@dataclass генерирует __init__, __repr__, __eq__ (опционально порядок, хеш, слоты) по аннотированным полям — обычный изменяемый класс без проверки типов. namedtuple — неизменяемый кортеж с именами полей, индексируется и распаковывается. Pydantic — валидация и преобразование входных данных во время выполнения, сериализация в JSON.
А ещё attrs — предшественник dataclasses с дополнительными возможностями
Так подсказку видит пользователь sotto на живом собеседовании — за пару секунд, пока вы думаете вслух.
sottofrom dataclasses import dataclass, field
@dataclass(frozen=True, slots=True)
class Money:
amount: int
currency: str = "RUB"
@dataclass
class Cart:
items: list[str] = field(default_factory=list)
def __post_init__(self):
... # проверка инвариантов| dataclass | namedtuple | Pydantic | |
|---|---|---|---|
| изменяемость | да (frozen — нет) | нет | да (настраивается) |
| проверка типов в рантайме | нет | нет | да, с приведением |
| память | обычный объект или слоты | кортеж | больше |
| сериализация | asdict | _asdict | model_dump, JSON |
namedtuple удобен как лёгкая запись, совместимая с кортежем (результаты функций, строки CSV), но наследование и методы неудобны; typing.NamedTuple даёт синтаксис с аннотациями.
Pydantic нужен на границе системы: тело HTTP-запроса, конфигурация, сообщения из очереди — где данные приходят непроверенными. Pydantic v2 написан на Rust и быстрый, но всё равно дороже dataclass.
sotto слышит вопрос интервьюера и показывает короткий ответ и план, как в блоке «Коротко». Оставьте контакт — пришлём доступ и промокод.