Bana göre bu sınıf tanımı oldukça verimsiz — __init__ metodunda her bir parametreyi en az üç kez tekrar ediyorsunuz. Bu çok da büyük bir sorun gibi gelmeyebilir, ancak hayatınız boyunca çok daha fazla parametreye sahip sınıflar yazdığınız sıklığı düşünün.
Karşılaştırma için, yukarıdaki kodun veri sınıfları ile alternatifine bir bakın:
from dataclasses import dataclass
@dataclassclassExercise:
name:str
reps:int
sets:int
weight:float# Weight in lbsAltyapı:
Bu mütevazı görünen kod parçası, sıradan bir sınıfa göre katbekat daha iyidir. Küçücük @dataclass dekoratörü perde arkasında __init__, __repr__, __eq__ gibi metotları uygular; bunları elle yazmak en az 20 satır kod alırdı.
Ayrıca, karşılaştırma operatörleri, nesne sıralama ve değişmezlik (immutability) gibi birçok özellik de tek satırlık ayarlarla sınıfımız için sihirli bir şekilde oluşturulabilir.
Dolayısıyla bu öğreticinin amacı, nesne yönelimli programlamayı seviyorsanız veri sınıflarının Python’a gelmiş en güzel şeylerden biri olduğunu göstermek.
Hadi başlayalım!
Python Veri Sınıflarının Temelleri
Veri sınıflarını bu kadar kullanışlı kılan temel kavramlardan bazılarını ele alalım.
Veri sınıflarında bazı metotlar otomatik olarak üretilir
Tüm özelliklerine rağmen, veri sınıfları aynı işlevselliği çok daha az kodla sağlayan sıradan sınıflardır. İşte Exercise sınıfı tekrar:
from dataclasses import dataclass
@dataclassclassExercise:
name:str
reps:int
sets:int
weight:float
ex1 = Exercise("Bench press",10,3,52.5)# Verifying Exercise is a regular class
ex1.name
'Bench press'Altyapı:
Şu anda Exercise sınıfında __repr__ ve __eq__ metotları zaten uygulanmış durumda. Doğrulayalım:
Ve öyle de oluyor! Sıradan sınıflarda bu mantığı yazmak zahmetli olurdu.
Veri sınıfları tür ipuçları (type hint) gerektirir
Fark etmiş olabileceğiniz gibi, alanları tanımlarken veri sınıfları tür ipuçları gerektirir. Aslında veri sınıfları, typing modülündeki herhangi bir türü kabul eder. Örneğin, Any veri türünü kabul eden bir alan şöyle oluşturulur:
from typing import Any
@dataclassclassDummy:
attr: AnyAltyapı:
Ancak Python’un tuhaflıklarından biri, veri sınıfları tür ipuçları gerektirse bile türlerin fiilen zorunlu olmamasıdır.
Örneğin, tamamen yanlış veri türleriyle bir Exercise örneği oluşturmak hatasız çalışabilir:
Ancak okunabilirlikten ödün verirsiniz; bu yüzden bu fonksiyonu kullanmanızı önermem.
İleri Düzey Python Veri Sınıfları
Bu bölümde, daha fazla fayda sağlayan gelişmiş veri sınıfı özelliklerini tartışacağız. Bu özelliklerden biri varsayılan üreticilerdir (default factory).
Varsayılan üreticiler
Varsayılan üreticileri açıklamak için, iki alan kabul eden WorkoutSession adlı başka bir sınıf oluşturalım:
from dataclasses import dataclass
from typing import List
@dataclassclassExercise:
name:str="Push-ups"
reps:int=10
sets:int=3
weight:float=0@dataclassclassWorkoutSession:
exercises: List[Exercise]
duration_minutes:intAltyapı:
List türünü kullanarak, WorkoutSession’ın Exercise örneklerinden oluşan bir liste kabul ettiğini belirtmiş oluyoruz.
Şu anda her antrenman oturumu örneğinin başlatılırken egzersizlere sahip olması gerekiyor. Ama bu, insanların spor yapma biçimini yansıtmıyor — önce bir oturum başlatırlar (muhtemelen bir uygulamada), sonra egzersizleri eklerler.
Dolayısıyla, egzersiz ve süre olmadan oturum oluşturabilmeliyiz. exercises için varsayılan değer olarak boş bir liste ekleyerek bunu yapalım:
@dataclassclassWorkoutSession:
exercises: List[Exercise]=[]
duration_minutes:int=None
hiit_monday = WorkoutSession("25-02-2024")
ValueError: mutable default <class'list'>for field exercises isnot allowed: use default_factoryAltyapı:
Ancak bir hata aldık — meğer veri sınıfları değiştirilebilir (mutable) varsayılan değerlere izin vermiyormuş.
Neyse ki bunu bir varsayılan üretici kullanarak düzeltebiliriz:
default_factory parametresi, bir veri sınıfı alanı için başlangıç değeri döndüren bir fonksiyon kabul eder. Bu, keyfi herhangi bir fonksiyonu kabul edebileceği anlamına gelir:
tuple
dict
set
Kullanıcı tanımlı herhangi bir özel fonksiyon
Fonksiyonun sonucunun değiştirilebilir olup olmamasından bağımsız olarak bu geçerlidir.
Şimdi düşünürsek, çoğu insan antrenmanına genellikle her tür antrenman için benzer olan ısınma hareketleriyle başlar. Dolayısıyla, egzersiz olmadan oturum başlatmak bazıları için istenen bir şey olmayabilir.
Bunun yerine, üç ısınma Exercise’ı döndüren bir fonksiyon oluşturalım:
Artık her oturum oluşturduğumuzda, bazı ısınma egzersizleri önceden kaydedilmiş olarak gelir. WorkoutSession’ın yeni sürümünde buna karşılık varsayılan süre beş dakikadır.
Veri sınıflarına metot ekleme
Veri sınıfları sıradan sınıflar olduğundan, onlara metot ekleme şekli değişmez. WorkoutSession veri sınıfımıza iki metot ekleyelim:
Sınıfın yazdırma çıktısı çok daha hoş. Şimdi WorkoutSession’ı da düzeltelim:
@dataclassclassWorkoutSession:
exercises: List[Exercise]= field(default_factory=create_warmup)
duration_minutes:int=5# Increase the default duration as welldefadd_exercise(self, exercise: Exercise):
self.exercises.append(exercise)defincrease_duration(self, minutes:int):
self.duration_minutes += minutes
def__str__(self):
base =""for ex in self.exercises:
base +=str(ex)+"\n"
base +=f"\nSession duration: {self.duration_minutes} minutes."return base
hiit_monday = WorkoutSession()print(hiit_monday)
Jumping jacks:30/1
Squat lunges:10/2
High jumps:20/1
Session duration:5 minutes.Altyapı:
Not: Kodun satır satır açıklamasını almak için parçacığın altındaki “Kod Açıkla” düğmesini kullanın.
Artık okunabilir ve derli toplu bir çıktı elde ettik.
Veri sınıflarında karşılaştırma
Birçok sınıf için, nesnelerini belirli bir mantığa göre karşılaştırmak anlamlıdır. Antrenmanlar için bu, antrenman süresi, egzersiz yoğunluğu veya ağırlık olabilir.
Önce, mevcut durumda iki antrenmanı karşılaştırmayı denersek ne olduğuna bakalım:
hiit_wednesday = WorkoutSession()
hiit_wednesday.add_exercise(Exercise("Pull-ups",7,3))print(hiit_wednesday)
Jumping jacks:30/1
Squat lunges:10/2
High jumps:20/1
Pull-ups:7/3
Session duration:5 minutes.
hiit_monday > hiit_wednesday
TypeError:'>'not supported between instances of 'WorkoutSession'and'WorkoutSession'Altyapı:
TypeError alıyoruz çünkü veri sınıfları karşılaştırma operatörlerini uygulamaz. Ancak order parametresini True yaparak bunu kolayca düzeltebiliriz:
Bu kez karşılaştırma çalışıyor, ama neyi karşılaştırıyoruz?
Veri sınıflarında karşılaştırma, alanların tanımlandığı sıraya göre yapılır. Şu anda sınıflar, ilk alan olan exercises standart dışı nesneler içerdiğinden, antrenman süresine göre karşılaştırılıyor.
Bunu Çarşamba oturumunun süresini artırarak doğrulayabiliriz:
Pazartesi oturumu daha uzun sürmesine rağmen, karşılaştırma onun Çarşamba’dan küçük olduğunu söylüyor. Bunun nedeni, Python’daki string karşılaştırmasında “25”in “27”den önce gelmesidir.
Peki alanların sırasını koruyup yine de oturumları antrenman süresine göre nasıl sıralarız? Bu field fonksiyonuyla kolaydır:
compare’ı herhangi bir alan için False yaparak onu sıralamadan hariç tutarız; yukarıdaki sonuç bunu gösteriyor.
Başlatma sonrası alan işleme
Şu anda ısınma egzersizlerini hesaba katmak için varsayılan oturum süremiz beş dakika. Ancak bu sadece kullanıcı bir oturuma ısınmayla başlarsa mantıklı. Ya başka egzersizlerle başlarlarsa:
Tek bir egzersiz için toplam sürenin beş dakika olması mantıksız. Her oturum, her egzersizin set sayısına göre süresini dinamik olarak tahmin etmelidir. Yani duration_minutes alanını exercises alanına bağımlı yapmalıyız.
Bunu uygulayalım:
@dataclassclassWorkoutSession:
exercises: List[Exercise]= field(default_factory=create_warmup)
duration_minutes:int= field(default=0, init=False)def__post_init__(self):
set_duration =3for ex in self.exercises:
self.duration_minutes += ex.sets * set_duration
...Altyapı:
Bu kez, duration_minutes’ı başlatmayı geciktirmek için init’i False olarak ayarlayarak tanımlıyoruz.
Ardından özel __post_init__ metodunun içinde, her Exercise’taki toplam set sayısına göre değerini güncelliyoruz.
Artık WorkoutSession başlatıldığında, duration_minutes her egzersizdeki her set için üç dakika artırılarak dinamikleşiyor.
# Adding an exercise with three sets
hiit_friday = WorkoutSession([Exercise("Diamond push-ups",10,3)])
hiit_friday.duration_minutes
9Altyapı:
Genel olarak, veri sınıfınızda diğer alanlara bağlı bir alan tanımlamak istiyorsanız __post_init__ mantığını kullanabilirsiniz.
Veri Sınıflarında Değişmezlik (Immutability)
WorkoutSession veri sınıfımız neredeyse hazır; sadece korunmaya ihtiyacı var. Şu anda kolayca bozulabilir:
Sınıflarımızın tüm alanlarını yalnızca istediğimiz şekilde değiştirilebilecek şekilde korumak istiyoruz. Bunu başarmak için @dataclass dekoratörü kullanışlı bir frozen argümanı sunar:
Artık herhangi bir alanı değiştirmek istersek hata alırız:
ex1.sets =5
FrozenInstanceError: cannot assign to field 'sets'Altyapı:
frozen’ı True yapmak, başlatmadan sonra silme veya güncellemelere karşı korunmaları için her alan için otomatik olarak __deleteattr__ ve __setattr__ metotları ekler. Ayrıca başkaları yeni alanlar da ekleyemez:
ex1.new_field =10
FrozenInstanceError: cannot assign to field 'new_field'Altyapı:
Geleneksel sınıflarla uğraşsaydık bu işlevsellik onlarca satır kod gerektirirdi.
Ancak, sınıflarımızı gerçekten değişmez yapamayacağımızı lütfen unutmayın. Örneğin, WorkoutSession’ı frozen’ı True yaparak yeniden yazalım:
Ancak exercises bir listedir ve tamamen değiştirilebilirdir; bu da aşağıdaki işlemi mümkün kılar:
# Listedeki öğelerden birini değiştirmek
# Changing one of the elements in a list
session1.exercises[1]= FrozenExercise("Totally new exercise",5,5)print(session1)
ImmutableWorkoutSession(exercises=[Exercise(name='Jumping jacks', reps=30, sets=1, weight=0), FrozenExercise(name='Totally new exercise', reps=5, sets=5, weight=0), Exercise(name='High jumps', reps=20, sets=1, weight=0)], duration_minutes=5)Altyapı:
Bu nedenle, yanlışlıkla değişiklikleri önlemek için alan değerlerinde tuple gibi değişmez nesneleri kullanmanız önerilir.
Veri sınıflarında kalıtım
Ele alacağımız son nokta, ebeveyn ve çocuk sınıflardaki alanların sırasıdır.
Veri sınıfları sıradan sınıflar olduğundan, kalıtım her zamanki gibi çalışır:
Ancak, ebeveyn sınıftaki (ImmutableWorkoutSession) son alanın varsayılan bir değeri olduğundan, çocuk sınıflardaki tüm alanların da varsayılan değeri olması gerekir.
Örneğin, bu kabul edilmez:
@dataclass(frozen=True)classImmutableWorkoutSession:
exercises: List[Exercise]= field(default_factory=create_warmup)
duration_minutes:int=5@dataclass(frozen=True)classCardioWorkoutSession(ImmutableWorkoutSession):
intensity_level:str# Not allowed, must have a default
TypeError: non-default argument 'intensity_level' follows default argument
Altyapı:
Veri Sınıflarının Dezavantajları ve Ek Kaynaklar
Veri sınıfları Python 3.7’den beri istikrarlı biçimde gelişiyor (başlangıçta da gayet iyiydiler) ve sınıf yazmanız gereken birçok kullanım senaryosunu kapsıyor. Ancak aşağıdaki durumlarda dezavantajlı olabilirler:
Özel __init__ metotları
Özel __new__ metotları
Çeşitli kalıtım desenleri
Ve daha fazlası, şu harika Reddit başlığında tartışıldığı gibi. Veri sınıflarının neden tanıtıldığına ve neden sıradan sınıf tanımlarının bire bir ikamesi olmadıklarına dair daha ayrıntılı bir gerekçe istiyorsanız PEP 557’yi okuyun.
Genel olarak nesne yönelimli programlamayla ilgileniyorsanız, yolculuğunuza devam etmek için işte bir kurs:
Temelde, veri sınıfları veriyi daha verimli tutmak ve almak için daha süslü yapılardır. Ancak Python’da bu işi az çok benzer şekilde yapan başka veri yapıları da var. Örneğin, sayaçlar (counter), defaultdict’ler ve namedtuple’lar hakkında Veri Bilimi için Veri Tipleri kursunun son bölümünde bilgi edinebilirsiniz.
Algoritmalar, sistem tasarımı ve davranışsal senaryoları kapsayan bu temel sorularla teknik mülakat sürecine hakim olun. Uzman cevapları, kod örnekleri ve kanıtlanmış hazırlık stratejileri edinin.
Git deponuzu temiz tutmak için .gitignore’u nasıl kullanacağınızı öğrenin. Bu eğitim; temelleri, yaygın kullanım durumlarını ve başlamanıza yardımcı olacak pratik örnekleri kapsar!
Veri becerilerinizi geliştirin, verileri nasıl işleyip görselleştireceğinizi keşfedin ve veriye dayalı kararlar almak için ileri analitik yöntemleri uygulayın.
Veri sınıfları, Python’da keşfettikten sonra eski yönteme asla geri dönmek istemeyeceğiniz özelliklerden biridir. Şu sıradan sınıfı düşünün:
Bana göre bu sınıf tanımı oldukça verimsiz —
__init__metodunda her bir parametreyi en az üç kez tekrar ediyorsunuz. Bu çok da büyük bir sorun gibi gelmeyebilir, ancak hayatınız boyunca çok daha fazla parametreye sahip sınıflar yazdığınız sıklığı düşünün.Karşılaştırma için, yukarıdaki kodun veri sınıfları ile alternatifine bir bakın:
Bu mütevazı görünen kod parçası, sıradan bir sınıfa göre katbekat daha iyidir. Küçücük
@dataclassdekoratörü perde arkasında__init__,__repr__,__eq__gibi metotları uygular; bunları elle yazmak en az 20 satır kod alırdı.Ayrıca, karşılaştırma operatörleri, nesne sıralama ve değişmezlik (immutability) gibi birçok özellik de tek satırlık ayarlarla sınıfımız için sihirli bir şekilde oluşturulabilir.
Dolayısıyla bu öğreticinin amacı, nesne yönelimli programlamayı seviyorsanız veri sınıflarının Python’a gelmiş en güzel şeylerden biri olduğunu göstermek.
Hadi başlayalım!
Python Veri Sınıflarının Temelleri
Veri sınıflarını bu kadar kullanışlı kılan temel kavramlardan bazılarını ele alalım.
Veri sınıflarında bazı metotlar otomatik olarak üretilir
Tüm özelliklerine rağmen, veri sınıfları aynı işlevselliği çok daha az kodla sağlayan sıradan sınıflardır. İşte
Exercisesınıfı tekrar:Şu anda
Exercisesınıfında__repr__ve__eq__metotları zaten uygulanmış durumda. Doğrulayalım:Bir nesnenin gösterimi olan
repr, kendisini yeniden yaratabilecek kodu döndürmelidir veex1için tam olarak böyle olduğunu görebiliyoruz.Karşılaştırma için, eski yöntemle tanımlanan
Exerciseşöyle görünürdü:Oldukça kötü ve işe yaramaz görünüyor!
Şimdi eşitlik operatörü olan
__eq__’nun varlığını doğrulayalım:Sınıfı kendisiyle ve aynı parametrelere sahip başka bir sınıf örneğiyle karşılaştırmak True döndürmelidir:
Ve öyle de oluyor! Sıradan sınıflarda bu mantığı yazmak zahmetli olurdu.
Veri sınıfları tür ipuçları (type hint) gerektirir
Fark etmiş olabileceğiniz gibi, alanları tanımlarken veri sınıfları tür ipuçları gerektirir. Aslında veri sınıfları,
typingmodülündeki herhangi bir türü kabul eder. Örneğin,Anyveri türünü kabul eden bir alan şöyle oluşturulur:Ancak Python’un tuhaflıklarından biri, veri sınıfları tür ipuçları gerektirse bile türlerin fiilen zorunlu olmamasıdır.
Örneğin, tamamen yanlış veri türleriyle bir
Exerciseörneği oluşturmak hatasız çalışabilir:Türleri zorunlu kılmak isterseniz, Mypy gibi tip denetleyicileri kullanmalısınız.
Veri sınıfları alanlarda varsayılan değerleri destekler
Şimdiye kadar sınıflarımıza hiçbir varsayılan değer eklemedik. Bunu düzeltelim:
Varsayılanı olmayan alanların, varsayılanı olan alanlardan sonra gelemeyeceğini unutmayın. Örneğin, aşağıdaki kod hata verir:
Pratikte, varsayılanları
name: type = valuesözdizimiyle tanımlamanız nadir olacaktır.Bunun yerine, her alan tanımı üzerinde daha fazla denetim sağlayan
fieldfonksiyonunu kullanırsınız:fieldfonksiyonunun şu gibi daha fazla parametresi vardır:reprinitcomparedefault_factoryvb. Bunları ilerleyen bölümlerde ele alacağız.
Veri sınıfları bir fonksiyonla da oluşturulabilir
Veri sınıflarının temelleriyle ilgili son bir not: Tanımları
make_dataclassfonksiyonu kullanılarak daha da kısaltılabilir:Ancak okunabilirlikten ödün verirsiniz; bu yüzden bu fonksiyonu kullanmanızı önermem.
İleri Düzey Python Veri Sınıfları
Bu bölümde, daha fazla fayda sağlayan gelişmiş veri sınıfı özelliklerini tartışacağız. Bu özelliklerden biri varsayılan üreticilerdir (default factory).
Varsayılan üreticiler
Varsayılan üreticileri açıklamak için, iki alan kabul eden
WorkoutSessionadlı başka bir sınıf oluşturalım:Listtürünü kullanarak,WorkoutSession’ınExerciseörneklerinden oluşan bir liste kabul ettiğini belirtmiş oluyoruz.Şu anda her antrenman oturumu örneğinin başlatılırken egzersizlere sahip olması gerekiyor. Ama bu, insanların spor yapma biçimini yansıtmıyor — önce bir oturum başlatırlar (muhtemelen bir uygulamada), sonra egzersizleri eklerler.
Dolayısıyla, egzersiz ve süre olmadan oturum oluşturabilmeliyiz.
exercisesiçin varsayılan değer olarak boş bir liste ekleyerek bunu yapalım:Ancak bir hata aldık — meğer veri sınıfları değiştirilebilir (mutable) varsayılan değerlere izin vermiyormuş.
Neyse ki bunu bir varsayılan üretici kullanarak düzeltebiliriz:
default_factoryparametresi, bir veri sınıfı alanı için başlangıç değeri döndüren bir fonksiyon kabul eder. Bu, keyfi herhangi bir fonksiyonu kabul edebileceği anlamına gelir:tupledictsetFonksiyonun sonucunun değiştirilebilir olup olmamasından bağımsız olarak bu geçerlidir.
Şimdi düşünürsek, çoğu insan antrenmanına genellikle her tür antrenman için benzer olan ısınma hareketleriyle başlar. Dolayısıyla, egzersiz olmadan oturum başlatmak bazıları için istenen bir şey olmayabilir.
Bunun yerine, üç ısınma
Exercise’ı döndüren bir fonksiyon oluşturalım:Artık her oturum oluşturduğumuzda, bazı ısınma egzersizleri önceden kaydedilmiş olarak gelir.
WorkoutSession’ın yeni sürümünde buna karşılık varsayılan süre beş dakikadır.Veri sınıflarına metot ekleme
Veri sınıfları sıradan sınıflar olduğundan, onlara metot ekleme şekli değişmez.
WorkoutSessionveri sınıfımıza iki metot ekleyelim:Bu metotları kullanarak artık bir oturuma yeni bir etkinliği kaydedebiliriz:
Ama bir sorun var:
Oturumu yazdırdığımızda, varsayılan gösterimi yeniden oluşturma kodunu içerdiği için çok fazla ayrıntılı ve okunması güç. Bunu düzeltelim.
__repr__ve__str__veri sınıflarındaVeri sınıfları
__repr__’ı otomatik uygular ama__str__’ı uygulamaz. Bu nedenleprintçağırdığımızda sınıf__repr__’a geri döner.Öyleyse bu davranışı kendi
__str__metodumuzu tanımlayarak geçersiz kılalım:__repr__aynı kalsa da,printçağırdığımızda:Sınıfın yazdırma çıktısı çok daha hoş. Şimdi
WorkoutSession’ı da düzeltelim:Not: Kodun satır satır açıklamasını almak için parçacığın altındaki “Kod Açıkla” düğmesini kullanın.
Artık okunabilir ve derli toplu bir çıktı elde ettik.
Veri sınıflarında karşılaştırma
Birçok sınıf için, nesnelerini belirli bir mantığa göre karşılaştırmak anlamlıdır. Antrenmanlar için bu, antrenman süresi, egzersiz yoğunluğu veya ağırlık olabilir.
Önce, mevcut durumda iki antrenmanı karşılaştırmayı denersek ne olduğuna bakalım:
TypeErroralıyoruz çünkü veri sınıfları karşılaştırma operatörlerini uygulamaz. AncakorderparametresiniTrueyaparak bunu kolayca düzeltebiliriz:Bu kez karşılaştırma çalışıyor, ama neyi karşılaştırıyoruz?
Veri sınıflarında karşılaştırma, alanların tanımlandığı sıraya göre yapılır. Şu anda sınıflar, ilk alan olan
exercisesstandart dışı nesneler içerdiğinden, antrenman süresine göre karşılaştırılıyor.Bunu Çarşamba oturumunun süresini artırarak doğrulayabiliriz:
Beklendiği gibi
Falsealdık.Peki
Workout’un ilk alanı, örneğin bir string olsaydı ne olurdu? Deneyip görelim:Pazartesi oturumu daha uzun sürmesine rağmen, karşılaştırma onun Çarşamba’dan küçük olduğunu söylüyor. Bunun nedeni, Python’daki string karşılaştırmasında “25”in “27”den önce gelmesidir.
Peki alanların sırasını koruyup yine de oturumları antrenman süresine göre nasıl sıralarız? Bu
fieldfonksiyonuyla kolaydır:compare’ı herhangi bir alan içinFalseyaparak onu sıralamadan hariç tutarız; yukarıdaki sonuç bunu gösteriyor.Başlatma sonrası alan işleme
Şu anda ısınma egzersizlerini hesaba katmak için varsayılan oturum süremiz beş dakika. Ancak bu sadece kullanıcı bir oturuma ısınmayla başlarsa mantıklı. Ya başka egzersizlerle başlarlarsa:
Tek bir egzersiz için toplam sürenin beş dakika olması mantıksız. Her oturum, her egzersizin set sayısına göre süresini dinamik olarak tahmin etmelidir. Yani
duration_minutesalanınıexercisesalanına bağımlı yapmalıyız.Bunu uygulayalım:
Bu kez,
duration_minutes’ı başlatmayı geciktirmek içininit’iFalseolarak ayarlayarak tanımlıyoruz.Ardından özel
__post_init__metodunun içinde, herExercise’taki toplam set sayısına göre değerini güncelliyoruz.Artık
WorkoutSessionbaşlatıldığında,duration_minutesher egzersizdeki her set için üç dakika artırılarak dinamikleşiyor.Genel olarak, veri sınıfınızda diğer alanlara bağlı bir alan tanımlamak istiyorsanız
__post_init__mantığını kullanabilirsiniz.Veri Sınıflarında Değişmezlik (Immutability)
WorkoutSessionveri sınıfımız neredeyse hazır; sadece korunmaya ihtiyacı var. Şu anda kolayca bozulabilir:Sınıflarımızın tüm alanlarını yalnızca istediğimiz şekilde değiştirilebilecek şekilde korumak istiyoruz. Bunu başarmak için
@dataclassdekoratörü kullanışlı birfrozenargümanı sunar:Artık herhangi bir alanı değiştirmek istersek hata alırız:
frozen’ıTrueyapmak, başlatmadan sonra silme veya güncellemelere karşı korunmaları için her alan için otomatik olarak__deleteattr__ve__setattr__metotları ekler. Ayrıca başkaları yeni alanlar da ekleyemez:Geleneksel sınıflarla uğraşsaydık bu işlevsellik onlarca satır kod gerektirirdi.
Ancak, sınıflarımızı gerçekten değişmez yapamayacağımızı lütfen unutmayın. Örneğin,
WorkoutSession’ıfrozen’ıTrueyaparak yeniden yazalım:Beklendiği gibi, egzersiz listesini doğrudan değiştiremeyiz:
Ancak
exercisesbir listedir ve tamamen değiştirilebilirdir; bu da aşağıdaki işlemi mümkün kılar:# Listedeki öğelerden birini değiştirmek
Bu nedenle, yanlışlıkla değişiklikleri önlemek için alan değerlerinde tuple gibi değişmez nesneleri kullanmanız önerilir.
Veri sınıflarında kalıtım
Ele alacağımız son nokta, ebeveyn ve çocuk sınıflardaki alanların sırasıdır.
Veri sınıfları sıradan sınıflar olduğundan, kalıtım her zamanki gibi çalışır:
Ancak, ebeveyn sınıftaki (
ImmutableWorkoutSession) son alanın varsayılan bir değeri olduğundan, çocuk sınıflardaki tüm alanların da varsayılan değeri olması gerekir.Örneğin, bu kabul edilmez:
Veri Sınıflarının Dezavantajları ve Ek Kaynaklar
Veri sınıfları Python 3.7’den beri istikrarlı biçimde gelişiyor (başlangıçta da gayet iyiydiler) ve sınıf yazmanız gereken birçok kullanım senaryosunu kapsıyor. Ancak aşağıdaki durumlarda dezavantajlı olabilirler:
__init__metotları__new__metotlarıVe daha fazlası, şu harika Reddit başlığında tartışıldığı gibi. Veri sınıflarının neden tanıtıldığına ve neden sıradan sınıf tanımlarının bire bir ikamesi olmadıklarına dair daha ayrıntılı bir gerekçe istiyorsanız PEP 557’yi okuyun.
Genel olarak nesne yönelimli programlamayla ilgileniyorsanız, yolculuğunuza devam etmek için işte bir kurs:
Temelde, veri sınıfları veriyi daha verimli tutmak ve almak için daha süslü yapılardır. Ancak Python’da bu işi az çok benzer şekilde yapan başka veri yapıları da var. Örneğin, sayaçlar (counter),
defaultdict’ler venamedtuple’lar hakkında Veri Bilimi için Veri Tipleri kursunun son bölümünde bilgi edinebilirsiniz.