我没有看到其他答案提到这一点，但在我看来，最重要的区别之一是平等和比较是如何运作的。当你比较命名元组时，名称将被忽略:如果两个命名元组包含相同的值且顺序相同，则它们相等，即使它们具有不同的类名或字段名:

>>> from collections import namedtuple
>>> A = namedtuple('A', ())
>>> B = namedtuple('B', ())
>>> a = A()
>>> b = B()
>>> a == b
True

另一方面，数据类实例只有在具有相同类型时才会被认为是相等的。我总是希望出现后一种行为:我希望不同类型的事物是不同的。

在编程中，任何可以是不可变的东西都应该是不可变的。我们得到了两点:

更容易阅读程序-我们不需要担心值的改变，一旦它被实例化，它就永远不会改变(namedtuple) 更少出现奇怪的虫子

这就是为什么，如果数据是不可变的，你应该使用命名元组而不是数据类

我把它写在评论里了，但我在这里提一下: 你绝对是对的，有一个重叠，特别是冻结=True在数据类-但仍然有一些特性，如解包属于命名元组，它总是不可变的-我怀疑他们会删除命名元组

我也有同样的问题，所以进行了一些测试，并记录在这里:https://shayallenhill.com/python-struct-options/

简介:

NamedTuple更适合解包、爆炸和大小。 DataClass更快更灵活。 区别不是很大，我不会重构稳定的代码从一个移到另一个。 当您希望能够传递一个元组时，NamedTuple也非常适合软输入。

为此，定义一个从它继承的类型…

from typing import NamedTuple

class CircleArg(NamedTuple):
    x: float
    y: float
    radius: float

.．.然后在函数中解压缩它。不要使用.attributes，您将得到一个很好的“类型提示”，而无需为调用者提供任何PITA。

*focus, radius = circle_arg_instance  # or tuple

NamedTuple的另一个重要限制是它不能是泛型的:

import typing as t
T=t.TypeVar('T')
class C(t.Generic[T], t.NamedTuple): ...

TypeError: Multiple inheritance with NamedTuple is not supported

我没有看到其他答案提到这一点，但在我看来，最重要的区别之一是平等和比较是如何运作的。当你比较命名元组时，名称将被忽略:如果两个命名元组包含相同的值且顺序相同，则它们相等，即使它们具有不同的类名或字段名:

>>> from collections import namedtuple
>>> A = namedtuple('A', ())
>>> B = namedtuple('B', ())
>>> a = A()
>>> b = B()
>>> a == b
True

另一方面，数据类实例只有在具有相同类型时才会被认为是相等的。我总是希望出现后一种行为:我希望不同类型的事物是不同的。

对我来说，一个用例是不支持数据类的框架。特别是TensorFlow。这是一个tf。函数可以与一个类型一起工作。NamedTuple，但没有数据类。

class MyFancyData(typing.NamedTuple):
  some_tensor: tf.Tensor
  some_other_stuf: ...

@tf.function
def train_step(self, my_fancy_data: MyFancyData):
    ...