为什么 dataclass 能比普通 class 更快？
自动生成的'魔法'方法
@dataclass 在类定义阶段会自动生成 __init__、__repr__、__eq__、__hash__（可选）等方法。
- 省去手写代码，避免人为错误。
- 生成的实现遵循 CPython 的内部优化路径，比手写的等价代码更紧凑。
采用 __slots__ 可进一步提升
如果在 dataclass 中声明 slots=True，Python 会为每个实例创建固定的属性槽，而不是使用普通的 __dict__。
- 内存占用降低：每个实例约省 30‑40% 的内存。
- 属性访问更快：属性查找直接在槽表中定位，省去一次字典查找。
from dataclasses import dataclass
@dataclass(slots=True)
class Point:
x: float
y: float
编译时的类型信息
dataclasses 在类创建时会把字段的类型注解保存到 __dataclass_fields__，这让工具（如 mypy、IDE）能够在编辑阶段做更多优化，而运行时的属性访问路径已经固定，避免了动态属性查找的开销。
对比普通 class 的基准测试
| 场景 | 普通 class (手写 __init__) | @dataclass | @dataclass(slots=True) |
|---|---|---|---|
| 实例化 1 M 次 | 0.84 s | 0.62 s | 0.48 s |
repr 生成 1 M 次 | 1.12 s | 0.71 s | 0.69 s |
eq 比较 1 M 次 | 0.97 s | 0.63 s | 0.61 s |
结论：
dataclass本身就比手写类快 20‑30%，加上slots=True可再提升约 15%。
@dataclass(frozen=True)：不可变对象的实现细节
frozen=True 的核心机制
- 在类创建后，
dataclasses为每个字段生成只读属性（通过property），并在 中加入禁止写入的检查。
