dataclass 和 namedtuple 怎么选？

结论：需要"自带样板代码的可变数据类"选 @dataclass（自动生成 __init__/__repr__/__eq__，支持默认值、类型注解、字段校验钩子）；需要"轻量不可变、可解包、可当 tuple 用"的记录选 namedtuple。经验法则：领域对象用 dataclass，纯值传输、需要与 tuple 互操作时用 namedtuple。

展开：差异逐项：1）可变性——namedtuple 继承 tuple 天然不可变；dataclass 默认可变，frozen=True 变不可变并顺带获得 hash。2）内存与速度——namedtuple 是 tuple，内存紧凑、访问快；dataclass 是普通类（实例带 __dict__），更重但可加方法、可用 __slots__=True（3.10+）追回内存。3）功能——dataclass 有 field(default_factory=...) 处理可变默认值、__post_init__ 做派生计算与校验、asdict/astuple 转换、比较排序（order=True）；namedtuple 胜在有 _replace、_asdict 和索引访问。4）类型检查——两者注解都能被 mypy 识别，dataclass 的字段语义更完整。易错点：dataclass 的可变默认值必须走 default_factory（field(default_factory=list)），直接写 items: list = [] 会报错——这正是可变默认参数陷阱的类版本；比较字段顺序影响排序结果。

from dataclasses import dataclass, field

@dataclass(frozen=True, order=True)
class Point:
    x: float
    y: float
    tags: list = field(default_factory=list, compare=False)

追问方向：pydantic 模型与 dataclass 的分工（运行时校验 vs 轻量结构）、attrs 库的差异化能力。