Python 2 T0 3中你需要掌握的新功能

根据Python EOL政策，Python 2的还剩下7个月的维护时间，此后从2020年开始Python即将停止维护更新。大家肯定已经开始逐渐用起了Python 3了，但是Python 3的新功能、新语法可能很多人还都没用起来。本文虫虫建给大家实例介绍一些Python 3非常好用的功能h语法，本文中所有的示例基于Jupyter Notebook+Python 3.7编写的。

f-strings

在编程语言中字符处理是最基本的功能，在Python我们习惯的字符处理格式是下面这样的format的方式：

user = "Chongchong"

action = "print"

log_message = '用户{} 登陆，并且操作 {} ！'.format(

user,

action

)

print(log_message)

结果：

除了format之外，Python 3还引入了一种通过f-string更灵活的字符串插值的方法。使用f-strings的上述代码如下所示：

user = "Chongchong"

action = "print"

log_message = f'用户 登陆，并且操作了 。'

print(log_message)

结果：

是不是很简单方便，有了点Perl字符的意味？

Pathlib

为了方便处理文件路径等路径类的字符串， Python 3提供了pathlib来处理文件路径，他的使用也非常简单：

from pathlib import Path

root = Path('Newdir')

print(root)

path = root / 'Chongchong'

print(path.resolve())

代码解析：其中Path操作新引入一个目录，resolve()函数解析出绝对路径，结果如下：

类型提示

变量类型是动态语言和静态语言根本区分之一，静态类型安全高效，是使用比较繁琐。动态类型使用灵活方便，但是性能安全性较差，容易出现变量类型的混淆不太确定。Python 3中推出了一个类型提示功能，可以让我们验证的变量类型是是不是正常。

def sayhello(name: str) -> str:

return 'Hello ' + name

# sayhello ("虫虫") # Hello虫虫

sayhello (55)

结果会报错，类型不匹配：

枚举

Python 3支持通过Enum类方便的生成枚举类型。枚举是一种存储常量列表的便捷的数据结构，使用枚举非常我们方便地统一管理常量和保持代码整洁。

from enum import Enum, auto

class SPORTS(Enum):

RACE = auto()

SWIMMING = auto()

BALL = auto()

SKIIING = auto()

SPORTS(2)

结果如下：

数据类

在Python 3中开始引入了数据类的功能。数据类没有语法限制，可用于减少样板代码，装饰器会自动生成特殊方法，例如__init__()以及__repr()__。从官方proposal中叫做"具有默认值的可变命名元组"。举个简单的例子：

class Sum:

def __init__(self, digi: float, description: str, level: int = 1):

self.digi = digi

self.level = level

self.description = description

def power(self) -> float:

return pow(self.digi,self.level)

dig = Sum(5.2, "计算类", 2)

print(dig.power())

print(dig.description)

print(dig)

结果：

我们使用数据类来实现相同的功能：

from dataclasses import dataclass

@dataclass

class Sumd:

digi: float

description: str

level: int = 1

def power(self) -> float:

return pow(self.digi ,self.level)

digd= Sumd(5.2, "数据类", 2)

print(digd.power())

print(digd)

结果如下：

lru_cache缓存

高速缓存是有效提高系统性能的最有效的方式。Python 3提供一个装饰器lru_cache用来表示LRU（最近最少使用）缓存，通过该装饰器我们可以非常翻遍的使用缓存。我们以近点的递归算法示例Fibonacci数组的计算来展示缓存的巨大作用。

首先是没有缓存的版本：

import time

def fib(number: int) -> int:

if number == 0: return 0

if number == 1: return 1

return fib(number-1) + fib(number-2)

start = time.time()

fib(36)

结果：

耗时：8s多

我们使用用lru_cache优化它代码：

from functools import lru_cache

@lru_cache(maxsize=512)

def fib_memoization(number: int) -> int:

if number == 0: return 0

if number == 1: return 1

return fib_memoization(number-1) + fib_memoization(number-2)

start = time.time()

fib_memoization(100)

print(f'Duration: s')

结果：

我可以试着改变参数，不论计算多大的数字，结果都会在纳秒级别出来，而对第一个没有缓存的版本，如果n再大的话就太耗时算不出来了。

可扩展递归解包

看代码：

head, *body, tail = range(5)

print(head, body, tail)

py, filename, *cmds = "python3.7 script.py -n 5 -l 15".split()

print(py)

print(filename)

print(cmds)

first, _, third, *_ = range(10)

print(first, third)

结果很能说明功能，该功能非常适用于赋值，命令行参数解析等。

隐式命名空间包

Python代码类库常见的组织方法是用包packages（带有__init__.py文件的文件夹）。下面一个示例是Python文档：

在Python 2中，每个文件夹都必须有一个__init__.py文件，该文件实现将当前目录转换为Python包。在Python 3中，引入了隐式命名空间包，__init__.py将成为历史。

总结

本文中虫虫给大家介绍了一些个人认为值得掌握的Python 3功能，更多的功能请参考Python官方文档，如果你有比较喜欢的Python 3好用的新功能，也请你回复介绍给大家。