Dataclass vs. NamedTuple Trong Python: Khi nào dùng cái nào để tối ưu code?

Bài viết này sẽ dẫn dắt bạn đi từ cấu trúc dữ liệu bất biến tối giản cho đến các kỹ thuật nâng cao và Best Practices khi sử dụng Dataclass.

📌 PHẦN 1: NAMEDTUPLE (DỮ LIỆU BẤT BIẾN TỐI GIẢN)

1. Khai báo cú pháp hiện đại

Thay vì dùng cách khai báo dạng chuỗi cũ của module collections, trong Python hiện đại, bạn nên kết hợp typing.NamedTuple với Type Hint để tận dụng triệt để tính năng kiểm tra kiểu dữ liệu của IDE:

from typing import NamedTuple

class Point(NamedTuple):
    x: float
    y: float

2. Truy cập thuộc tính linh hoạt

NamedTuple giữ nguyên bản chất của một tuple nhưng cho phép bạn truy cập dữ liệu dưới dạng tên thuộc tính hoặc theo chỉ số (index) tùy ý:

point_instance = Point(10.5, 20.0)

# Dạng thuộc tính
print(point_instance.x)  # Kết quả: 10.5

# Dạng chỉ số (Index)
print(point_instance[0]) # Kết quả: 10.5

3. Tính năng Unpacking

Bạn có thể dễ dàng rã (unpack) một NamedTuple thành các biến độc lập như một tuple thông thường:

x, y = point_instance
print(f"X: {x}, Y: {y}")

4. Bản sao cập nhật với _replace()

Vì NamedTuple có tính chất bất biến (Immutable) nên bạn không thể gán lại giá trị trực tiếp (point_instance.x = 15). Thay vào đó, hãy dùng phương thức _replace() để tạo ra một bản sao mới đã được đổi giá trị:

updated_point = point_instance._replace(x=15.0)
print(updated_point)  # Kết quả: Point(x=15.0, y=20.0)

5. Chuyển đổi sang Dictionary

Khi cần làm việc với JSON hoặc các API endpoint, bạn có thể nhanh chóng convert cấu trúc dữ liệu sang dạng dict bằng phương thức _asdict():

point_dict = point_instance._asdict()
print(point_dict)  # Kết quả: {'x': 10.5, 'y': 20.0}

🟨 PHẦN 2: DATACLASS - CƠ BẢN (DỮ LIỆU LINH HOẠT)

1. Tự động sinh Magic Methods

Decorator @dataclass ra đời để loại bỏ hoàn toàn các đoạn code lặp đi lặp lại. Nó sẽ tự động viết giúp bạn các hàm ma thuật cốt lõi như __init__, __repr__, và __eq__.

2. Bắt buộc dùng Type Hint

Khi sử dụng dataclass, mọi thuộc tính đều bắt buộc phải được khai báo kiểu dữ liệu. Nếu bạn quên định nghĩa kiểu, Python sẽ bỏ qua thuộc tính đó:

from dataclasses import dataclass

@dataclass
class Product:
    name: str
    price: float
    status: str = "pending"  # Giá trị mặc định

3. Quy tắc đặt biến với giá trị mặc định

• Quy tắc vàng: Các thuộc tính có giá trị mặc định bắt buộc phải được xếp sau các thuộc tính không có giá trị mặc định. Nếu vi phạm, Python sẽ báo lỗi SyntaxError.

🟪 PHẦN 3: DATACLASS - NÂNG CAO & THỰC HÀNH TỐT NHẤT

1. Cấu hình frozen=True (Chống chỉnh sửa)

Nếu bạn muốn biến dataclass thành dạng Read-only (Bất biến) giống như tuple để tối ưu an toàn dữ liệu, hãy bật tham số frozen=True. Khi đó, đối tượng cũng có thể dùng làm khóa (key) cho dict hoặc thêm vào set:

@dataclass(frozen=True)
class Config:
    api_key: str
    timeout: int = 30

2. Sử dụng hàm field() cho kiểu dữ liệu Mutable (Biến đổi)

⚠️ Cảnh báo lỗi nguy hiểm: Không bao giờ khởi tạo trực tiếp kiểu dữ liệu mutable như list hay dict kiểu tags: list = []. Làm vậy sẽ khiến tất cả các thực thể dataclass chia sẻ chung một vùng nhớ danh sách dẫn đến lỗi logic khó lường.

• Cách khắc phục chuẩn: Sử dụng field(default_factory=list) để mỗi đối tượng được cấp một vùng nhớ danh sách độc lập.

from dataclasses import dataclass, field

@dataclass
class Article:
    title: str
    tags: list[str] = field(default_factory=list)

3. Hàm hậu khởi tạo __post_init__(self)

Thành thạo việc dùng hàm này để chạy các logic kiểm tra tính hợp lệ của dữ liệu (Data Validation) hoặc tự động tính toán ra một thuộc tính mới dựa trên các thuộc tính vừa nhập:

@dataclass
class Rectangle:
    width: float
    height: float
    area: float = field(init=False)

    def __post_init__(self):
        if self.width <= 0 or self.height <= 0:
            raise ValueError("Kích thước phải lớn hơn 0!")
        self.area = self.width * self.height

4. Tự động sinh hàm so sánh (order=True)

Bật @dataclass(order=True) giúp Python tự sinh ra các toán tử so sánh (__lt__, __gt__, __le__, __ge__), cho phép bạn dễ dàng sắp xếp (sort()) một danh sách các đối tượng theo thứ tự thuộc tính khai báo:

@dataclass(order=True)
class Student:
    score: float
    name: str

📌 Lời Kết

• Chọn NamedTuple khi: Bạn cần cấu trúc dữ liệu nhẹ, bất biến, tối giản và thường xuyên thao tác giải nén (unpacking) hoặc chuyển đổi sang dict.
• Chọn Dataclass khi: Bạn xây dựng các mô hình dữ liệu phức tạp, có khả năng thay đổi trạng thái, cần validate dữ liệu hoặc sử dụng các logic hướng đối tượng nâng cao.

Từ khóa tìm hiểu thêm: Python Dataclass, typing.NamedTuple, dataclasses field default_factory, Python Immutable Data Structures.