上面我们偶尔提到了field的概念，我们所说的数据类属性，数据属性实际上都是被field的对象，它代表着一个数据的实体和它的元信息，下面我们了解一下dataclasses.field。
数据类的基石——dataclasses.field先看下field的原型：
dataclasses.field(*, default=MISSING, default_factory=MISSING, repr=True, hash=None, init=True, compare=True, metadata=None)通常我们无需直接使用，装饰器会根据我们给出的类型注解自动生成field，但有时候我们也需要定制这一过程，这时dataclasses.field就显得格外有用了。
default和default_factory参数将会影响默认值的产生，它们的默认值都是None，意思是调用时如果为指定则产生一个为None的值。其中default是field的默认值，而default_factory控制如何产生值，它接收一个无参数或者全是默认参数的callable对象，然后用调用这个对象获得field的初始值，之后再将default（如果值不是MISSING）复制给callable返回的这个对象。
举个例子，对于list，当复制它时只是复制了一份引用，所以像dataclass里那样直接复制给实例的做法的危险而错误的，为了保证使用list时的安全性，应该这样做：
@dataclass class C: mylist: List[int] = field(default_factory=list)当初始化C的实例时就会调用list()而不是直接复制一份list的引用：
>>> c1 = C() >>> c1.mylist += [1,2,3] >>> c1.mylist [1, 2, 3] >>> c2 = C() >>> c2.mylist []数据污染得到了避免。
init参数如果设置为False，表示不为这个field生成初始化操作，dataclass提供了hook——__post_init__供我们利用这一特性：
@dataclass class C: a: int b: int c: int = field(init=False) def __post_init__(self): self.c = self.a + self.b__post_init__在__init__后被调用，我们可以在这里初始化那些需要前置条件的field。
repr参数表示该field是否被包含进repr的输出，compare和hash参数表示field是否参与比较和计算hash值。metadata不被dataclass自身使用，通常让第三方组件从中获取某些元信息时才使用，所以我们不需要使用这一参数。
如果指定一个field的类型注解为dataclasses.InitVar，那么这个field将只会在初始化过程中（__init__和__post_init__）可以被使用，当初始化完成后访问该field会返回一个dataclasses.Field对象而不是field原本的值，也就是该field不再是一个可访问的数据对象。举个例子，比如一个由数据库对象，它只需要在初始化的过程中被访问：
@dataclass class C: i: int j: int = None database: InitVar[DatabaseType] = None def __post_init__(self, database): if self.j is None and database is not None: self.j = database.lookup('j') c = C(10, database=my_database)这个例子中会返回c.i和c.j的数据，但是不会返回c.database的。
一些常用函数dataclasses模块中提供了一些常用函数供我们处理数据类。
使用dataclasses.asdict和dataclasses.astuple我们可以把数据类实例中的数据转换成字典或者元组：
>>> from dataclasses import asdict, astuple >>> asdict(Lang()) {'name': 'python', 'strong_type': True, 'static_type': False, 'age': 28} >>> astuple(Lang()) ('python', True, False, 28)使用dataclasses.is_dataclass可以判断一个类或实例对象是否是数据类：
>>> from dataclasses import is_dataclass >>> is_dataclass(Lang) True >>> is_dataclass(Lang()) True dataclass继承python3.7引入dataclass的一大原因就在于相比namedtuple，dataclass可以享受继承带来的便利。
dataclass装饰器会检查当前class的所有基类，如果发现一个dataclass，就会把它的字段按顺序添加进当前的class，随后再处理当前class的field。所有生成的方法也将按照这一过程处理，因此如果子类中的field与基类同名，那么子类将会无条件覆盖基类。子类将会根据所有的field重新生成一个构造函数，并在其中初始化基类。
看个例子：
@dataclass class Python(Lang): tab_size: int = 4 is_script: bool = True >>> Python() Python(name='python', strong_type=True, static_type=False, age=28, tab_size=4, is_script=True) @dataclass class Base: x: float = 25.0 y: int = 0 @dataclass class C(Base): z: int = 10 x: int = 15 >>> C() C(x=15, y=0, z=10)Lang的field被Python继承了，而C中的x则覆盖了Base中的定义。
没错，数据类的继承就是这么简单。
总结