dataclass 比 namedtuple 更强大，因其支持字段修改、默认值（含可变默认值）、方法定义、继承及序列化控制；namedtuple 不可变、无默认值语法、无法安全扩展，真实开发中易卡壳。
dataclass 比 namedtuple 更强大，不是因为它“高级”，而是它在真实开发中能直接解决后者干不了或干得别扭的事——比如改字段、设默认值、加方法、继承、序列化控制。你不需要强行升级，但一旦遇到下面这些场景，namedtuple 就会卡住。
需要修改字段值时，namedtuple 只能重建实例
namedtuple 是不可变的，赋值会抛 AttributeError: can't set attribute。哪怕只是临时调整一个字段，也得用 _replace() 生成新对象，逻辑绕、内存多、语义弱。
而 dataclass 默认可变：
@dataclass
class Config:
host: str
port: int = 8000
<p>cfg = Config("localhost", 8080)
cfg.port = 3000 # ✅ 直接赋值，无副作用- 如果真要不可变，加
frozen=True即可，行为和namedtuple一致 - 但
frozen=True下仍支持__post_init__做初始化校验，namedtuple连这个钩子都没有
带默认值或可变默认值时，namedtuple 无法安全表达
namedtuple 不支持字段级默认值（除了用 _replace() 临时补），更没法处理 list、dict 这类可变默认值——它连定义语法都不允许。
立即学习“Python免费学习笔记（深入）”；
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
dataclass 明确区分两种写法：
from dataclasses import dataclass, field <p>@dataclass class User: name: str tags: list[str] = field(default_factory=list) # ✅ 安全，每个实例独享空列表 active: bool = True # ✅ 简单默认值
- 漏写
default_factory直接写tags: list = []？所有实例共享同一个list，这是经典坑 -
namedtuple根本不让你写默认值，所以“踩坑”都轮不到它——它直接不让你走这条路
需要扩展行为（方法、继承、类型检查集成）时，namedtuple 是死胡同
namedtuple 是元组子类，不能安全地加方法（虽技术上可行，但破坏语义），也不支持继承已有逻辑；而 dataclass 就是普通类，一切 Python 类机制都可用：
- 可以定义实例方法（如
total_cost(self)）、类方法、静态方法 - 可以继承另一个
@dataclass类，复用字段和逻辑 - 配合
typing.TypeGuard或 Pydantic v2 的@validate_call，能做运行时类型校验 - 用
asdict()/astuple()转结构化数据，比手写._asdict()更统一
注意：namedtuple 的 ._asdict() 返回 OrderedDict（Python 3.7+ 才是普通 dict），而 dataclass.asdict() 总是返回标准 dict，且会递归处理嵌套 dataclass 实例。
高频创建场景下，dataclass 的性能代价可控，但灵活性不可替代
单纯创建速度：小对象下 namedtuple 快约 10–20%，因为它是轻量元组；dataclass 要走完整类实例化流程。
- 但如果对象要被反复修改，
namedtuple每次都得新建，实际开销可能更高 - 加
__slots__ = True（需显式声明）可显著减少内存占用和属性访问开销 - 真正影响性能的往往不是
dataclass本身，而是没关掉__repr__或__eq__的递归深度（比如字段含大字典）
真正容易被忽略的是：当你开始给 namedtuple 加 __new__、重载 __eq__、补 __init__ 注释时，你已经是在徒手造 dataclass——而且造得不标准、不兼容、难维护。
