Python中非内置类型实例如何实现不可变？numpy元类赋值报错解析

实现非内置类型实例的不可变，常用以下几种方式：

• 重写__setattr__方法，阻止属性修改
  在类中自定义__setattr__，当尝试修改已存在的属性时抛出异常，仅允许初始化阶段设置属性：

  class ImmutableObj:
      def __init__(self, value):
          self._value = value
      
      def __setattr__(self, name, value):
          # 若属性已存在，拒绝修改
          if hasattr(self, name):
              raise AttributeError("无法修改不可变对象的属性")
          # 初始化阶段允许设置属性
          super().__setattr__(name, value)
      
      @property
      def value(self):
          return self._value
  

• 结合__slots__与只读属性
  用__slots__限制实例可拥有的属性范围，再通过property只提供属性的读取方法，不暴露修改接口：

  class ImmutableObj:
      __slots__ = ('_value',)
      
      def __init__(self, value):
          self._value = value
      
      @property
      def value(self):
          return self._value
  

• 冻结实例属性字典
  初始化完成后，用types.MappingProxyType包装实例的__dict__，将其转为只读映射：

  import types
  
  class ImmutableObj:
      def __init__(self, value):
          self._value = value
          # 冻结属性字典，禁止后续修改
          self.__dict__ = types.MappingProxyType(self.__dict__)
  

执行type(np.dtype).moo = 7时报错，核心原因是numpy的_DTypeMeta元类被标记为不可变类型，具体细节如下：

1. Python底层的类型控制机制
   Python的C API允许给类型对象设置Py_TPFLAGS_IMMUTABLETYPE标志位，当类型被标记为这个状态后，type.__setattr__在尝试修改类型属性时会触发检查，一旦检测到该标志，就抛出TypeError，阻止属性修改。

2. numpy的实现方式
   numpy._DTypeMeta是用C扩展实现的元类，numpy在定义这个元类时，通过C API设置了Py_TPFLAGS_IMMUTABLETYPE标志。这和float等内置不可变类型的原理完全一致——并非依赖内存位置检查，而是通过类型对象的标志位来限制修改。

3. 关于type.__setattr__的检测逻辑
   当执行type.__setattr__(numpy._DTypeMeta, "moo", 7)时，底层会先检查目标类型对象的标志位，发现_DTypeMeta被标记为不可变，就直接抛出错误，和它是否是内置库无关。

内容的提问来源于stack exchange，提问作者to7m