在 Python 中，并没有一个叫做 struct 的内置数据类型（比如像 C 语言里的 struct），有几种非常主流和强大的方法来实现类似 struct 的功能，即把多个相关的整数（或其他数据）打包成一个单一的结构化对象。

最常用和最 Pythonic 的方法是使用 dataclasses 和 NamedTuple，对于需要高性能的场景，可以使用 ctypes 或 struct 模块（注意：这里的 struct 模块和 struct 数据类型是两回事）。

下面我将逐一介绍这些方法,并用一个统一的例子来对比它们。

示例场景

假设我们要表示一个“点”的坐标，它由 x 和 y 两个整数组成。

使用 dataclasses (推荐，现代 Python 的首选)

dataclasses 是 Python 3.7+ 引入的标准库，它用简洁的语法为类添加了数据存储、类型提示和常用方法（如 __repr__, __eq__），是创建结构化数据的首选方式。

代码示例

from dataclasses import dataclass
@dataclass
class Point:
    """使用 dataclass 定义一个结构化的点坐标"""
    x: int
    y: int
# 创建一个点的实例
p1 = Point(x=10, y=20)
# 访问属性
print(f"p1 的 x 坐标是: {p1.x}")  # 输出: p1 的 x 坐标是: 10
print(f"p1 的 y 坐标是: {p1.y}")  # 输出: p1 的 y 坐标是: 20
# 修改属性
p1.x = 100
print(f"修改后的 p1: {p1}")      # 输出: 修改后的 p1: Point(x=100, y=20)
# 比较两个实例 (自动生成)
p2 = Point(x=10, y=20)
print(f"p1 和 p2 是否相等: {p1 == p2}") # 输出: p1 和 p2 是否相等: False (因为 p1.x 被改成了100)
p3 = Point(x=10, y=20)
print(f"p2 和 p3 是否相等: {p2 == p3}") # 输出: p2 和 p3 是否相等: True

优点

• 代码简洁：只需一个装饰器 @dataclass 和类型注解。
• 可读性强：代码清晰明了，易于理解。
• 功能完整：自动生成 __init__, __repr__, __eq__ 等方法，减少了样板代码。
• 类型提示：支持静态类型检查，有助于 IDE 的代码补全和错误检测。

使用 typing.NamedTuple

NamedTuple 是 collections 模块的一部分（Python 3.3+ 后移至 typing），它创建的是元组的子类，既有元组的不可变性特点，又有类似类的可读性。

代码示例

from typing import NamedTuple
class Point(NamedTuple):
    """使用 NamedTuple 定义一个结构化的点坐标"""
    x: int
    y: int
# 创建一个实例 (方式像调用函数)
p1 = Point(x=10, y=20)
# 访问属性
print(f"p1 的 x 坐标是: {p1.x}")  # 输出: p1 的 x 坐标是: 10
print(f"p1 的 y 坐标是: {p1.y}")  # 输出: p1 的 y 坐标是: 20
# NamedTuple 是不可变的，不能修改属性
# p1.x = 100  # 这行代码会抛出 AttributeError: can't set attribute
# 比较两个实例 (基于值的比较)
p2 = Point(x=10, y=20)
print(f"p1 和 p2 是否相等: {p1 == p2}") # 输出: p1 和 p2 是否相等: True

优点

• 轻量级：比 dataclass 更轻量，本质上是优化的元组。
• 不可变性：一旦创建，实例内容不能改变，这在某些场景下是优点（如作为字典的键）。
• 性能稍好：在属性访问和内存占用上可能比 dataclass 稍有优势。

缺点

• 不可变：如果你需要修改实例的属性，NamedTuple 就不合适了。

使用 ctypes (与 C 语言交互)

ctypes 模块用于和 C 语言的数据类型进行交互，它可以直接创建内存中的 C 风格结构体，非常适合需要与 C 库交互或进行底层内存操作的场景。

代码示例

from ctypes import Structure, c_int
class Point(Structure):
    """使用 ctypes 定义一个与 C 兼容的结构体"""
    _fields_ = [
        ("x", c_int),
        ("y", c_int)
    ]
# 创建实例
p1 = Point(x=10, y=20)
# 访问属性 (通过点号)
print(f"p1 的 x 坐标是: {p1.x}")  # 输出: p1 的 x 坐标是: 10
print(f"p1 的 y 坐标是: {p1.y}")  # 输出: p1 的 y 坐标是: 20
# 修改属性
p1.x = 100
print(f"修改后的 p1: {p1.x}, {p1.y}") # 输出: 修改后的 p1: 100, 20
# 获取内存地址
print(f"p1 在内存中的地址: {ctypes.addressof(p1)}")

优点

• C 语言兼容：可以直接传递给 C 函数，或用于解析二进制文件。
• 内存布局可控：可以精确控制结构体在内存中的对齐方式。

缺点

• 语法繁琐：需要定义 _fields_ 列表，不如前两种方法直观。
• 非 Pythonic：主要用于特定场景，不适合一般的应用程序开发。

使用 struct 模块 (打包/解包二进制数据)

struct 模块本身不是用来定义数据类型的，而是用来将 Python 的值（如整数）打包成二进制格式（bytes），或者从二进制数据中解包成 Python 值，它通常与文件 I/O 或网络通信结合使用。

虽然它不直接创建一个“结构体对象”，但它是实现结构化数据持久化和传输的核心工具。

代码示例

import struct
# 假设我们要打包一个点 (x=10, y=20)
# 'ii' 格式字符串表示两个 'int' 类型，每个 int 通常是 4 字节
# 字节顺序使用 '<' 表示小端法 (little-endian)
packed_data = struct.pack('<ii', 10, 20)
print(f"打包后的二进制数据: {packed_data}")
# 输出 (在 x86/x64 小端机器上): b'\n\x00\x00\x00\x14\x00\x00\x00'
# 解释: \n (10) + 3个字节0, \x14 (20) + 3个字节0
# 将二进制数据写入文件
with open('point.bin', 'wb') as f:
    f.write(packed_data)
# 从文件中读取并解包
with open('point.bin', 'rb') as f:
    # 读取 8 个字节 (因为两个 int 是 4*2=8 字节)
    data_from_file = f.read(8)
    x, y = struct.unpack('<ii', data_from_file)
print(f"从文件解包出的坐标: x={x}, y={y}") # 输出: 从文件解包出的坐标: x=10, y=20

优点

• 高效二进制处理：是处理二进制数据（如文件、网络包）的标准工具。
• 跨平台：可以指定字节顺序和对齐方式，确保数据在不同系统间正确传输。

缺点

• 不是数据类型：它是一个转换工具，不会创建一个可以在代码中直接使用的 Point 对象。
• 不安全：如果二进制数据格式不匹配（如文件损坏），unpack 会抛出异常。

总结与对比

最终建议

• 如果你想在 Python 代码中组织整数等数据：首选 dataclasses，它功能强大、语法简洁、易于维护，是现代 Python 开发的标准实践。
• 如果你的数据是不可变的，并且希望它像元组一样高效：使用 typing.NamedTuple。
• 如果你需要将数据写入文件、通过网络发送，或者与 C 语言库交互：使用 dataclasses 或 NamedTuple 来定义你的数据模型，然后使用 struct 模块将其打包成二进制格式进行传输或存储。