我也有同样的问题，所以进行了一些测试，并记录在这里:https://shayallenhill.com/python-struct-options/

简介:

NamedTuple更适合解包、爆炸和大小。 DataClass更快更灵活。 区别不是很大，我不会重构稳定的代码从一个移到另一个。 当您希望能够传递一个元组时，NamedTuple也非常适合软输入。

为此，定义一个从它继承的类型…

from typing import NamedTuple

class CircleArg(NamedTuple):
    x: float
    y: float
    radius: float

.．.然后在函数中解压缩它。不要使用.attributes，您将得到一个很好的“类型提示”，而无需为调用者提供任何PITA。

*focus, radius = circle_arg_instance  # or tuple

在编程中，任何可以是不可变的东西都应该是不可变的。我们得到了两点:

更容易阅读程序-我们不需要担心值的改变，一旦它被实例化，它就永远不会改变(namedtuple) 更少出现奇怪的虫子

这就是为什么，如果数据是不可变的，你应该使用命名元组而不是数据类

我把它写在评论里了，但我在这里提一下: 你绝对是对的，有一个重叠，特别是冻结=True在数据类-但仍然有一些特性，如解包属于命名元组，它总是不可变的-我怀疑他们会删除命名元组

NamedTuple的另一个重要限制是它不能是泛型的:

import typing as t
T=t.TypeVar('T')
class C(t.Generic[T], t.NamedTuple): ...

TypeError: Multiple inheritance with NamedTuple is not supported

这取决于你的需要。他们每个人都有自己的好处。

以下是PyCon 2018上关于数据类的一个很好的解释:数据类:结束所有代码生成器的代码生成器

在Dataclass中，所有实现都是用Python编写的，而在NamedTuple中，所有这些行为都是免费的，因为NamedTuple继承自tuple。因为元组结构是用C编写的，所以NamedTuple中的标准方法(散列，比较等)更快。

还要注意，Dataclass是基于dict的，而NamedTuple是基于tuple的。因此，使用这些结构有利有弊。例如，使用NamedTuple时空间使用较少，但使用Dataclass时时间访问更快。

请看我的实验:

In [33]: a = PageDimensionsDC(width=10, height=10)

In [34]: sys.getsizeof(a) + sys.getsizeof(vars(a))
Out[34]: 168

In [35]: %timeit a.width
43.2 ns ± 1.05 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

In [36]: a = PageDimensionsNT(width=10, height=10)

In [37]: sys.getsizeof(a)
Out[37]: 64

In [38]: %timeit a.width
63.6 ns ± 1.33 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

但是随着NamedTuple属性数量的增加，访问时间仍然很小，因为它为每个属性创建了一个带有属性名称的属性。例如，在我们的例子中，新类的命名空间的部分看起来像这样:

from operator import itemgetter

class_namespace = {
...
    'width': property(itemgetter(0, doc="Alias for field number 0")),
    'height': property(itemgetter(0, doc="Alias for field number 1"))**
}

在哪些情况下namedtuple仍然是一个更好的选择?

当你的数据结构需要/可以是不可变的，可哈希的，可迭代的，不可打包的，可比较的，那么你可以使用NamedTuple。如果您需要一些更复杂的东西，例如，数据结构的继承可能性，那么使用Dataclass。

我也有同样的问题，所以进行了一些测试，并记录在这里:https://shayallenhill.com/python-struct-options/

简介:

NamedTuple更适合解包、爆炸和大小。 DataClass更快更灵活。 区别不是很大，我不会重构稳定的代码从一个移到另一个。 当您希望能够传递一个元组时，NamedTuple也非常适合软输入。

为此，定义一个从它继承的类型…

from typing import NamedTuple

class CircleArg(NamedTuple):
    x: float
    y: float
    radius: float

.．.然后在函数中解压缩它。不要使用.attributes，您将得到一个很好的“类型提示”，而无需为调用者提供任何PITA。

*focus, radius = circle_arg_instance  # or tuple

对我来说，一个用例是不支持数据类的框架。特别是TensorFlow。这是一个tf。函数可以与一个类型一起工作。NamedTuple，但没有数据类。

class MyFancyData(typing.NamedTuple):
  some_tensor: tf.Tensor
  some_other_stuf: ...

@tf.function
def train_step(self, my_fancy_data: MyFancyData):
    ...