Przejdź do treści
Biblioteka skilli
Programowanie · Budowanie i kod

python-dataclasses

/python-dataclasses

Pomaga wybrać między dataclass, NamedTuple i pydantic oraz poprawnie ustawić frozen, slots i walidację przy modelowaniu danych strukturalnych.

Repozytorium
AI-SKILLS ↗
Licencja
MIT
Ostatnia zmiana repozytorium
05.09.2026

Ocena i bezpieczeństwo

90/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 05.09.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Pomaga wybrać między dataclass, NamedTuple i pydantic oraz poprawnie ustawić frozen, slots i walidację przy modelowaniu danych strukturalnych.

Oryginalny opis (EN)

Choose between dataclass, NamedTuple, and pydantic, and configure frozen, slots, and validation correctly. Use when modeling structured data in Python or reviewing class boilerplate.

Jak działa

  1. Method
  2. Boundaries
Sekcje z nagłówków SKILL.md, w oryginale · 43 linii, 286 słów
Podgląd SKILL.md
---
name: python-dataclasses
description: Choose between dataclass, NamedTuple, and pydantic, and configure frozen, slots, and validation correctly. Use when modeling structured data in Python or reviewing class boilerplate.
---

# Python dataclasses

Pick the lightest structure that enforces what you need: dataclass for
behavior-bearing records, NamedTuple for immutable tuples with names,
pydantic only where data crosses a trust boundary.

## Method

1. **Default to `@dataclass(slots=True)`.** Slots cut per-instance memory
   roughly in half and catch attribute typos at assignment. Omit slots only
   when you need dynamic attributes, multiple inheritance with other
   slotted classes, or `functools.cached_property`.
2. **Freeze value objects.** `frozen=True` gives hashability (with `eq=True`)
   and safe use as dict keys and set members. Model identities (things with
   a lifecycle) as mutable; model values (money, coordinates, config) as
   frozen.
3. **Use NamedTuple when tuple-ness is the point.** Unpacking, positional
   returns from internal helpers, zero-cost immutability. Its weakness is
   accidental comparison and unpacking compatibility with any same-length
   tuple; do not use it for domain models.
4. **Reserve pydantic for untrusted input.** Parsing JSON from an API, env
   config, user forms: validation and coercion earn their runtime cost at
   the boundary. Inside your own code, plain dataclasses keep imports light
   and construction honest.
5. **Validate in `__post_init__`, not in callers.** Raise `ValueError` there
   for invariants ("port must be 1-65535"). For frozen classes set derived
   fields with `object.__setattr__(self, "field", value)`.
6. **Beware mutable defaults.** `field(default_factory=list)`, never
   `= []`. The class-level default is shared across instances; the factory
   is per instance.
7. **Control the generated API.** `kw_only=True` keeps wide constructors
   readable and lets you reorder fields without breaking callers;
   `repr=False` on secrets keeps them out of logs.

## Boundaries

- Dataclasses do not validate types at runtime; annotations are
  documentation plus static-checker input. Do not assume a `int` field
  rejects a string.
- Inheritance across dataclasses with defaults is field-order sensitive;
  prefer composition when the hierarchy needs more than one level.

Wersje

W bazie nie ma innych skilli o nazwie python-dataclasses.

Migawka bazy z 13.11.2026 · wersja paczki 7d775349890d (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100writing-dataclasses
    Podaje zasady PostHog dla dataclass w Pythonie: kiedy użyć ich zamiast krotki lub słownika, dekorator @frozen, nazewnictwo, ewolucja i ukrywanie sekretów w repr.
  • 95python-data-classes
    Pomaga modelować dane w Pythonie przy użyciu dataclasses, attrs i Pydantic oraz tworzyć struktury danych i modele.
  • 100writing-data-models
    Określa zasady wdrażania i przeglądu modeli danych w Pydantic v2, dataclasses i SQLModel: serializację, niezmienność i wydajność.
  • 90python-domain-modeling
    Projektuje adnotacje typów, obiekty domeny, granice walidacji i modele dataclass lub Pydantic dla inwariantów i kontraktów.
  • 100pydantic
    Pomaga w złożonym modelowaniu danych w Pydantic, bibliotece walidacji i serializacji opartej na typach: ograniczenia pól i hierarchie modeli z podklasami.
  • 95pydantic
    Obsługuje walidację danych w Pydantic v2: BaseModel, walidatory pól i modeli, własne typy, serializację i generowanie schematów, do konfiguracji i typowanych modeli danych w Pythonie.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.