Python: dataclass, NamedTuple o dict? Quale scegliere (con misure)

2026-10-15

Quando devi passare in giro "un po' di campi", in Python hai tre scelte comuni: dict, NamedTuple e dataclass. Ecco le differenze, con numeri misurati su Python 3.12.15 (200.000 creazioni di un oggetto con due campi interi).

Il codice

from dataclasses import dataclass
from typing import NamedTuple

@dataclass
class PC:
    x: int
    y: int

@dataclass(slots=True)   # Python 3.10+
class PD:
    x: int
    y: int

class PN(NamedTuple):
    x: int
    y: int

Risultati misurati

• dict: 12 ms, 184 byte
• NamedTuple: 33 ms, 56 byte
• dataclass: 23 ms, 136 byte (oggetto + __dict__)
• dataclass con slots: 21 ms, 48 byte

Il dict è il più veloce da creare ma il più pesante e senza controlli: un refuso nella chiave si scopre solo a runtime. Le misure dipendono dalla macchina; contano i rapporti, non i millisecondi assoluti.

Mutabilità e confronto

p = PC(1, 2); p.x = 5            # ok, la dataclass è mutabile
PN(1, 2).x = 5                   # AttributeError: can't set attribute
PN(1, 2) == (1, 2)               # True: la NamedTuple è una tupla
PC(1, 2) == (1, 2)               # False

Il confronto con una tupla semplice può essere comodo o pericoloso: una NamedTuple di coordinate è uguale a qualunque tupla (1, 2), anche di tutt'altro significato.

Quale scegliere

• dataclass (di solito con slots=True): la scelta di default per oggetti di dominio, con valori predefiniti, metodi e frozen=True se vuoi l'immutabilità.
• NamedTuple: record immutabili leggeri, utili se devi spacchettarli come tuple o usarli come chiavi di dizionario.
• dict: dati dinamici o provenienti da JSON, quando le chiavi non sono note in anticipo.

Se in dubbio, parti da @dataclass(slots=True): meno memoria, attributi controllati dall'editor e codice che si legge da solo.