INTRODUCTION
FLOW CONTROL
FUNCTIONS
DATATYPES
OBJECT & CLASS
Bài tập Python: Lập trình hướng đối tượng (OOP) trong Python Lập trình hướng đối tượng trong Python Class Variables trong Python Tìm hiểu về Methods trong Python Cách sử dụng phương thức __init__() trong Python Các biến Instance trong Python Tìm hiểu về Class Attributes trong Python Hàm Static Methods trong Python Phương thức __str__ trong Python Phương thức __repr__ trong Python Phương thức eq trong Python Tìm hiểu phương thức __hash__ trong Python Phương thức __bool__ trong Python Phương thức del trong Python Tìm hiểu về lớp Property trong Python Tìm hiểu về nạp chồng toán tử trong Python Trình Decorator Property trong Python Thuộc tính chỉ đọc trong Python Thuộc tính Delete trong Python Sử dụng super() trong Python Sử dụng __slots__ trong Python Cách sử dụng Protocol trong Python Sử dụng Enum aliases và @enum.unique trong Python Tùy chỉnh và mở rộng lớp Enum trong Python Cách sử dụng hàm Auto() của Python Single Responsibility Principle trong Python Nguyên tắc Đóng-Mở trong Python Nguyên tắc thay thế Liskov - LSP trong Python Interface Segregation Principle - ISP trong Python. Nguyên tắc đảo ngược sự phụ thuộc trong Python Đa kế thừa trong Python Tìm hiểu về các lớp mixin trong Python Mô tả Descriptors trong Python Phân biệt Data Descriptor và Non-data Descriptor trong Python Phương thức __new__ trong Python Tìm hiểu về Class Type trong Python Lớp Metaclass trong Python Ví dụ sử dụng metaclass trong Python Tìm hiểu về decorator dataclass trong Python Tìm hiểu về các ngoại lệ trong Python Ngoại lệ Raise trong Python Sử dụng câu lệnh raise from trong Python Ngoại lệ tùy chỉnh trong Python Module trong Python Package trong Python Class trong Python Hàm khởi tạo trong Python Kế thừa trong Python Đa kế thừa trong Python Setter và Getter trong Python Override trong Python Interface trong Python Bài tập Python: Module và Class
ADVANCED TOPICS
BỔ SUNG
PYTHON CĂN BẢN
CÁC CHỦ ĐỀ
BÀI MỚI NHẤT
MỚI CẬP NHẬT

Thông báo: Download 4 khóa học Python từ cơ bản đến nâng cao tại đây.

Sử dụng __slots__ trong Python

Trong bài viết này, mình sẽ tìm hiểu về thuộc tính __slots__ trong Python – một công cụ mạnh mẽ giúp tối ưu hóa bộ nhớ cho các lớp. Qua đó, bạn sẽ biết cách sử dụng __slots__ để hạn chế việc sử dụng từ điển (dictionaries) khi quản lý các thuộc tính của đối tượng, từ đó giúp cho chương trình trở nên gọn nhẹ và hiệu quả hơn, đặc biệt khi làm việc với số lượng lớn đối tượng.

test php

banquyen png
Bài viết này được đăng tại freetuts.net, không được copy dưới mọi hình thức.

Giới thiệu về thuộc tính __slots__ trong Python

Xem xét ví dụ về một lớp Point2D với hai thuộc tính tọa độ xy:

class Point2D:
    def __init__(self, x, y):
        self.x = x
        self.y = y

    def __repr__(self):
        return f'Point2D({self.x}, {self.y})'

Mỗi đối tượng của lớp Point2D sẽ có thuộc tính __dict__ lưu trữ các thuộc tính của đối tượng. Ví dụ:

point = Point2D(0, 0)
print(point.__dict__)

Mặc định, Python sử dụng từ điển (dictionary) để quản lý các thuộc tính của đối tượng. Từ điển cho phép bạn thêm thuộc tính mới vào đối tượng một cách linh hoạt trong lúc chạy chương trình. Tuy nhiên, điều này đi kèm với việc tiêu tốn bộ nhớ. Nếu lớp Point2D có nhiều đối tượng, sẽ gây ra nhiều chi phí về bộ nhớ.

Bài viết này được đăng tại [free tuts .net]

Để giảm thiểu chi phí bộ nhớ, Python giới thiệu thuộc tính __slots__. Nếu lớp chỉ chứa các thuộc tính đã biết trước, bạn có thể sử dụng __slots__ để yêu cầu Python sử dụng cấu trúc dữ liệu nhỏ gọn hơn thay vì từ điển.

Ví dụ, nếu lớp Point2D chỉ có hai thuộc tính, bạn có thể định nghĩa __slots__ như sau:

class Point2D:
    __slots__ = ('x', 'y')

    def __init__(self, x, y):
        self.x = x
        self.y = y

    def __repr__(self):
        return f'Point2D({self.x}, {self.y})'

Trong ví dụ này, bạn chỉ định các thuộc tính của lớp trong __slots__ dưới dạng một tuple. Bằng cách này, Python sẽ không sử dụng từ điển __dict__ cho các đối tượng của lớp. Ví dụ:

point = Point2D(0, 0)
print(point.__dict__)

Sẽ dẫn đến lỗi AttributeError:

AttributeError: 'Point2D' object has no attribute '__dict__'

Thay vào đó, bạn sẽ thấy thuộc tính __slots__ trong đối tượng của lớp:

point = Point2D(0, 0)
print(point.__slots__)

Kết quả:

('x', 'y')

Ngoài ra, bạn không thể thêm thuộc tính mới cho đối tượng trong lúc chạy chương trình. Ví dụ:

point.z = 0

Sẽ dẫn đến lỗi:

AttributeError: 'Point2D' object has no attribute 'z'

Tuy nhiên, bạn vẫn có thể thêm các thuộc tính cho lớp:

Point2D.color = 'black'
print(Point2D.__dict__)

Kết quả:

mappingproxy({
    '__doc__': None,
    '__init__': <function Point2D.__init__>,
    '__module__': '__main__',
    '__repr__': <function Point2D.__repr__>,
    '__slots__': ('x', 'y'),
    'color': 'black',
    'x': <member 'x' of 'Point2D' objects>,
    'y': <member 'y' of 'Point2D' objects>
})

Điều này có thể thực hiện được vì Python áp dụng __slots__ cho các đối tượng của lớp, chứ không phải cho chính lớp.

Python __slots__ và kế thừa đơn (single inheritance)

Tiếp theo, mình sẽ xem xét việc sử dụng __slots__ trong ngữ cảnh kế thừa (inheritance).

Lớp cha có sử dụng __slots__ nhưng lớp con thì không

Ví dụ sau định nghĩa lớp Point2D là lớp cha và Point3D là lớp con kế thừa từ Point2D:

class Point2D:
    __slots__ = ('x', 'y')

    def __init__(self, x, y):
        self.x = x
        self.y = y

    def __repr__(self):
        return f'Point2D({self.x}, {self.y})'


class Point3D(Point2D):
    def __init__(self, x, y, z):
        super().__init__(x, y)
        self.z = z


if __name__ == '__main__':
    point = Point3D(10, 20, 30)
    print(point.__dict__)

Kết quả:

{'z': 30}

Lớp Point3D không sử dụng __slots__, vì vậy đối tượng của lớp này vẫn có thuộc tính __dict__. Lớp con Point3D sẽ sử dụng __slots__ từ lớp cha (nếu có) và sử dụng từ điển cho các thuộc tính của riêng nó.

Nếu bạn muốn lớp Point3D cũng sử dụng __slots__, bạn có thể định nghĩa như sau:

class Point3D(Point2D):
    __slots__ = ('z',)

    def __init__(self, x, y, z):
        super().__init__(x, y)
        self.z = z

Lúc này, lớp Point3D sẽ sử dụng __slots__ cho tất cả các thuộc tính bao gồm x, yz.

Lớp cha không sử dụng __slots__ nhưng lớp con có

Ví dụ sau định nghĩa một lớp cha không sử dụng __slots__ và lớp con có:

class Shape:
    pass


class Point2D(Shape):
    __slots__ = ('x', 'y')

    def __init__(self, x, y):
        self.x = x
        self.y = y

Khi chạy:

point = Point2D(10, 10)
point.color = 'black'
print(point.__dict__)

Kết quả:

{'color': 'black'}

Trong trường hợp này, đối tượng của lớp Point2D sử dụng cả __slots__ và từ điển để lưu trữ thuộc tính.

Kết bài

Việc sử dụng từ điển trong Python để lưu trữ thuộc tính giúp linh hoạt trong việc thêm mới thuộc tính, nhưng lại tạo ra chi phí bộ nhớ không cần thiết khi làm việc với nhiều đối tượng. Bằng cách định nghĩa __slots__ cho các lớp có thuộc tính cố định, bạn có thể yêu cầu Python sử dụng cấu trúc dữ liệu gọn nhẹ hơn, thay vì từ điển. Điều này không chỉ giúp tối ưu hóa bộ nhớ mà còn tăng hiệu suất khi chương trình cần quản lý một số lượng lớn đối tượng.

Cùng chuyên mục:

Cách lưu trữ và tải lại Models trong PyTorch

Cách lưu trữ và tải lại Models trong PyTorch

Tìm hiểu về TensorBoard với PyTorch

Tìm hiểu về TensorBoard với PyTorch

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Softmax và Cross Entropy trong PyTorch Beginner

Softmax và Cross Entropy trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Sử dụng Gradient Descent với Autograd trong PyTorch

Sử dụng Gradient Descent với Autograd trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn cài đặt PyTorch với Deep Learning

Hướng dẫn cài đặt PyTorch với Deep Learning

LDA (Linear Discriminant Analysis) trong Python

LDA (Linear Discriminant Analysis) trong Python

Thuật toán AdaBoost trong Python

Thuật toán AdaBoost trong Python

Thuật toán K-Means Clustering trong Python

Thuật toán K-Means Clustering trong Python

Triển khai PCA bằng Python

Triển khai PCA bằng Python

Triển khai thuật toán Random Forest bằng Python

Triển khai thuật toán Random Forest bằng Python

Top