子类中__slots__的继承是如何工作的?
在Python 数据模型关于 slots 的参考文档中,有一些关于使用__slots__
的说明。我对第一条和第六条感到非常困惑,因为它们似乎在互相矛盾。
第一条:
- 当从一个没有
__slots__
的类继承时,那个类的__dict__
属性总是可以访问的,所以在子类中定义__slots__
是没有意义的。
第六条:
__slots__
声明的作用仅限于定义它的类。因此,子类会有__dict__
,除非它们也定义了__slots__
(而且只能包含任何额外的 slots 名称)。
我觉得这些内容可以用更清晰的语言表达出来,或者通过代码示例来说明,但我一直在努力理解这个问题,还是感到困惑。我明白__slots__
是应该如何使用的,并且我想更好地掌握它们的工作原理。
问题:
能不能用简单的语言给我解释一下在子类化时,继承 slots 的条件是什么?
(简单的代码示例会很有帮助,但不是必须的。)
5 个回答
Python:子类如何继承
__slots__
的实际工作原理是什么?我对第1和第6条内容感到非常困惑,因为它们似乎互相矛盾。
其实这两条内容并不矛盾。第一条是关于那些没有实现__slots__
的类的子类,第二条则是关于那些有实现__slots__
的类的子类。
没有实现__slots__
的类的子类
我越来越意识到,虽然Python的文档被认为非常优秀,但它们并不完美,尤其是在一些不常用的特性上。我会这样修改文档:
当从一个没有
__slots__
的类继承时,该类的__dict__
属性将始终可访问,因此在子类中定义。__slots__
是没有意义的
其实__slots__
在这样的类中仍然是有意义的。它记录了类中属性的预期名称。同时,它还创建了这些属性的槽位——这样查找会更快,占用的空间也更少。它只是允许其他属性存在,这些属性会被分配到__dict__
中。
这里有个例子:
class Foo:
"""instances have __dict__"""
class Bar(Foo):
__slots__ = 'foo', 'bar'
Bar
不仅有它声明的槽位,还包括Foo
的槽位——其中就有__dict__
:
>>> b = Bar()
>>> b.foo = 'foo'
>>> b.quux = 'quux'
>>> vars(b)
{'quux': 'quux'}
>>> b.foo
'foo'
有实现__slots__
的类的子类
__slots__
的声明作用仅限于定义它的类。因此,子类将拥有__dict__
,除非它们也定义了__slots__
(而且只能包含任何额外槽位的名称)。
这也不完全正确。__slots__
的声明作用并不完全局限于定义它的类。比如,它们可能会影响多重继承。
我会把它改成:
对于定义了
__slots__
的继承树中的类,子类将拥有__dict__
,除非它们也定义了__slots__
(而且只能包含任何额外槽位的名称)。
我实际上已经更新为:
__slots__
的声明作用并不局限于定义它的类。父类中声明的__slots__
在子类中是可用的。然而,子类将获得__dict__
和__weakref__
,除非它们也定义了__slots__
(这应该只包含任何额外槽位的名称)。
这里有个例子:
class Foo:
__slots__ = 'foo'
class Bar(Foo):
"""instances get __dict__ and __weakref__"""
我们看到一个槽位类的子类可以使用这些槽位:
>>> b = Bar()
>>> b.foo = 'foo'
>>> b.bar = 'bar'
>>> vars(b)
{'bar': 'bar'}
>>> b.foo
'foo'
(关于__slots__
的更多信息,请查看我的回答。)
class WithSlots(object):
__slots__ = "a_slot"
class NoSlots(object): # This class has __dict__
pass
class A(NoSlots): # even though A has __slots__, it inherits __dict__
__slots__ = "a_slot" # from NoSlots, therefore __slots__ has no effect
class B(WithSlots): # This class has no __dict__
__slots__ = "some_slot"
class C(WithSlots): # This class has __dict__, because it doesn't
pass # specify __slots__ even though the superclass does.
你可能在不久的将来用不到 __slots__
。这个东西主要是为了节省内存,但会牺牲一些灵活性。除非你有成千上万个对象,否则用不用它都没什么大不了的。
正如其他人提到的,定义 __slots__
的唯一原因是为了节省内存。当你有一些简单的对象,并且这些对象的属性是预先定义好的,而你又不想让每个对象都带着一个字典时,这个做法就很有意义。当然,这种情况通常适用于你打算创建很多实例的类。
节省的内存可能不会立刻显现出来——想想看……:
>>> class NoSlots(object): pass
...
>>> n = NoSlots()
>>> class WithSlots(object): __slots__ = 'a', 'b', 'c'
...
>>> w = WithSlots()
>>> n.a = n.b = n.c = 23
>>> w.a = w.b = w.c = 23
>>> sys.getsizeof(n)
32
>>> sys.getsizeof(w)
36
从这个来看,使用了 __slots__
的对象似乎比没有使用的对象要大!但这是个误解,因为 sys.getsizeof
并没有考虑“对象内容”,比如字典:
>>> sys.getsizeof(n.__dict__)
140
仅仅字典就占用了140字节,显然,那个声称占用“32字节”的对象 n
并没有考虑到每个实例所涉及的所有内容。你可以使用一些第三方扩展来更好地了解这个情况,比如 pympler:
>>> import pympler.asizeof
>>> pympler.asizeof.asizeof(w)
96
>>> pympler.asizeof.asizeof(n)
288
这更清楚地显示了使用 __slots__
节省的内存:对于像这个简单对象来说,节省的内存大约少于200字节,几乎是对象整体内存占用的2/3。现在,由于如今一兆字节对大多数应用来说并不是特别重要,这也告诉你,如果你只打算同时有几千个实例,使用 __slots__
就没必要了——然而,对于数百万个实例来说,这确实会产生很大的差别。你还可以获得微小的速度提升(部分原因是使用 __slots__
的小对象能更好地利用缓存):
$ python -mtimeit -s'class S(object): __slots__="x","y"' -s's=S(); s.x=s.y=23' 's.x'
10000000 loops, best of 3: 0.37 usec per loop
$ python -mtimeit -s'class S(object): pass' -s's=S(); s.x=s.y=23' 's.x'
1000000 loops, best of 3: 0.604 usec per loop
$ python -mtimeit -s'class S(object): __slots__="x","y"' -s's=S(); s.x=s.y=23' 's.x=45'
1000000 loops, best of 3: 0.28 usec per loop
$ python -mtimeit -s'class S(object): pass' -s's=S(); s.x=s.y=23' 's.x=45'
1000000 loops, best of 3: 0.332 usec per loop
但这在一定程度上取决于Python的版本(这些是我在2.5版本中反复测量的数字;在2.6版本中,我发现 __slots__
在设置属性时相对优势更大,但在获取属性时则没有优势,甚至有一点劣势)。
关于继承:为了让一个实例没有字典,所有在其继承链上的类也必须是没有字典的实例。没有字典的实例是那些定义了 __slots__
的类,以及大多数内置类型(那些实例有字典的内置类型是可以在其实例上设置任意属性的,比如函数)。槽名的重叠并不是被禁止的,但这样做是没用的,并且会浪费一些内存,因为槽是可以继承的:
>>> class A(object): __slots__='a'
...
>>> class AB(A): __slots__='b'
...
>>> ab=AB()
>>> ab.a = ab.b = 23
>>>
正如你所看到的,你可以在 AB
实例上设置属性 a
——AB
本身只定义了槽 b
,但它从 A
继承了槽 a
。重复继承的槽并不是被禁止的:
>>> class ABRed(A): __slots__='a','b'
...
>>> abr=ABRed()
>>> abr.a = abr.b = 23
但确实会浪费一点内存:
>>> pympler.asizeof.asizeof(ab)
88
>>> pympler.asizeof.asizeof(abr)
96
所以其实没有必要这样做。