自从很久以前改用了python3,语言层面的特征变化就相对较小了,然而对于每一个版本,Python都会添加一些新函数。随着Python3．8于2019年10月发布,我发现自己使用的是这种语言的一些特性,关于Python每个版本新增的特性,有如下3．5-类型注解3．6-异步3．7-数据类3．8-海象算子3．9-字典联合运算符和泛型类型提示以上所有的这些,我都会在代码库中使用到。
oapbox演讲:如果你仍在工作或项目中使用旧版本的Python,不要害怕升级!你的旧代码仍然可以工作,而且你将从Python的新特性中获益!免责声明:如果你仍然使用Python2．7,在这种情况下,我知道你很有可能不会升级。
下面我将回顾(快速)我最喜欢的一些特性,我希望你可以在你的代码中使用。它们是:类型注解、数据类、字典联合运算符、海象算子。在这第一部分,我主要介绍:类型注解,海象算子。Python 3．5从Python 3开始,Typing就成为了一个特性。因为我们是开发人员,而不是历史学家,所以Typing将提供类型注解和类型提示。Python不需要为变量指定类型,这是我如此热爱这门语言的部分原因。清晰易读的语法,可以用20多种不同的方法编写一个解决方案,但仍能得到相同的结果。但后来随着应用程序的增长,或者回头看看你几个月或几年没碰过的代码,或者去阅读别人写的代码。这种情况下,你就会意识到变量不指定类型对你来说没有啥好处。Typing 可以帮助你解决这个问题,这也是TypeScript如此流行的原因。from typing import List
def print_cats(cats: List[str]) -> None:
for cat in cats:
print(f"{cat} has a name with {len(cat)} letters．")
class Cat(object):
def __init__(self, name: str, age: int, **attrs):
self．cattributes = {
"name": name,
"age": age,
**attrs
}
cats = "this still works w/o type annotation!"
cats: List[str] = ["Meowie", "Fluffy", "Deathspawn"]
# 不是字符串列表,Python不会检查
cats2: List[str] = [Cat("Meowie", 2), Cat("Deathspawn", 8)]
print_cats(cats)
print_cats(cats2) # 失败
这将返回:Meowie has a name with 6 letters．
Fluffy has a name with 6 letters．
Deathspawn has a name with 10 letters．
--------------------------------------------
．．．
TypeError: object of type 'Cat' has no len()
类型注解在这里并没有起到任何作用,那为什么要使用它们呢?因为在创建变量cats并用List[str]时,很明显分配的数据应该与该结构相匹配,因此对于具有复杂类型的可维护代码来说,这将变得更加有用。from typing import List
class Cat(object):
def __init__(self, name: str, age: int, **attrs):
self．cattributes = {
"name": name,
"age": age,
**attrs
}
# 创建类型变量
Cats: type = List[Cat]
def print_cats(cats: Cats) -> None:
for cat in cats:
name: str = cat．cattributes．get("name")
print(f"{name} has a name with {len(name)} letters．")
cats = [Cat("Meowie", 2), Cat("Deathspawn", 8)]
print_cats(cats)
输出:Meowie has a name with 6 letters．
Deathspawn has a name with 10 letters．
在函数/方法定义中键入参数称为类型暗示,而且类型甚至不必是Python数据类型或来自typing模块。例如最后一行提示性字符串是完全合法的:import pandas as pd
cols = ["name", "age", "gender"]
data = [["Meowie", 2, "female"],
["Fluffy", 5, "male"],
["Deathspawn", 8, "rather not say"]]
df: pd．DataFrame = pd．DataFrame()
df: "name (string), age (integer), gender (string)" =
pd．DataFrame(data, columns=cols)
在数据处理管道中,如果有很多复杂类型的变量,那这样的操作可能会很有用,因为你可能搞不清楚读取的数据是什么结构,你会试图把它们弄清楚。在IDE上鼠标悬停在变量上会有类型提示的信息,而不是一个简单的pandas．DataFrame提示。额外的好处是:在python4中,前向引用可以开箱即用,这意味着你可以对尚未定义的类型进行注解。我们现在仍然可以利用这种优势,在文件顶部编写from __future__ import annotations,然后执行以下操作:from __future__ import annotations
class Food:
"""
Food是合法的,即使没有类别的定义。
"""
def __init__(self, ingred_1: Food, ingred_2: Food) -> None:
self．ingred_1 = ingred_1
self．ingred_2 = ingred_2
原生类型注解-3．9内置泛型类型是3．9中的一个特性,我们不需要从typing中导入以向泛型数据类型添加参数。从3．7版开始,使用from __futures__ import annotations就可以使用这种方法,但这是因为它阻止了在运行时计算类型引用。这个功能让我很兴奋。在3．8中我将typing导入每个模块,或者导入在公共模块中。示例(信贷:PEP 585):>>> l = list[str]()
[]
>>> list is list[str]
False
>>> list == list[str]
False
>>> list[str] == list[str]
True
>>> list[str] == list[int]
False
>>> isinstance([1, 2, 3], list[str])
TypeError: isinstance() arg 2 cannot be a parameterized generic
>>> issubclass(list, list[str])
TypeError: issubclass() arg 2 cannot be a parameterized generic
>>> isinstance(list[str], types．GenericAlias)
True
def find(haystack: dict[str, list[int]]) -> int:
．．．
海象算子-3．8海象有眼睛:,然后有牙齿=。:=是Python3．8中新增的赋值表达式。complicated = {
"data": {
"list": [1,2,3],
"other": "stuff"
}
}
if (nums := complicated．get('data')．get('list')):
print(nums)
结果:1
2
3
如果没有海象,会有更多的代码行。．．．
nums = complicated．get('data')．get('list')
if nums:
print(nums)
由于控制流语句在编程中经常使用,使用海象算子可以简化代码。来自PEP 572:这样的命名表达式的值与合并表达式的值的结果是相同的,但附加的作用是目标被赋给了该值换言之,用一个表达式表达了两个语句。在我复制/粘贴PEP指南的同时,这里还有一些规范中的示例,我认为它们是很好的示例。迫不及待地想尝试一下海象算子来理解列表。# #处理匹配正则表达式
if (match := pattern．search(data)) is not None:
# 匹配后．．．
# 一个更直观易写的循环
while chunk := file．read(8192):
process(chunk)
# 重用一个计算成本很高的值
[y := f(x), y**2, y**3]
# 在理解filter语句及其输出之间共享子表达式
filtered_data = [y for x in data if (y := f(x)) is not None]
结论最近对Python语言的添加提供了一些相当不错的特性以供实践。我希望你觉得typing和海象算子对你的编程是有用。
