们在实际应用中有着广泛的用途，尤其在数据传输对象（DTO）、配置对象等场景中，能够大幅提高开发效率。
