Что хотят услышать интервьюеры:

dataclass удобно использовать для классов-«контейнеров» данных: он автоматически генерирует типовые методы и уменьшает шаблонный код. Это ускоряет разработку и делает код читабельнее. Но у него есть ограничения: не для всей логики он подходит, и при сложных сценариях важно понимать, что именно генерируется автоматически.

Определение:

dataclass — это декоратор из модуля dataclasses, который упрощает создание классов, предназначенных в первую очередь для хранения данных. Он автоматически добавляет методы вроде __init__, __repr__, __eq__, а при необходимости — поддержку порядка сравнения, неизменяемости и других настроек.

Пример использования:

from dataclasses import dataclass

@dataclass
class User:
    name: str
    age: int

user = User("Alice", 30)
print(user)
print(user.name)

Пояснение кода:

Код не требует отдельной сложной логики: @dataclass сам создаёт конструктор __init__, поэтому объект можно создавать через User("Alice", 30). Также автоматически появляется удобное строковое представление, поэтому print(user) покажет содержимое объекта. Поля name и age остаются обычными атрибутами экземпляра.

Ключевые моменты:

Сильно сокращает шаблонный код для классов с данными.
Автоматически генерирует полезные методы: __init__, __repr__, __eq__ и другие.
Улучшает читаемость и поддерживаемость кода.
Удобен для DTO, настроек, результатов вычислений, простых моделей.
Не всегда подходит для сложной бизнес-логики, где нужен ручной контроль над поведением класса.
При использовании frozen=True можно сделать объект неизменяемым, но это добавляет ограничения при изменении атрибутов.

Какие основные преимущества и недостатки использования dataclass в Python?