Python: Introduction aux Data Classes

Dans cet article, nous allons explorer ce que sont les Data Classes en Python, pourquoi elles sont utiles, et comment elles peuvent simplifier la gestion des données dans vos programmes. Nous aborderons ce sujet sans entrer dans les détails des classes et de la programmation orientée objet, qui seront abordés dans un autre cours.

Problème avec les simples variables

Imaginez que vous devez créer un programme pour gérer les informations des étudiants dans une classe. Chaque étudiant a un nom, un prénom, un âge, et une moyenne générale. La manière la plus simple de stocker ces informations pourrait ressembler à ceci :

nom = "Jean"
prenom = "Dupont"
age = 17
moyenne = 14.5

C'est facile à comprendre et à utiliser. Mais que se passe-t-il si vous avez plusieurs étudiants ?

nom1 = "Jean"
prenom1 = "Dupont"
age1 = 17
moyenne1 = 14.5

nom2 = "Marie"
prenom2 = "Durand"
age2 = 16
moyenne2 = 16.0

Ça commence à devenir compliqué. Si vous devez gérer des centaines d'étudiants, cela deviendra rapidement ingérable. De plus, il est facile de faire des erreurs, par exemple, en mélangeant les informations de plusieurs étudiants.

Utilisation des dictionnaires pour plus de clarté

Pour rendre les données plus claires, on pourrait utiliser des dictionnaires :

etudiant1 = {
    "nom": "Jean",
    "prenom": "Dupont",
    "age": 17,
    "moyenne": 14.5
}

etudiant2 = {
    "nom": "Marie",
    "prenom": "Durand",
    "age": 16,
    "moyenne": 16.0
}

etudiants = [etudiant1, etudiant2]

Cette méthode est plus lisible. On sait maintenant exactement ce que chaque valeur représente. Toutefois, cette méthode présente aussi des inconvénients : elle peut être verbeuse, et il n'y a aucune vérification automatique pour s'assurer que tous les étudiants ont les mêmes informations.

Introduction aux Data Classes

Les Data Classes de Python offrent une solution élégante à ces problèmes. Introduites dans Python 3.7, les Data Classes permettent de définir des structures de données complexes de manière simple et lisible. Voici comment vous pourriez utiliser une Data Class pour modéliser un étudiant :

from dataclasses import dataclass

@dataclass
class Etudiant:
    nom: str
    prenom: str
    age: int
    moyenne: float

Voyons en détail ce que fait ce code :

@dataclass : C'est un décorateur qui indique à Python de traiter cette classe comme une Data Class.
class Etudiant: : Nous définissons une nouvelle classe appelée Etudiant.
nom: str : Nous déclarons que nom est une chaîne de caractères (str).
prenom: str : De même, prenom est une chaîne de caractères.
age: int : age est un entier (int).
moyenne: float : moyenne est un nombre à virgule flottante (float).

Utilisation d'une Data Class

Une fois notre Data Class définie, créer un nouvel étudiant est très simple :

jean = Etudiant(nom="Jean", prenom="Dupont", age=17, moyenne=14.5)
marie = Etudiant(nom="Marie", prenom="Durand", age=16, moyenne=16.0)

Vous pouvez accéder aux attributs de chaque étudiant facilement :

print(jean.nom)  # Affiche "Jean"
print(marie.moyenne)  # Affiche 16.0

Les avantages des Data Classes

Clarté et organisation : Les Data Classes permettent de regrouper les informations pertinentes ensemble dans une seule entité. Cela rend le code plus clair et plus facile à comprendre.
Moins d'erreurs : Comme tous les attributs d'une Data Class sont définis en un seul endroit, vous êtes moins susceptible de faire des erreurs, comme oublier une information ou mal orthographier un nom de variable.
Fonctionnalités supplémentaires : Les Data Classes ajoutent automatiquement des fonctionnalités utiles, comme la possibilité de comparer deux objets ou de les afficher de manière lisible sans écrire de code supplémentaire.
Facilité d'utilisation : Créer et manipuler des objets à partir d'une Data Class est simple et intuitif, même sans connaissance approfondie des classes ou de l'orienté objet.

Conclusion

Les Data Classes en Python sont un outil puissant pour organiser vos données de manière claire et efficace, surtout lorsqu'il s'agit de manipuler des groupes d'informations similaires. En utilisant des Data Classes, vous pouvez éviter les erreurs courantes liées à l'utilisation de variables individuelles ou de structures de données comme les listes ou les dictionnaires.

Alors que nous n'avons pas encore exploré en détail le concept de classes et de programmation orientée objet, les Data Classes vous donnent un avant-goût de la manière dont Python peut rendre la gestion des données plus propre et plus facile à maintenir. Dans les prochains cours, nous approfondirons ces concepts pour que vous puissiez exploiter tout le potentiel de la programmation orientée objet.

Exercices pratiques

Pour vous familiariser avec les Data Classes, essayez de créer une Data Class pour représenter un livre dans une bibliothèque, avec les attributs suivants : titre, auteur, année de publication, et nombre de pages. Ensuite, créez quelques instances de cette classe et affichez leurs attributs. Cela vous aidera à renforcer votre compréhension avant de passer aux concepts plus avancés.

# Exemple de Data Class pour un livre
@dataclass
class Livre:
    titre: str
    auteur: str
    annee_publication: int
    nombre_pages: int

# Création d'instances de la classe Livre
livre1 = Livre(titre="1984", auteur="George Orwell", annee_publication=1949, nombre_pages=328)
livre2 = Livre(titre="Le Petit Prince", auteur="Antoine de Saint-Exupéry", annee_publication=1943, nombre_pages=96)

# Affichage des informations des livres
print(livre1)
print(livre2)

Voici l'ajout du paragraphe sur l'utilisation des valeurs par défaut dans les Data Classes pour l'article théorique précédent :

Ajout de Valeurs par Défaut

Les Data Classes en Python offrent la possibilité d'utiliser des valeurs par défaut pour les attributs. Cela signifie que lorsque vous créez une instance de la Data Class, certains attributs peuvent automatiquement prendre une valeur définie par défaut si vous ne les spécifiez pas explicitement.

Par exemple, imaginons que nous souhaitions que tous nos étudiants aient, par défaut, 0 points d'expérience et un inventaire vide. Nous pouvons définir ces valeurs par défaut directement dans la Data Class :

from dataclasses import dataclass, field
from typing import List

@dataclass
class Etudiant:
    nom: str
    prenom: str
    age: int
    moyenne: float
    points_xp: int = 0  # Par défaut, les étudiants commencent avec 0 XP
    inventaire: List[str] = field(default_factory=list)  # Par défaut, l'inventaire est une liste vide

Dans cet exemple :

points_xp: int = 0 signifie que si vous ne spécifiez pas de points d'expérience pour un étudiant lors de sa création, il commencera automatiquement avec 0 points d'expérience.
inventaire: List[str] = field(default_factory=list) signifie que l'inventaire par défaut sera une liste vide.

Ces valeurs par défaut simplifient la création d'objets en évitant d'avoir à définir manuellement chaque attribut lorsque les valeurs par défaut conviennent. Cela est particulièrement utile lorsque vous travaillez avec de nombreux objets qui partagent des attributs communs.

Exemple d'utilisation :

jean = Etudiant(nom="Jean", prenom="Dupont", age=17, moyenne=14.5)
print(jean.points_xp)  # Affiche 0
print(jean.inventaire)  # Affiche []

Ainsi, même sans spécifier les points_xp et l'inventaire, les valeurs par défaut sont automatiquement assignées.

Avantages des Valeurs par Défaut :

Simplification : Moins de code à écrire lorsque les valeurs par défaut sont suffisantes.
Lisibilité : Le code devient plus lisible, car il n'est pas surchargé par des informations redondantes.
Flexibilité : Vous pouvez toujours remplacer les valeurs par défaut en spécifiant explicitement d'autres valeurs lors de la création de l'objet.

En résumé, les valeurs par défaut dans les Data Classes permettent de rendre vos classes plus souples et votre code plus concis, tout en facilitant la création d'instances avec des valeurs initiales prédéfinies.

Ce paragraphe vise à montrer comment les valeurs par défaut peuvent être utilisées dans les Data Classes pour simplifier la gestion des données, offrant ainsi une plus grande flexibilité et une meilleure organisation du code.

Bon courage et amusez-vous bien avec Python !

Télécharger en PDF