该用 namedtuple 时是定义不可变、轻量、仅存数据的纯数据容器，如坐标点或配置项；需方法、可变属性或继承时应选 dataclass 或普通类。
用 namedtuple 替代普通类，只在满足「不可变、轻量、仅存数据」时才合适；一旦需要方法、可变属性或继承，立刻退回到 dataclass 或普通类。
什么时候该用 namedtuple 而不是 class？
它本质是内存紧凑的元组子类，适合定义纯数据容器：比如坐标点、HTTP 响应头字段、CSV 行解析结果。常见误用是强行给它加 __init__ 或赋值语句——会直接报 AttributeError: can't set attribute。
- ✅ 适用场景：配置项常量（
DB_CONFIG = namedtuple('DB_CONFIG', ['host', 'port', 'user'])）、函数返回多个值（比 tuple 更易读） - ❌ 不适用：要动态增删字段、实现
.save()方法、支持默认值（Python 3.7+ 之前）、或字段类型校验 - ⚠️ 注意：字段名不能以 underscore 开头（如
_id），否则会被namedtuple内部当作私有字段过滤掉
namedtuple 的字段默认值怎么加？
原生不支持。Python 3.7+ 可用 defaults 参数，但必须从右往左连续提供：
from collections import namedtuple
Point = namedtuple('Point', ['x', 'y', 'z'], defaults=[0]) # z 默认为 0
p = Point(1, 2) # 等价于 Point(1, 2, 0)
如果想让 y 和 z 都有默认值，得写成 defaults=(0, 0)；若只设中间字段，默认值机制就失效，只能换 dataclass。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
立即学习“Python免费学习笔记（深入）”；
和 dataclass 比，namedtuple 真的更省内存吗？
是的，但差距只在大量实例时明显。一个 namedtuple 实例比等价 dataclass 少约 32–48 字节（取决于字段数），因为前者复用元组内存布局，后者每个实例带完整 __dict__。
- 实测 10 万个
Point(x=1, y=2)：namedtuple 占约 6.4MB，dataclass 占约 9.1MB - 但如果你已经用了
__slots__的普通类，内存开销和 namedtuple 接近 - 别为了省几 MB 内存牺牲可维护性——字段多、逻辑稍复杂，直接上
@dataclass(frozen=True)
真正容易被忽略的是序列化行为：namedtuple 转 dict 得手动调 ._asdict()，而 JSON 库默认不认识它；很多 ORM 或验证库（如 Pydantic）也不直接支持，得额外注册转换逻辑。
