Python在2020的新增功能:第1部分

Python在2020的新增功能:第1部分

自從好久之前改用了python3,語言層面的特徵變化就相對較小了,然而對於每個版本,Python都會添加一些新函數。
隨着Python3.8於2019年10月發佈,我發現本身使用的是這種語言的一些特性,關於Python每一個版本新增的特性,有以下python

  • 3.5-類型註解
  • 3.6-異步
  • 3.7-數據類
  • 3.8-海象算子
  • 3.9-字典聯合運算符和泛型類型提示
    以上全部的這些,我都會在代碼庫中使用到。
    oapbox演講:若是你仍在工做或項目中使用舊版本的Python,不要懼怕升級!你的舊代碼仍然能夠工做,並且你將從Python的新特性中獲益!
    免責聲明:若是你仍然使用Python2.7,在這種狀況下,我知道你頗有可能不會升級。
    下面我將回顧(快速)我最喜歡的一些特性,我但願你能夠在你的代碼中使用。
    它們是:類型註解、數據類、字典聯合運算符、海象算子。
    在這第一部分,我主要介紹:類型註解,海象算子。
    Python 3.5
    從Python 3開始,Typing就成爲了一個特性。由於咱們是開發人員,而不是歷史學家,因此Typing將提供類型註解和類型提示。
    Python不須要爲變量指定類型,這是我如此熱愛這門語言的部分緣由。清晰易讀的語法,能夠用20多種不一樣的方法編寫一個解決方案,但仍能獲得相同的結果。
    但後來隨着應用程序的增加,或者回頭看看你幾個月或幾年沒碰過的代碼,或者去閱讀別人寫的代碼。
    這種狀況下,你就會意識到變量不指定類型對你來講沒有啥好處。
    Typing 能夠幫助你解決這個問題,這也是TypeScript如此流行的緣由。
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不會檢查
cats2: List[str] = [Cat("Meowie", 2), Cat("Deathspawn", 8)]

print_cats(cats) 
print_cats(cats2) # 失敗

這將返回:正則表達式

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()

類型註解在這裏並無起到任何做用,那爲何要使用它們呢?由於在建立變量cats並用List[str]時,很明顯分配的數據應該與該結構相匹配,所以對於具備複雜類型的可維護代碼來講,這將變得更加有用。編程

from typing import List

class Cat(object):
    def __init__(self, name: str, age: int, **attrs):
        self.cattributes = {
            "name": name,
            "age": age,
            **attrs
        }

# 建立類型變量
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)

輸出:異步

Meowie has a name with 6 letters.
Deathspawn has a name with 10 letters.

在函數/方法定義中鍵入參數稱爲類型暗示,並且類型甚至沒必要是Python數據類型或來自typing模塊。例如最後一行提示性字符串是徹底合法的:ide

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)

在數據處理管道中,若是有不少複雜類型的變量,那這樣的操做可能會頗有用,由於你可能搞不清楚讀取的數據是什麼結構,你會試圖把它們弄清楚。在IDE上鼠標懸停在變量上會有類型提示的信息,而不是一個簡單的pandas.DataFrame提示。
額外的好處是:在python4中,前向引用能夠開箱即用,這意味着你能夠對還沒有定義的類型進行註解。咱們如今仍然能夠利用這種優點,在文件頂部編寫from future import annotations,而後執行如下操做:函數

from __future__ import annotations

class Food:
    """ 
    Food是合法的,即便沒有類別的定義。
    """
    def __init__(self, ingred_1: Food, ingred_2: Food) -> None:
        self.ingred_1 = ingred_1
        self.ingred_2 = ingred_2

原生類型註解-3.9
內置泛型類型是3.9中的一個特性,咱們不須要從typing中導入以向泛型數據類型添加參數。從3.7版開始,使用from futures import annotations就可使用這種方法,但這是由於它阻止了在運行時計算類型引用。
這個功能讓我很興奮。在3.8中我將typing導入每一個模塊,或者導入在公共模塊中。
示例(信貸:PEP 585):this

>>> 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:,而後有牙齒=。
:=是Python3.8中新增的賦值表達式。spa

complicated = {
    "data": {
        "list": [1,2,3],
        "other": "stuff"
    }
}

if (nums := complicated.get('data').get('list')):
    print(nums)

結果:code

1
2
3

若是沒有海象,會有更多的代碼行。blog

...

nums = complicated.get('data').get('list')
if nums:
    print(nums)

因爲控制流語句在編程中常用,使用海象算子能夠簡化代碼。
來自PEP 572:
這樣的命名錶達式的值與合併表達式的值的結果是相同的,但附加的做用是目標被賦給了該值
換言之,用一個表達式表達了兩個語句。
在我複製/粘貼PEP指南的同時,這裏還有一些規範中的示例,我認爲它們是很好的示例。火燒眉毛地想嘗試一下海象算子來理解列表。

# #處理匹配正則表達式
if (match := pattern.search(data)) is not None:
    # 匹配後...

# 一個更直觀易寫的循環
while chunk := file.read(8192):
   process(chunk)

# 重用一個計算成本很高的值
[y := f(x), y**2, y**3]

# 在理解filter語句及其輸出之間共享子表達式
filtered_data = [y for x in data if (y := f(x)) is not None]

結論
最近對Python語言的添加提供了一些至關不錯的特性以供實踐。我但願你以爲typing和海象算子對你的編程是有用。
參考連接:https://towardsdatascience.com/whats-new-in-python-2020-part-1-c101939c8800

相關文章
相關標籤/搜索