파이썬을 어느 정도 학습한 이후에는 "데이터를 어떻게 표현할 것인가?"가 매우 중요한 주제가 됩니다.

실무에서는 다음과 같이 사용하는 경우가 많습니다.

• 일반 클래스(Class) → 비즈니스 로직이 많은 객체
• NamedTuple → 변경되지 않는(Immutable) 간단한 데이터
• dataclass → 대부분의 데이터 객체(DTO, Entity)
• Pydantic BaseModel → API 입출력, JSON 검증

아래에서 하나씩 비교해보겠습니다.

---

한눈에 비교

항목	일반 Class	NamedTuple	dataclass	BaseModel(Pydantic)
목적	객체지향 프로그래밍	읽기 전용 데이터	데이터 저장	데이터 검증 + 직렬화
Mutable	O	X	O (기본)	O (기본)
Immutable 가능	직접 구현	기본 제공	frozen=True	frozen=True
생성자 자동 생성	X	O	O	O
repr 자동	X	O	O	O
비교(eq) 자동	X	O	O	O
타입 힌트	선택	O	O	O
런타임 타입 검사	X	X	X	O
JSON 변환	직접 작성	직접 작성	asdict()	model_dump(), model_dump_json()
Validation	X	X	X	매우 강력
속도	빠름	매우 빠름	빠름	상대적으로 느림
메모리	보통	매우 적음	적음	가장 큼
실무 사용 빈도	★★★★☆	★★☆☆☆	★★★★★	★★★★★

---

언제 무엇을 사용할까?

상황	추천
비즈니스 로직이 많다	일반 Class
좌표, RGB, Point처럼 변경되지 않는 데이터	NamedTuple
대부분의 DTO, Entity	dataclass
FastAPI Request/Response	BaseModel
JSON 검증	BaseModel
DB Entity	dataclass
설정 파일(Config)	BaseModel
계산 객체	일반 Class

---

1. 일반 클래스(Class)

특징

• 가장 자유롭다.
• 메서드를 많이 넣을 수 있다.
• 생성자를 직접 작성해야 한다.

예를 들어 쇼핑몰의 상품을 생각해보겠습니다.

class Product:
    """
    상품 클래스

    데이터뿐 아니라
    상품의 동작(비즈니스 로직)도 함께 가진다.
    """

    def __init__(self, name: str, price: int):
        # 상품명
        self.name = name

        # 가격
        self.price = price

    def discount(self, percent: int):
        """
        할인 적용

        예:
        percent = 20
        -> 가격을 20% 할인
        """

        self.price = int(self.price * (100 - percent) / 100)

    def print_info(self):
        """상품 정보 출력"""

        print(f"상품명 : {self.name}")
        print(f"가격 : {self.price:,}원")


product = Product("노트북", 1800000)

product.print_info()

product.discount(10)

product.print_info()

출력

상품명 : 노트북
가격 : 1,800,000원

상품명 : 노트북
가격 : 1,620,000원

---

장점

✔ 객체지향에 적합

✔ 기능(메서드)을 많이 넣을 수 있음

✔ 상속에 유리

---

단점

• 생성자를 직접 작성해야 함
• repr 없음
• 비교 연산 없음

---

2. NamedTuple

특징

읽기 전용(Immutable) 데이터입니다.

좌표처럼 변경되면 안 되는 데이터를 표현할 때 좋습니다.

from typing import NamedTuple

class Point(NamedTuple):
    """
    2차원 좌표

    한번 생성되면 수정할 수 없다.
    """

    x: int
    y: int


point = Point(10, 20)

print(point.x)
print(point.y)

# point.x = 100
# AttributeError 발생

---

출력

10
20

---

장점

• 메모리 사용량 적음
• Immutable
• Tuple처럼 사용 가능

x, y = point

print(x)
print(y)

---

단점

• 수정 불가능
• 기능 추가가 어려움

---

실무 예

class RGB(NamedTuple):
    red: int
    green: int
    blue: int

이미지 처리에서 자주 사용됩니다.

---

3. dataclass

가장 많이 사용하는 데이터 객체입니다.

from dataclasses import dataclass

@dataclass
class Customer:
    """
    고객 정보

    __init__
    __repr__
    __eq__
    를 자동 생성한다.
    """

    id: int
    name: str
    age: int


customer = Customer(
    id=1,
    name="홍길동",
    age=25
)

print(customer)

출력

Customer(id=1, name='홍길동', age=25)

---

수정 가능

customer.age = 30

print(customer)

---

자동 비교

a = Customer(1, "홍길동", 25)
b = Customer(1, "홍길동", 25)

print(a == b)

출력

True

---

dict 변환

from dataclasses import asdict

print(asdict(customer))

출력

{
    'id':1,
    'name':'홍길동',
    'age':30
}

---

실무 예

전자상거래 주문 Entity

from dataclasses import dataclass

@dataclass
class Order:
    """
    주문 Entity
    """

    order_id: int
    customer: str
    total_price: int

ORM 없이 간단한 프로젝트에서 많이 사용됩니다.

---

4. BaseModel (Pydantic)

실무에서 FastAPI를 사용한다면 가장 많이 만나는 클래스입니다.

from pydantic import BaseModel, Field

class User(BaseModel):
    """
    회원 가입 데이터

    입력값을 자동 검증한다.
    """

    name: str

    age: int = Field(
        ge=0,
        le=120
    )

    email: str


user = User(
    name="홍길동",
    age=25,
    email="test@test.com"
)

print(user)

---

Validation

User(
    name="홍길동",
    age=-5,
    email="abc@test.com"
)

결과

ValidationError

age
Input should be greater than or equal to 0

---

JSON 변환

print(user.model_dump())

출력

{
    "name":"홍길동",
    "age":25,
    "email":"test@test.com"
}

---

JSON 문자열

print(user.model_dump_json())

---

실무 예

FastAPI Request

from pydantic import BaseModel, EmailStr, Field

class RegisterRequest(BaseModel):
    """
    회원가입 요청 모델

    클라이언트가 보낸 데이터를
    자동으로 검증한다.
    """

    username: str = Field(min_length=3, max_length=20)
    password: str = Field(min_length=8)
    email: EmailStr

클라이언트가 잘못된 이메일이나 너무 짧은 비밀번호를 보내면 Pydantic이 자동으로 검증하여 오류를 반환합니다.

---

실무에서 가장 많이 쓰이는 패턴

계층	사용하는 객체
API Request	BaseModel
API Response	BaseModel
Service	일반 Class
Domain Entity	dataclass
Repository	dataclass
설정(Config)	BaseModel
Value Object	NamedTuple 또는 @dataclass(frozen=True)

---

어떤 것을 선택해야 할까?

                 데이터를 표현하려는가?
                        │
               ┌────────┴────────┐
               │                 │
         검증이 필요한가?      비즈니스 로직이 많은가?
               │                 │
          ┌────┴────┐         ┌──┴──┐
          │         │         │     │
        예          아니오    예    아니오
          │          │         │      │
      BaseModel   dataclass   Class  Immutable?
                                      │
                               ┌──────┴──────┐
                               │             │
                              예            아니오
                               │             │
                    NamedTuple 또는       dataclass
                    @dataclass(frozen=True)

학습 순서 추천

파이썬 중급 과정에서는 다음 순서로 학습하면 개념이 자연스럽게 연결됩니다.

1. 일반 클래스(Class): 객체지향의 기본 원리와 캡슐화, 메서드 설계

2. NamedTuple: 불변(Immutable) 데이터와 경량 객체

3. dataclass: 데이터 중심 객체와 자동 메서드 생성

4. Pydantic BaseModel: 데이터 검증, 직렬화, API 모델링

5. 추가 심화 주제

   • __slots__를 이용한 메모리 최적화
   • @dataclass(frozen=True)를 활용한 불변 객체
   • field(default_factory=...)와 __post_init__()
   • typing.Protocol과 ABC를 활용한 인터페이스 설계
   • attrs 라이브러리와 dataclass 비교
   • Pydantic v2의 field_validator, computed_field, model_validator 활용