TypedDict适合仅作类型提示的结构化字典，无运行时开销；dataclass适合需实例化、默认值和行为的轻量容器；NamedTuple适合不可变、可解包、需哈希的元组式结构。
TypedDict 适合只做类型提示、不实例化的结构化字典
当你只是想给一个字典加类型约束，又不想引入运行时对象（比如传给 JSON 库或 API 接口），TypedDict 是最轻量的选择。它不生成类，也不支持方法、默认值或继承，纯编译期检查。
常见错误现象：TypeError: TypedDict does not support inheritance 或误以为 MyDict() 能实例化——它不能，写了就报错。
- 使用场景：描述 API 响应结构、配置项 schema、函数参数中“看起来像对象但本质是 dict”的输入
- 参数差异：
total=False控制字段是否全为必需；不设时所有键都必须存在 - 性能影响：零运行时开销，类型检查器（如 mypy）才感知它
- 示例：
from typing import TypedDict <p>class UserResp(TypedDict): id: int name: str email: str | None</p><h1>✅ 正确：当作 dict 用</h1><p>data: UserResp = {"id": 1, "name": "Alice", "email": None}</p><h1>❌ 错误：不能实例化</h1><h1>u = UserResp() # TypeError
dataclass 更适合需要实例化、带默认值和可变行为的轻量数据容器
dataclass 是真正的运行时类，支持初始化、默认值、__post_init__、冻结、比较等，比 NamedTuple 更灵活，也比手写 class 简洁。
立即学习“Python免费学习笔记（深入）”；
容易踩的坑：field(default_factory=list) 忘了用 default_factory 导致多个实例共享可变默认值；或者没加 slots=True 在高频创建场景下内存/性能吃亏。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 使用场景：内部状态封装、DTO 对象、需要序列化/反序列化的中间结构（配合
asdict） - 参数差异：
frozen=True启用不可变性（类似NamedTuple），但会禁用赋值；kw_only=True强制关键字参数初始化 - 兼容性注意：Python 3.7+ 原生支持，3.6 需装
dataclassesbackport - 示例：
from dataclasses import dataclass, field <p>@dataclass class User: id: int name: str tags: list[str] = field(default_factory=list) active: bool = True</p><p>u = User(id=1, name="Bob") # ✅ 自动填充默认值
NamedTuple 适合不可变、轻量、需解包的元组式结构
NamedTuple 本质是 tuple 的子类，因此不可变、内存紧凑、支持解包（a, b = my_nt）、能直接当字典 key 用。但它不支持默认值（除非用 _replace 模拟），也没有 __post_init__。
典型错误：my_nt.field = new_val 报 AttributeError（忘了它不可变）；或误以为 NamedTuple 支持继承字段（实际只支持单层定义）。
- 使用场景：函数返回多个值、枚举式常量集合、需要 hashable 特性的结构（如缓存 key、set 元素）
- 性能影响：比
dataclass创建快、内存小，但字段访问略慢于普通属性（走__getattribute__） - 参数差异：用
typing.NamedTuple（推荐）而非collections.namedtuple，前者支持类型注解和默认值（Python 3.9+） - 示例：
from typing import NamedTuple <p>class Point(NamedTuple): x: float y: float label: str = "origin" # ✅ Python 3.9+ 支持默认值</p><p>p = Point(1.0, 2.0) # label 自动为 "origin" x, y, _ = p # ✅ 支持解包
选型关键不在“哪个更好”，而在“要不要运行时对象”
真正卡住人的不是语法，而是混淆了类型系统和运行时语义：TypedDict 是类型注解，不是类；NamedTuple 和 dataclass 才是对象，但前者不可变、后者默认可变。
最容易被忽略的一点：如果你在用 Pydantic 或 fastapi，它们内部会把 TypedDict 当作 dict 处理，而 dataclass 可能触发额外的验证逻辑——不是所有框架对三者一视同仁。
还有个隐形成本：mypy 对 TypedDict 的 total 性检查很严格，但 runtime 下没人拦你传错字段；而 dataclass 的字段校验只发生在初始化，漏掉 init=False 字段可能埋雷。
