告別冗長程式碼：Python @dataclass 必知的 5 個實用技巧
在 Python 3.7 引入 @dataclass 之前，我們定義一個單純用來儲存資料的類別（Class），往往需要寫一堆重複的 __init__、__repr__ 甚至是 __eq__。@dataclass 的出現徹底解決了這個痛點。
除了基本的用法外，這裡整理了 5 個開發者最常用、也最容易踩坑的進階技巧，讓你的程式碼更 Pythonic！
1. 善用 __post_init__ 進行驗證與後處理
@dataclass 最強大的地方在於它保留了客製化的彈性。當你需要驗證傳入的參數，或是某個欄位是由其他欄位組合而成時，不需要自己重寫 __init__，只要定義 __post_init__ 即可。
@dataclass
class Rectangle:
width: float
height: float
area: float = field(init=False) # 不需傳入，自動計算
def __post_init__(self):
if self.width <= 0 or self.height <= 0:
raise ValueError("寬高必須大於 0")
self.area = self.width * self.height
2. 小心 Mutable Default Trap！使用 default_factory
這是新手最容易踩到的地雷。如果你想給 List 或 Dict 預設值，絕對不能直接寫 items: list = []。這會導致所有物件實例共用同一個 List（這是 Python 的特性）。
正確做法是使用 default_factory：
from dataclasses import dataclass, field
from typing import List
@dataclass
class ShoppingCart:
# ❌ 錯誤: items: List[str] = []
# ✅ 正確:
items: List[str] = field(default_factory=list)
cart1 = ShoppingCart()
cart1.items.append("Apple")
cart2 = ShoppingCart()
# cart2.items 依然是空的，不會包含 "Apple"
3. 打造不可變物件：frozen=True
在 Functional Programming 或多執行緒環境中，我們常希望物件建立後就不能被修改。只要加上 frozen=True，你的 Data Class 就會變成 Immutable（不可變），而且自動獲得 __hash__ 方法，這意味著它可以被當作 Dictionary 的 Key！
@dataclass(frozen=True)
class Config:
host: str
port: int
conf = Config("localhost", 8080)
# conf.port = 9090 # 這行會報錯：FrozenInstanceError
# 可以當作 dict key
settings = {conf: "Production Server"}
4. 快速轉型：asdict 與 astuple
在做 API 開發時，我們常需要把物件轉成 JSON 格式。dataclasses 模組內建了轉換工具，讓你不需要手寫 Serializer。
from dataclasses import asdict
@dataclass
class User:
id: int
name: str
user = User(1, "Alice")
user_dict = asdict(user)
# 輸出: {'id': 1, 'name': 'Alice'} -> 可以直接丟進 json.dumps()
5. 隱藏敏感資訊：field(repr=False)
當我們 print 一個物件時，@dataclass 會自動幫我們把所有欄位印出來。但如果裡面包含密碼或金鑰，這會造成資安風險。使用 repr=False 可以讓該欄位在 print 時隱形。
@dataclass
class Database:
uri: str
password: str = field(repr=False)
db = Database("mysql://...", "secret123")
print(db)
# 輸出: Database(uri='mysql://...') -> 密碼不會被印出來
使用 field(init=False) 處理內部私有成員或服務
有時候，我們的 Data Class 需要持有某些「工具物件」（如資料庫連線、API Client 或 Service 類別），但我們不希望這些物件出現在 __init__ 的參數列表中。
如果直接寫 service: MyService，Python 會要求你在實例化時傳入它。這時，field(init=False) 就是你的救星：
from dataclasses import dataclass, field
@dataclass
class TaskTraining:
task_name: str
# 宣告型別以獲得 IDE 提示，但設定 init=False 讓它從建構子消失
ctx_service: PipelineContextService = field(init=False)
def __post_init__(self):
# 在這裡進行內部的初始化
self.ctx_service = PipelineContextService()
為什麼要這樣寫？
-
介面簡潔：調用者只需要寫
TaskTraining(task_name="Model_A")，不需要關心內部的 Service 如何建立。 -
型別安全：透過宣告
ctx_service: PipelineContextService，你在撰寫程式碼時，IDE 能準確提供該 Service 的方法提示。 -
職責分離：確保資料的定義與功能的執行邏輯（Service）被清晰地隔離開來。
這是一篇專為 Python 開發者撰寫的技術部落格文章，整理了你剛剛遇到的 dataclass 繼承問題、原理分析以及最佳解法。你可以直接發布在你的 Medium、技術 Blog 或團隊內部的知識庫中。
Python Dataclass 繼承完全指南：避開 TypeError 的陷阱與最佳實踐
Python 的 @dataclass 是自 3.7 引入以來最受歡迎的語法糖之一。它讓我們免於撰寫冗長的 __init__、__repr__ 和 __eq__，讓程式碼變得乾淨優雅。
然而，當我們開始將 Dataclass 與 繼承 (Inheritance) 結合使用，特別是涉及到「預設值 (Default Values)」時，往往會撞上一堵牆。
這篇文章將帶你深入探討 Dataclass 的繼承機制，解析為什麼會出現 Non-default argument follows default argument 錯誤，以及如何優雅地解決它。
1. 災難現場：當子類別遇到父類別的預設值
假設我們正在設計一個資料處理流程（Pipeline），我們有一個基底類別 Provider，以及一個繼承它的具體實作 FileProvider。
from dataclasses import dataclass
@dataclass
class Provider:
# 父類別有一個有預設值的欄位
timeout: int = 30
@dataclass
class FileProvider(Provider):
# 子類別有一個「沒有」預設值的必填欄位
path: str
這段程式碼看起來合情合理，但在執行時，Python 會無情地拋出錯誤：
TypeError: non-default argument follows default argument
為什麼會這樣？
這不是 Dataclass 的 bug，而是 Python 函式定義的基本規則：「有預設值的參數，必須放在沒有預設值的參數後面」。
當 @dataclass 幫我們生成 __init__ 方法時，它會依照 MRO (Method Resolution Order) 順序，先收集父類別的欄位，再收集子類別的欄位。
生成的 __init__ 大致長這樣：
# 這是 Python 語法不允許的！
def __init__(self, timeout=30, path):
self.timeout = timeout
self.path = path
因為 timeout (有預設值) 排在 path (無預設值) 前面，導致語法錯誤。
2. 解法一：使用 kw_only=True (Python 3.10+ 推薦 👑)
在 Python 3.10 之後，官方終於給出了最完美的解決方案：kw_only=True。
這個參數會強制所有生成的 __init__ 參數都必須使用 關鍵字引數 (Keyword Arguments) 傳入。這意味著參數的順序不再重要，因為你必須明確指定參數名稱。
如何修改？
只要在父類別和子類別的裝飾器中加上 kw_only=True：
from dataclasses import dataclass
@dataclass(kw_only=True)
class Provider:
timeout: int = 30
@dataclass(kw_only=True)
class FileProvider(Provider):
path: str
# ✅ 成功！
# 注意：實例化時必須寫出參數名稱
p = FileProvider(path="/tmp/data.csv", timeout=60)
生成的 __init__ 會變成這樣（注意那個 *）：
def __init__(self, *, timeout=30, path):
...
這解決了順序問題，同時也強制了呼叫者寫出更清晰的程式碼（Explicit is better than implicit）。
3. 解法二：子類別也給預設值 (適用於舊版 Python)
如果你被困在 Python 3.9 以下，或者你不想強制使用 Keyword Arguments，唯一的解法是：確保子類別的所有欄位也都有預設值。
如果你希望某個欄位是「必填」的，但又被迫要給預設值，通常我們會給 None，然後在 __post_init__ 裡做檢查。
@dataclass
class FileProvider(Provider):
# 給予預設值 None 來騙過 Python 的語法檢查
path: str = None
def __post_init__(self):
if self.path is None:
raise ValueError("path cannot be None!")
雖然這能動，但比起解法一，這顯然是一種 workaround，犧牲了部分型別提示的準確性。
4. 進階技巧：Dataclass 與 __post_init__ 的繼承
解決了初始化問題後，另一個常見的坑是 __post_init__。
在普通的 Python Class 中，我們習慣在 __init__ 裡呼叫 super().__init__()。但在 Dataclass 中，子類別生成的 __post_init__ 不會自動呼叫父類別的 __post_init__。
如果你在父類別裡有一些初始化邏輯（例如驗證或預計算），務必在子類別手動呼叫：
@dataclass
class BaseTask:
id: str
def __post_init__(self):
print(f"BaseTask init: {self.id}")
@dataclass
class ImageTask(BaseTask):
url: str
def __post_init__(self):
# ⚠️ 必須手動呼叫，否則 "BaseTask init" 不會印出來
super().__post_init__()
print(f"ImageTask init: {self.url}")
5. 總結：Dataclass 繼承的最佳實踐
在設計大型系統（如 ETL Flow、ML Pipeline）時，我們經常會用到繼承。為了避免踩雷，建議遵循以下原則：
-
擁抱 Python 3.10+：儘量使用新版 Python。
-
預設開啟
kw_only=True：在定義 Base Class 時就加上這個參數。這不僅解決了繼承順序問題，還能強迫使用者寫出可讀性更高的程式碼（Task(id=1)比Task(1)清楚得多）。 -
善用 ABC：Dataclass 與
abc.ABC可以完美共存。用 ABC 定義介面，用 Dataclass 實作資料結構。 -
小心
__post_init__：記得手動呼叫super()。
範例：完美的 Dataclass 架構
from dataclasses import dataclass
from abc import ABC, abstractmethod
@dataclass(kw_only=True)
class AbstractContext(ABC):
"""基礎 Context，強制 Keyword arguments"""
run_id: str
debug: bool = False
@dataclass(kw_only=True)
class PipelineContext(AbstractContext):
"""具體實作，混合了有預設值與無預設值的欄位"""
source_db: str
retries: int = 3 # 這在普通 dataclass 繼承會報錯，但在 kw_only 下完全沒問題！
# 使用起來非常優雅
ctx = PipelineContext(
run_id="20231027_001",
source_db="production_db"
)
掌握這些技巧，你的 Python 架構將會兼具 Dataclass 的簡潔與 OOP 的彈性！