slots ve tuple

__slots__ ve tuple ile bellek tasarrufu öğrenirsin.

slots nedir?

__slots__, bir sınıfın örneklerinin __dict__ oluşturmasını engeller. Bunun yerine yalnızca belirtilen alanlar için yer ayrılır; bellek tasarrufu sağlar.

Normalde her örnek bir __dict__ sözlüğü taşır; bu, dinamik öznitelik eklemeye izin verir ama bellek harcar. __slots__ = ['x', 'y'] tanımlarsan örnekler yalnızca bu alanları taşır; __dict__ olmaz. Binlerce örnek oluşturulduğunda tasarruf önemlidir. Ama dinamik öznitelik eklenemez; bu bir trade-off'tür.

Bellek tasarrufu ölçmek

hasattr(obj, '__dict__') ile bir örneğin __dict__ taşıyıp taşımadığını kontrol edersin. __slots__ tanımlı bir sınıfta bu False döner.

Normal bir sınıfta ise True döner. Bu, slots'un çalıştığını doğrulamanın en basit yoldur. Bellek tasarrufunu ölçmek için sys.getsizeof kullanırsın; ama __dict__'in kendisi ayrı bir nesnedir ve getsizeof onu saymaz. Tam tasarrufu görmek için __dict__ boyutunu da eklemek gerekir.

Uygulama slots ile dict karşılaştır

WithSlots sınıfı yaz; __slots__ = ['x', 'y'] tanımla. WithoutSlots sınıfı yaz (slots yok). Her iki sınıftan örnek oluştur; WithSlots'a x=1, y=2, WithoutSlots'a da x=1, y=2 ata. hasattr(a, '__dict__') ve hasattr(b, '__dict__')'i ayrı satırlarda yazdır.

Örnek çözümü göster

class WithSlots:
    __slots__ = ["x", "y"]

class WithoutSlots:
    pass

a = WithSlots()
a.x = 1
a.y = 2
b = WithoutSlots()
b.x = 1
b.y = 2
print(hasattr(a, "__dict__"))
print(hasattr(b, "__dict__"))

Kendini test et

slots kavramlarını eşleştir

__slots__

Alan listesi
__dict__

Dinamik sözlük
bellek

Tasarruf sağlar
trade-off

Esneklik azalır
__slots__ neyi engeller?
```
class Point:
    __slots__ = ['x', 'y']
```
- __dict__ oluşturulmasını
- Kalıtımı
- Metot tanımlarını
- __init__ çağrılmasını
Cevabı göster

__dict__ oluşturulmasını — __slots__ örneklerin __dict__ taşımasını engeller; bellek tasarrufu sağlar.

__slots__ tanımını tamamla

class Point:
    ____ = ['x', 'y']

Cevabı göster

class Point:
    __slots__ = ['x', 'y']

Sıradaki ders: numpy vektörizasyon

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler