介绍
在这个 Lab 中，你将接触到 Python Dataclasses（数据类），这是从 Python 3.7 开始提供的一个强大特性。数据类是普通的 Python 类，主要用于存储数据。它们使用一个装饰器 @dataclass 来自动生成特殊方法，如 __init__() 和 __repr__()，这极大地减少了样板代码（boilerplate code）。
在整个 Lab 过程中，你将学习如何：
- 定义一个简单的数据类。
- 将其与标准类的实现进行比较。
- 为字段设置默认值。
- 处理类型提示（type hints），包括使用
typing.Any。
完成本 Lab 后，你将能够用更简洁、更清晰的方式在 Python 中编写以数据为中心的类。
数据类特性
在这一步，你将学习数据类的基本特性。我们将从一个标准的 Python 类开始，该类用于存储数据，然后看看数据类是如何简化它的。
一个标准的类要求你手动编写 __init__ 方法来初始化属性。
例如，一个表示数字的类看起来像这样：
class Number:
def __init__(self, val):
self.val = val
obj = Number(2)
print(obj.val)
使用 @dataclass 装饰器后，Python 会自动生成 __init__ 方法，以及其他有用的方法，例如用于清晰字符串表示的 __repr__ 方法。主要要求是你必须为字段提供类型提示（type hints）。
注意： 如果你不熟悉使用 WebIDE（如 VS Code），请先在 这个实验 中学习。
让我们使用 @dataclass 装饰器创建相同的 Number 类。
从左侧的文件浏览器中打开 features.py 文件。向其中添加以下代码：
from dataclasses import dataclass
@dataclass ## 此装饰器将类转换为数据类
class Number:
val: int ## 需要类型提示
## __init__ 方法是自动创建的
obj = Number(2)
## 打印 'val' 属性的值
print(obj.val)
## __repr__ 方法也是自动创建的，提供了很好的表示形式
print(obj)
现在，从终端运行脚本以查看输出。
python3 features.py
你将看到以下输出。第一行是属性的值，第二行是自动生成的 __repr__ 方法提供的清晰的对象表示。
2
Number(val=2)
正如你所见，数据类版本更简洁，需要的样板代码更少。
使用默认值
在这一步，你将探索如何在数据类的字段中添加默认值。当某些属性是可选的时，这是一个常见需求。
需要记住的一个关键规则是：任何带有默认值的字段必须声明在所有没有默认值的字段之后。
让我们创建一个 Product 数据类，其中 name 是必需字段，而 count 和 price 是可选的，并带有默认值。
打开文件浏览器中的 defaults.py 文件。添加以下代码：
from dataclasses import dataclass
@dataclass
class Product:
name: str ## 必需字段
count: int = 0 ## 带有默认值的可选字段
price: float = 0.0 ## 带有默认值的可选字段
## 仅提供必需的 'name' 字段来创建一个实例
obj = Product("Python")
## 打印属性以查看默认值生效情况
print(f"Name: {obj.name}")
print(f"Count: {obj.count}")
print(f"Price: {obj.price}")
现在，在终端中执行脚本。
python3 defaults.py
输出将显示 count 和 price 已自动分配了它们的默认值。
Name: Python
Count: 0
Price: 0.0
此特性使得创建带有可选属性的对象非常方便。
处理类型提示
在这一步，你将理解在数据类中使用类型提示（type hints）的要求。如你所见，定义数据类时，为每个字段提供类型是强制性的。
然而，有时你可能不想或不能为某个字段指定具体的（concrete）数据类型。对于这些情况，Python 的 typing 模块提供了一个名为 Any 的特殊类型。使用 Any 告诉类型检查器（type checker）该值可以是任何类型。
让我们创建一个数据类，其中我们对字段使用 Any。
打开文件浏览器中的 type_hints.py 文件，并添加以下代码：
from dataclasses import dataclass
from typing import Any
@dataclass
class WithoutExplicitTypes:
name: Any
value: Any = 42
## 创建一个实例，其中 'name' 是字符串。'value' 使用其默认值。
obj1 = WithoutExplicitTypes(name="Test")
print(f"Object 1: name={obj1.name}, value={obj1.value}")
## 创建另一个实例，其中 'name' 是整数，'value' 是字符串。
obj2 = WithoutExplicitTypes(name=123, value="hello")
print(f"Object 2: name={obj2.name}, value={obj2.value}")
现在，从终端运行脚本。
python3 type_hints.py
你将看到以下输出，证明这些字段可以容纳不同类型的值。
Object 1: name=Test, value=42
Object 2: name=123, value=hello
虽然 Any 提供了灵活性，但通常来说，只要有可能，使用特定类型是个好习惯，这样可以让你的代码更健壮且具有自文档化（self-documenting）的特性。
总结
在这个实验（Lab）中，你学习了如何使用 Python 的数据类（dataclasses）来创建简洁且易读的数据中心类。
你涵盖了以下关键概念：
@dataclass装饰器会自动生成特殊方法，如__init__()和__repr__()，从而减少了样板代码（boilerplate code）。- 如何为字段定义默认值，以及默认值必须跟在没有默认值的字段之后的规则。
- 数据类中类型提示的强制性，以及如何在不希望指定特定类型时使用
typing.Any。
数据类是现代 Python 中编写干净、可维护和高效代码的强大工具，尤其是在处理主要存储状态的类时。
