namedtuple比普通类快在不可变性、无__dict__、字段访问走c层固定偏移，实例化开销小、内存占用低；典型场景下耗时为普通类的1/3～1/2，内存减少30%～50%。
NamedTuple比普通类快在哪？
因为 NamedTuple 是不可变的、基于元组实现的轻量结构，实例化开销小，内存占用低，且字段访问走的是 C 层级的索引逻辑，不经过 __dict__ 查找。普通类默认带 __dict__，每次属性访问都要哈希查找；而 NamedTuple 的字段在编译期就固化为固定偏移，访问速度接近原生元组。
典型场景：高频创建大量只读数据容器（如日志条目、API 响应解析结果、CSV 行记录）时，NamedTuple 实例化耗时通常只有等价 class 的 1/3～1/2，内存占用可减少 30%～50%。
怎么定义一个可用的NamedTuple？
用 typing.NamedTuple（推荐，支持类型提示）或 collections.namedtuple（兼容旧版本），但别混用。注意字段名不能是 Python 关键字，也不能以 underscore 开头（否则会被视为私有字段而忽略）。
-
from typing import NamedTuple，然后继承它，用类属性声明字段和类型 - 字段顺序即构造参数顺序，不支持默认值（除非用
field(default=...)，但仅限typing.NamedTuple） - 避免重载
__init__或__new__——NamedTuple不允许自定义实例化逻辑 - 示例：
from typing import NamedTuple<br>class Point(NamedTuple):<br> x: float<br> y: float<br>p = Point(1.0, 2.0) # ✅<br>p.x # → 1.0
什么时候不该用NamedTuple？
一旦你需要可变性、方法封装、复杂初始化逻辑或动态字段，NamedTuple 就不是合适选择。它本质是“带名字的元组”，不是类的轻量替代品。
- 字段要修改？不行 ——
p.x = 3直接抛AttributeError: can't set attribute - 想加一个计算属性？可以，但必须用
@property，不能有副作用，且不能覆盖同名字段 - 需要
__post_init__验证？不行 ——dataclasses才支持 - 字段类型依赖运行时？不行 —— 类型注解必须静态可推导，否则 mypy 会报错，运行时也不校验
和dataclass比，选哪个？
如果只是想要不可变、高性能、带字段名的数据容器，NamedTuple 更轻；如果需要默认值、可选字段、方法、或未来可能变成可变对象，dataclass(frozen=True) 更灵活，但启动慢、实例稍重。
-
NamedTuple：无运行时开销，序列化友好（直接tuple(p)），适合纯数据管道 -
dataclass(frozen=True)：支持默认值、field(default_factory=...)、更自然的文档字符串位置，但每个实例多一个__dict__的壳（即使 frozen） - 性能实测：十万次实例化，
NamedTuple比dataclass(frozen=True)快约 20%～40%，内存少约 15%
真正容易被忽略的是：一旦你给 NamedTuple 加了方法（哪怕只是 @property），它的不可变性语义就容易被误读；而字段名冲突（比如定义了 _replace）会导致意外行为 —— 这些都不是报错，而是静默失效。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
