Python 3.10的几个好用的新特性

3.10版没有添加新的模块，但是引入了很多新的并且有用的特性。让我们来一起看看吧。

更详细语法错误提示信息

在调试代码时，能够提供更多的错误新信息和提示了，报告可以指出错误的语法，而不仅仅是提供“Syntax Error”。

这是个新的特性简直是太好了，不仅对于刚开始学习python的人来说对于所有人都是一个好消息，再也不需要去一个字一个字的看了。python 3.10会提示我们错误的位置，再也不需要StackOverflow了，哈。

结构模式匹配

结构模式匹配以 match 语句和 case 语句的形式使用。模式可以是序列、映射、python原始数据类型和类实例。我们可以把它看作switch 语句的加强版， 一个简单的例子：-

numbers = [1,2,3,4]

for n in numbers:

match n:

    case 1:

        print("Number is 1")

    case 2:

        print("Number is 2")

    case 3:

        print("Number is 3")

    case _:

        print("Number is not 1,2 or 3")

关键字match后跟变量名称。如果匹配，则将执行 case 块内的语句。如果没有匹配，则执行 case _ 块内的语句。

上面的程序结果如下所示：

Number is 1

Number is 2

Number is 3

Number is not 1,2 or 3

这种结构模式匹配还适用于复杂模式。

def human_age(person): # person = (name, age, gender)

match person:

    case (name, _, "male"):

        print(f" is man.")

    case (name, _, "female"):

        print(f" is woman.")

    case (name, age, gender):

        print(f" is old.")

结果是这样的：

human_age(("Carol", 25, "female"))

Carol is woman.

很像Scala啊，使用3.10的Pyspark应该会简单很多，这里贴个Scala代码，看看是不是很像

import scala.util.Random

val x: Int = Random.nextInt(10)

x match {

case 0 => "zero"

case 1 => "one"

case 2 => "two"

case _ => "other"

}

新型联合运算符

以 X|Y 的形式引入了新的类型联合运算符。这提供了表达 X 型或 Y 型的清晰形式。

def square(number: int|float):

return number ** 2

结果：

square(2.5)

6.25

新的运算符也可以用作 isinstance() 和 issubclass() 的第二个参数。

isinstance("3",int|str)

Trueisinstance("GoodBye",int|str)

True

现有模块的一些改进

pprint() 添加了一个新的关键字参数-underscore_numbers。

>>> pprint.pformat(int(1e9),underscore_numbers=True)

'1_000_000_000'

我们可以使用int.bit_count() 来计算整数的二进制表示中的位数。

value = 50

print(bin(value))

0b101010

print(value.bit_count())

3

有点像numpy的bincount啊

Statistics增加了协方差函数

>>> import statistics

>>> x = [1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> y = [1, 2, 3, 1, 2, 3, 1, 2, 3]

>>> statistics.covariance(x,y)

0.75

statistics.correlation()还能计算Pearson相关系数。

这俩我没想明白为什么要加，可能我作为AI开发，np，scipy和pandas都是必装，web开发也用不到这些吧，实在没懂加这个是为什么。

statistics.linear_regression()这个就好玩了，虽然也没什么用但是statistics可以计算线性回归了。

根据此线性函数描述自变量 x 和因变量 y 之间的关系：-

y = 斜率 * x + 截距 + 噪声

其中斜率和截距是估计的回归参数，噪声表示数据的可变性。

>>> years = [2001,2005,2010]

>>> houses_built = [5,8,14]

>>> slope, intercept = statistics.linear_regression(years, houses_built)

>>> round(slope * 2017 + intercept)

21

下一步加个梯度的反向传播，statistics模块就可以训练MLP了，哈

总结

其他的像Cpython之类的我觉得关系不大的就不细说了，3.10的语法提示真是太香了，绝对可以节省不少的开发调试时间，模式匹配也是个好东西，用过Scala的都知道。

最后就是我们到底要不要升级呢？对于我来说，我的python版本是根据Pytorch走的，Pytorch支持哪版我就用那版。虽然有Conda可以管理版本，但是还有很多其他的Python包还不知道支持不支持3.10，所以我的建议是再等等看吧，毕竟我们是拿来用的自己用的舒服才好。但是要是不考虑其他包兼容的问题3.10我肯定优先升级。

喜欢就关注一下吧：

点个在看你最好看！