เข้าใจ Dataclass ใน Python: คู่มือฉบับสมบูรณ์สำหรับนักพัฒนา (อัปเดต 2025)

1. Dataclass คืออะไร?

ภาพรวมของ Dataclass

from dataclasses import dataclass

@dataclass
class User:
    name: str
    age: int

2. ข้อดีของ Dataclass

ลดความซับซ้อนของโค้ด

@dataclass
class Product:
    id: int
    name: str
    price: float

เมธอดที่ถูกสร้างขึ้นโดยอัตโนมัติ

ค่าดีฟอลต์และ Type Annotation

@dataclass
class Employee:
    name: str
    age: int = 25  # กำหนดอายุเริ่มต้นเป็น 25

3. เปรียบเทียบกับการกำหนดคลาสแบบดั้งเดิม

การเพิ่มประสิทธิภาพหน่วยความจำและ Performance

@dataclass(slots=True)
class User:
    name: str
    age: int

ความแตกต่างจากคลาสทั่วไป

4. ฟีเจอร์ขั้นสูงของ Dataclass

การปรับแต่งหน่วยความจำด้วย slots

@dataclass(slots=True)
class Person:
    name: str
    age: int

สร้างคลาสแบบ Immutable ด้วย frozen=True

@dataclass(frozen=True)
class ImmutableUser:
    username: str
    age: int

ฟิลด์แบบกำหนดเองและ field()

@dataclass
class Product:
    name: str
    price: float = field(default=0.0, init=False)

5. ตัวอย่างการใช้ Dataclass

การจัดการข้อมูลผู้ใช้

@dataclass
class UserProfile:
    username: str
    email: str
    is_active: bool = True

การแปลงข้อมูลและใช้งานร่วมกับ JSON

import json
from dataclasses import dataclass, asdict

@dataclass
class Product:
    id: int
    name: str
    price: float

product = Product(1, "Laptop", 999.99)
print(json.dumps(asdict(product)))

6. การทำงานร่วมกับไลบรารีอื่น

ตรวจสอบข้อมูลด้วย Pydantic

from pydantic.dataclasses import dataclass
from pydantic import ValidationError

@dataclass
class Book:
    title: str
    pages: int

try:
    book = Book(title=123, pages="two hundred")
except ValidationError as e:
    print(e)

7. ข้อผิดพลาดที่พบบ่อยในการใช้ Dataclass

การใช้ค่า default ที่เปลี่ยนแปลงได้ (mutable)

from dataclasses import dataclass, field

@dataclass
class Team:
    members: list = field(default_factory=list)

ชนิดข้อมูลกับค่า default ไม่ตรงกัน

@dataclass
class User:
    name: str
    age: int = "twenty"  # ตัวอย่างที่ไม่ถูกต้อง

8. สรุป