当前位置:首页 > 文章列表 > 文章 > python教程 > Python实现不可变对象的方法主要有以下几种:1. 使用 __slots__通过定义 __slots__ 可以限制类的属性,防止动态添加新属性,从而增强对象的不可变性。class Point: __slots__ = ('x', 'y') def __init__(self, x, y): self.x = x self.y = y注意:__sl

Python实现不可变对象的方法主要有以下几种:1. 使用 __slots__通过定义 __slots__ 可以限制类的属性,防止动态添加新属性,从而增强对象的不可变性。class Point: __slots__ = ('x', 'y') def __init__(self, x, y): self.x = x self.y = y注意:__sl

2026-03-17 11:10:44 0浏览 收藏
Python虽无原生不可变对象关键字,但可通过`__slots__`限制属性、重写`__setattr__`和`__delattr__`抛出异常、使用`@dataclass(frozen=True)`一键冻结,或借助`tuple`/`frozenset`/`namedtuple`等内置不可变类型,灵活实现自定义类的强不可变性;需特别警惕嵌套可变对象引发的“伪不可变”陷阱,应通过深拷贝、转为不可变容器或只读属性封装来彻底保障状态安全,同时配合`__hash__`与`__eq__`确保可哈希性和逻辑一致性——掌握这些技巧,你就能写出既稳健又符合函数式编程理念的Python不可变对象。

Python 如何实现不可变对象?

Python 中没有原生的“不可变对象”关键字,但可以通过多种方式让自定义类的行为接近不可变——核心是阻止实例属性被修改,同时确保内部状态不被外部篡改。

使用 __slots__ 和私有属性限制赋值

通过 __slots__ 禁用动态属性添加,并在 __setattr__ 中抛出异常,是最直接的控制方式:

class Point:
    __slots__ = ('x', 'y')
def __init__(self, x, y):
    object.__setattr__(self, 'x', x)
    object.__setattr__(self, 'y', y)

def __setattr__(self, name, value):
    raise TypeError(f"'{self.__class__.__name__}' is immutable")

def __delattr__(self, name):
    raise TypeError(f"'{self.__class__.__name__}' is immutable")

这样即使尝试 p.x = 10 或 del p.y 都会报错。注意必须用 object.__setattr__ 在初始化时设置属性,否则构造就会失败。

配合 __hash__ 支持字典键和集合成员

不可变对象通常需要可哈希,才能用作字典键或集合元素。只要所有参与比较的属性本身可哈希,且不随时间变化,就可以安全实现 __hash__:

  • 在 __init__ 中完成全部状态赋值,之后不再变更
  • 重写 __hash__ 返回基于关键字段的哈希值(如 hash((self.x, self.y)))
  • 同时实现 __eq__ 保证逻辑一致(比如两个 Point(1,2) 视为相等)

用 dataclasses 的 frozen 参数快速创建

Python 3.7+ 提供了更简洁的方式:

from dataclasses import dataclass

@dataclass(frozen=True) class Color: r: int g: int b: int

加上 frozen=True 后,__setattr__ 和 __delattr__ 自动被替换为抛出 FrozenInstanceError 的版本。它还自动支持 __hash__(只要所有字段可哈希),无需手动写。

注意嵌套可变对象带来的“伪不可变”风险

即使对象自身不可赋值,如果它持有 list、dict 等可变对象,内部数据仍可能被修改:

@dataclass(frozen=True)
class BadBox:
    items: list

box = BadBox([1, 2]) box.items.append(3) # ✅ 成功!但破坏了不可变性

解决方法包括:

  • 初始化时深拷贝或转为 tuple/frozenset(如 tuple(items))
  • 提供只读访问接口(例如用 @property 返回 tuple(self._items))
  • 用 typing.Sequence 或 collections.abc.Sequence 声明类型,暗示不可变契约

到这里,我们也就讲完了《Python实现不可变对象的方法主要有以下几种:1. 使用 __slots__通过定义 __slots__ 可以限制类的属性,防止动态添加新属性,从而增强对象的不可变性。class Point: __slots__ = ('x', 'y') def __init__(self, x, y): self.x = x self.y = y注意:__slots__ 并不完全禁止修改属性,只是限制了可以添加的属性名。2. 使用 __setattr__ 方法拦截赋值可以通过重写 __setattr__ 方法,阻止对属性的修改。class Immutable: def __init__(self, value): self._value = value def __setattr__(self, name, value): if name == '_value': raise AttributeError("Cannot modify immutable object") super().__setattr__(name, value) @property def value(self): return self._value这种方式可以实现真正的不可变性,但需要谨慎处理,避免误操作。3. 使用 frozenset、tuple 或 namedtuple对于简单数据结构,可以直接使用 Python 内置的不可变类型: # 使用 tuple point = (1, 》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

Flask多应用运行技巧与实践解析Flask多应用运行技巧与实践解析
上一篇
Flask多应用运行技巧与实践解析
WorkBuddy抓取抖音热评方法教程
下一篇
WorkBuddy抓取抖音热评方法教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    327次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    385次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    377次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    344次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    170次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码