Python的__slots__用来减少实例的内存占用，这是通过将变量存储在“小的固定大小的数组（很像元组或列表”）中来实现的。实例属性是可变的，但是您不能添加其他属性。
另一方面，有一些数据类（从我那里收集来的）通过定义一些Dunder（等）来帮助类的创建，并且被PEP 557称为“具有默认值的可变命名元组”。
我了解他们的目的是不同的，并且您实际上可以use both of them。
最佳答案
dataclass装饰器不会影响属性的存储或检索方式。内存消耗和属性访问时间的行为将与在没有dataclass的情况下编写类的行为完全相同。
与不使用__slots__的类似类相比，使用__slots__的类将具有较少的内存消耗，并且属性访问速度稍快（因为插槽描述符节省了一些dict查找），无论哪个类都不使用dataclass。这是一个时序示例，显示dataclass不会影响属性查找时间，而__slots__会影响属性查找时间：
>>> import timeit
>>> import dataclasses
>>> @dataclasses.dataclass
... class Foo:
... a: int
... b: int
...
>>> class Bar:
... def __init__(self, a, b):
... self.a = a
... self.b = b
...
>>> foo = Foo(1, 2)
>>> bar = Bar(1, 2)
>>> timeit.timeit('foo.a', globals=globals())
0.08070236118510365
>>> timeit.timeit('bar.a', globals=globals())
0.07813134230673313
>>> timeit.timeit('foo.a', globals=globals(), number=10000000)
0.5699363159947097
>>> timeit.timeit('bar.a', globals=globals(), number=10000000)
0.5526750679127872
>>> @dataclasses.dataclass
... class FooSlots:
... __slots__ = ['a', 'b']
... a: int
... b: int
...
>>> class BarSlots:
... __slots__ = ['a', 'b']
... def __init__(self, a, b):
... self.a = a
... self.b = b
...
>>> fooslots = FooSlots(1, 2)
>>> barslots = BarSlots(1, 2)
>>> timeit.timeit('fooslots.a', globals=globals(), number=10000000)
0.46022069035097957
>>> timeit.timeit('barslots.a', globals=globals(), number=10000000)
0.4669580361805856