与数组相比，记录数据结构中的字段数目固定，每个都有一个名称，类型也可以不同。
本文将介绍 Python 中的记录、结构体，以及“纯数据对象”，但只介绍标准库中含有的内置数据类型和类。
顺便说一句，这里的“记录”定义很宽泛。例如，这里也会介绍像 Python 的内置元组这样的类型。由于元组中的字段没有名称，因此一般不认为它是严格意义上的记录。
Python 提供了几种可用于实现记录、结构体和数据传输对象的数据类型。本节将快速介绍每个实现及各自特性，最后进行总结并给出一个决策指南，用来帮你做出自己的选择。
好吧，让我们开始吧！
字典——简单数据对象
Python 字典能存储任意数量的对象，每个对象都由唯一的键来标识。字典也常常称为映射或关联数组，能高效地根据给定的键查找、插入和删除所关联的对象。
Python 的字典还可以作为记录数据类型（record data type）或数据对象来使用。在 Python 中创建字典很容易，因为语言内置了创建字典的语法糖，简洁又方便。
字典创建的数据对象是可变的，同时由于可以随意添加和删除字段，因此对字段名称几乎没有保护措施。这些特性综合起来可能会引入令人惊讶的 bug，毕竟要在便利性和避免错误之间做出取舍。
元组——不可变对象集合
Python 元组是简单的数据结构，用于对任意对象进行分组。元组是不可变的，创建后无法修改。
在性能方面，元组占用的内存略少于 CPython 中的列表，构建速度也更快。
从如下反汇编的字节码中可以看到，构造元组常量只需要一个 LOAD_CONST 操作码，而构造具有相同内容的列表对象则需要多个操作：
不过你无须过分关注这些差异。在实践中这些性能差异通常可以忽略不计，试图通过用元组替换列表来获得额外的性能提升一般都是入了歧途。
单纯的元组有一个潜在缺点，即存储在其中的数据只能通过整数索引来访问，无法为元组中存储的单个属性制定一个名称，从而影响了代码的可读性。
此外，元组总是一个单例模式的结构，很难确保两个元组存储了相同数量的字段和相同的属性。
这样很容易因疏忽而犯错，比如弄错字段顺序。因此，建议尽可能减少元组中存储的字段数量。
编写自定义类——手动精细控制
类可用来为数据对象定义可重用的“蓝图”（blueprint），以确保每个对象都提供相同的字段。
普通的 Python 类可作为记录数据类型，但需要手动完成一些其他实现中已有的便利功能。例如，向__init__构造函数添加新字段就很烦琐且耗时。
此外，对于从自定义类实例化得到的对象，其默认的字符串表示形式没什么用。解决这个问题需要添加自己的__repr__方法。这个方法通常很冗长，每次添加新字段时都必须更新。
存储在类上的字段是可变的，并且可以随意添加新字段。使用 @property 装饰器能创建只读字段，并获得更多的访问控制，但是这又需要编写更多的胶水代码。
编写自定义类适合将业务逻辑和行为添加到记录对象中，但这意味着这些对象在技术上不再是普通的纯数据对象。
collections.namedtuple——方便的数据对象
自 Python 2.6 以来添加的 namedtuple 类扩展了内置元组数据类型。与自定义类相似，namedtuple 可以为记录定义可重用的“蓝图”，以确保每次都使用正确的字段名称。
与普通的元组一样，namedtuple 是不可变的。这意味着在创建 namedtuple 实例之后就不能再添加新字段或修改现有字段。
除此之外，namedtuple 就相当于具有名称的元组。存储在其中的每个对象都可以通过唯一标识符访问。因此无须整数索引，也无须使用变通方法，比如将整数常量定义为索引的助记符。
namedtuple 对象在内部是作为普通的 Python 类实现的，其内存占用优于普通的类，和普通元组一样高效：
由于使用 namedtuple 就必须更好地组织数据，因此无意中清理了代码并让其更加易读。
我发现从专用的数据类型（例如固定格式的字典）切换到 namedtuple 有助于更清楚地表达代码的意图。通常，每当我在用 namedtuple 重构应用时，都神奇地为代码中的问题想出了更好的解决办法。
用 namedtuple 替换普通（非结构化的）元组和字典还可以减轻同事的负担，因为用 namedtuple 传递的数据在某种程度上能做到“自说明”。
typing.NamedTuple——改进版 namedtuple
这个类添加自 Python 3.6，是 collections 模块中 namedtuple 类的姊妹。它与 namedtuple 非常相似，主要区别在于用新语法来定义记录类型并支持类型注解（type hint）。
注意，只有像 mypy 这样独立的类型检查工具才会在意类型注解。不过即使没有工具支持，类型注解也可帮助其他程序员更好地理解代码（如果类型注解没有随代码及时更新则会带来混乱）。
struct.Struct——序列化 C 结构体
struct.Struct 类用于在 Python 值和 C 结构体之间转换，并将其序列化为 Python 字节对象。例如可以用来处理存储在文件中或来自网络连接的二进制数据。
结构体使用与格式化字符串类似的语法来定义，能够定义并组织各种 C 数据类型（如 char、int、long，以及对应的无符号的变体）。
序列化结构体一般不用来表示只在 Python 代码中处理的数据对象，而是主要用作数据交换格式。
在某些情况下，与其他数据类型相比，将原始数据类型打包到结构体中占用的内存较少。但大多数情况下这都属于高级（且可能不必要的）优化。
types.SimpleNamespace——花哨的属性访问
这里再介绍一种高深的方法来在 Python 中创建数据对象：types.SimpleNamespace。该类添加自 Python 3.3，可以用属性访问的方式访问其名称空间。
也就是说，SimpleNamespace 实例将其中的所有键都公开为类属性。因此访问属性时可以使用 obj.key 这样的点式语法，不需要用普通字典的 obj[‘key’]方括号索引语法。所有实例默认都包含一个不错的__repr__。
正如其名，SimpleNamespace 很简单，基本上就是扩展版的字典，能够很好地访问属性并以字符串打印出来，还能自由地添加、修改和删除属性。
小结
那么在 Python 中应该使用哪种类型的数据对象呢？从上面可以看到，Python 中有许多不同的方法实现记录或数据对象，使用哪种方式通常取决于具体的情况。
如果只有两三个字段，字段顺序易于记忆或无须使用字段名称，则使用简单元组对象。例如三维空间中的(x, y, z)点。
如果需要实现含有不可变字段的数据对象，则使用 collections.namedtuple 或 typing.NamedTuple 这样的简单元组。
如果想锁定字段名称来避免输入错误，同样建议使用 collections.namedtuple 和 typing.NamedTuple。
如果希望保持简单，建议使用简单的字典对象，其语法方便，和 JSON 也类似。
如果需要对数据结构完全掌控，可以用 @property 加上设置方法和获取方法来编写自定义的类。
如果需要向对象添加行为（方法），则应该从头开始编写自定义类，或者通过扩展 collections.namedtuple 或 typing.NamedTuple 来编写自定义类。
如果想严格打包数据以将其序列化到磁盘上或通过网络发送，建议使用 struct.Struct。
一般情况下，如果想在 Python 中实现一个普通的记录、结构体或数据对象，我的建议是在{\rm Python}~2.x 中使用 collections.namedtuple，在 Python 3 中使用其姊妹 typing.NamedTuple。
本文内容来自作者图书作品《深入理解 Python 特性》，点击购买。
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
评论