在Python 2.7即將中止支持時，咱們爲你準備了一份3.x遷移指南

時間  2019-11-22
標籤 python 2.7 即將 中止 支持 咱們 爲你 準備 一份 3.x 遷移 指南 欄目 Python 简体版
原文   原文鏈接

文章選自GitHub，做者：Alex Rogozhnikov，機器之心編譯html

目前，Python 科學棧中的全部主要項目都同時支持 Python 3.x 和 Python 2.7，不過，這種狀況很快即將結束。去年 11 月，Numpy 團隊的一份聲明引起了數據科學社區的關注：這一科學計算庫即將放棄對於 Python 2.7 的支持，全面轉向 Python 3。Numpy 並非惟一宣稱即將放棄 Python 舊版本支持的工具，pandas 與 Jupyter notebook 等不少產品也在即將放棄支持的名單之中。對於數據科學開發者而言，如何將已有項目從 Python 2 轉向 Python 3 成爲了正在面臨的重大問題。來自莫斯科大學的 Alex Rogozhnikov 博士爲咱們整理了一份代碼遷移指南。python


Python 3 功能簡介

Python 是機器學習和其餘科學領域中的主流語言，咱們一般須要使用它處理大量的數據。Python 兼容多種深度學習框架，且具有不少優秀的工具來執行數據預處理和可視化。git

可是，Python 2 和 Python 3 長期共存於 Python 生態系統中，不少數據科學家仍然使用 Python 2。2019 年末，Numpy 等不少科學計算工具都將中止支持 Python 2，而 2018 年後 Numpy 的全部新功能版本將只支持 Python 3。github

爲了使 Python 2 向 Python 3 的轉換更加輕鬆，我收集了一些 Python 3 的功能，但願對你們有用。算法


使用 pathlib 更好地處理路徑

pathlib 是 Python 3 的默認模塊，幫助避免使用大量的 os.path.joins：express

from pathlib import Path

dataset = 'wiki_images'
datasets_root = Path('/path/to/datasets/') 
train_path = datasets_root / dataset / 'train'
test_path = datasets_root / dataset / 'test'

for image_path in train_path.iterdir():    
    with image_path.open() as f: # note, open is a method of Path object 
         # do something with an image複製代碼

Python 2 老是試圖使用字符串級聯（準確，但很差），如今有了 pathlib，代碼安全、準確、可讀性強。django

此外，pathlib.Path 具有大量方法，這樣 Python 新用戶就不用每一個方法都去搜索了：編程

p.exists()
p.is_dir()
p.parts()p.with_name('sibling.png') # only change the name, but keep the folder
p.with_suffix('.jpg') # only change the extension, but keep the folder and the name
p.chmod(mode)
p.rmdir()複製代碼

pathlib 會節約大量時間，詳見：json

  • 文檔：https://docs.python.org/3/library/pathlib.html；數組

  • 參考信息：https://pymotw.com/3/pathlib/。


類型提示（Type hinting）成爲語言的一部分

PyCharm 中的類型提示示例：

Python 不僅是適合腳本的語言，如今的數據流程還包括大量步驟，每一步都包括不一樣的框架（有時也包括不一樣的邏輯）。

類型提示被引入 Python，以幫助處理愈來愈複雜的項目，使機器能夠更好地進行代碼驗證。而以前須要不一樣的模塊使用自定義方式在文檔字符串中指定類型（注意：PyCharm 能夠將舊的文檔字符串轉換成新的類型提示）。

下列代碼是一個簡單示例，能夠處理不一樣類型的數據（這就是咱們喜歡 Python 數據棧之處）。

def repeat_each_entry(data):    
     """ Each entry in the data is doubled <blah blah nobody reads the documentation till the end> """    
     index = numpy.repeat(numpy.arange(len(data)), 2)    
     return data[index]複製代碼

上述代碼適用於 numpy.array（包括多維）、astropy.Table 和 astropy.Column、bcolz、cupy、mxnet.ndarray 等。

該代碼一樣可用於 pandas.Series，可是方式是錯誤的：

repeat_each_entry(pandas.Series(data=[0, 1, 2], index=[3, 4, 5])) # returns Series with Nones inside複製代碼

這是一個兩行代碼。想象一下複雜系統的行爲多麼難預測，有時一個函數就可能致使錯誤的行爲。明確瞭解哪些類型方法適合大型系統頗有幫助，它會在函數未獲得此類參數時給出提醒。

def repeat_each_entry(data: Union[numpy.ndarray, bcolz.carray]):複製代碼

若是你有一個很棒的代碼庫，類型提示工具如 MyPy 可能成爲集成流程中的一部分。不幸的是，提示沒有強大到足覺得 ndarrays/tensors 提供細粒度類型，可是或許咱們很快就能夠擁有這樣的提示工具了，這將是 DS 的偉大功能。


類型提示 → 運行時的類型檢查

默認狀況下，函數註釋不會影響代碼的運行，不過它也只能幫你指出代碼的意圖。

可是，你能夠在運行時中使用 enforce 等工具強制進行類型檢查，這能夠幫助你調試代碼（不少狀況下類型提示不起做用）。

@enforce.runtime_validation
def foo(text: str) -> None:    
    print(text)
foo('Hi') # ok
foo(5)    # fails

@enforce.runtime_validation
def any2(x: List[bool]) -> bool:    
    return any(x)

any ([False, False, True, False]) # True
any2([False, False, True, False]) # True

any (['False']) # True
any2(['False']) # fails

any ([False, None, "", 0]) # False
any2([False, None, "", 0]) # fails複製代碼


函數註釋的其餘用處

如前所述，註釋不會影響代碼執行，並且會提供一些元信息，你能夠隨意使用。

例如，計量單位是科學界的一個廣泛難題，astropy 包提供一個簡單的裝飾器（Decorator）來控制輸入量的計量單位，並將輸出轉換成所需單位。

# Python 3
from astropy import units as u
@u.quantity_input()
def frequency(speed: u.meter / u.s, wavelength: u.m) -> u.terahertz:    
    return speed / wavelength

frequency(speed=300_000 * u.km / u.s, wavelength=555 * u.nm)
# output: 540.5405405405404 THz, frequency of green visible light複製代碼

若是你擁有 Python 表格式科學數據（沒必要要太多），你應該嘗試一下 astropy。你還能夠定義針對某個應用的裝飾器，用一樣的方式來控制／轉換輸入和輸出。


經過 @ 實現矩陣乘法

下面，咱們實現一個最簡單的機器學習模型，即帶 L2 正則化的線性迴歸：

# l2-regularized linear regression: || AX - b ||^2 + alpha * ||x||^2 -> min

# Python 2
X = np.linalg.inv(np.dot(A.T, A) + alpha * np.eye(A.shape[1])).dot(A.T.dot(b))
# Python 3
X = np.linalg.inv(A.T @ A + alpha * np.eye(A.shape[1])) @ (A.T @ b)複製代碼

下面 Python 3 帶有 @ 做爲矩陣乘法的符號更具備可讀性，且更容易在深度學習框架中轉譯：由於一些如 X @ W + b[None, :] 的代碼在 numpy、cupy、pytorch 和 tensorflow 等不一樣庫下都表示單層感知機。


使用 ** 做爲通配符

遞歸文件夾的通配符在 Python2 中並非很方便，所以才存在定製的 glob2 模塊來克服這個問題。遞歸 flag 在 Python 3.6 中獲得了支持。

import glob

# Python 2
found_images = \    
    glob.glob('/path/*.jpg') \  
    + glob.glob('/path/*/*.jpg') \  
    + glob.glob('/path/*/*/*.jpg') \  
    + glob.glob('/path/*/*/*/*.jpg') \  
    + glob.glob('/path/*/*/*/*/*.jpg') 

# Python 3
found_images = glob.glob('/path/**/*.jpg', recursive=True)複製代碼

python3 中更好的選擇是使用 pathlib：

# Python 3found_images = pathlib.Path('/path/').glob('**/*.jpg')複製代碼


Print 在 Python3 中是函數

Python 3 中使用 Print 須要加上麻煩的圓括弧，但它仍是有一些優勢。

使用文件描述符的簡單句法：

print >>sys.stderr, "critical error"      # Python 2
print("critical error", file=sys.stderr)  # Python 3複製代碼

在不使用 str.join 下輸出 tab-aligned 表格：

# Python 3
print(*array, sep='\t')
print(batch, epoch, loss, accuracy, time, sep='\t')複製代碼

修改與從新定義 print 函數的輸出：

# Python 3
_print = print # store the original print function
def print(*args, **kargs):    
    pass  # do something useful, e.g. store output to some file複製代碼

在 Jupyter 中，很是好的一點是記錄每個輸出到獨立的文檔，並在出現錯誤的時候追蹤出現問題的文檔，因此咱們如今能夠重寫 print 函數了。

在下面的代碼中，咱們可使用上下文管理器暫時重寫 print 函數的行爲：

@contextlib.contextmanager
def replace_print():    
    import builtins    
    _print = print # saving old print function 
    # or use some other function here 
    builtins.print = lambda *args, **kwargs: _print('new printing', *args, **kwargs)    
    yield    
    builtins.print = _print

with replace_print():    
     <code here will invoke other print function>複製代碼

上面並非一個推薦的方法，由於它會引發系統的不穩定。

print 函數能夠加入列表解析和其它語言構建結構。

# Python 3
result = process(x) if is_valid(x) else print('invalid item: ', x)複製代碼


f-strings 可做爲簡單和可靠的格式化

默認的格式化系統提供了一些靈活性，且在數據實驗中不是必須的。但這樣的代碼對於任何修改要麼太冗長，要麼就會變得很零碎。而表明性的數據科學須要以固定的格式迭代地輸出一些日誌信息，一般須要使用的代碼以下：

# Python 2
print('{batch:3} {epoch:3} / {total_epochs:3} accuracy: {acc_mean:0.4f}±{acc_std:0.4f} time: {avg_time:3.2f}'.format(    
    batch=batch, epoch=epoch, total_epochs=total_epochs,     
    acc_mean=numpy.mean(accuracies), acc_std=numpy.std(accuracies),    
    avg_time=time / len(data_batch)
))
# Python 2 (too error-prone during fast modifications, please avoid):
print('{:3} {:3} / {:3} accuracy: {:0.4f}±{:0.4f} time: {:3.2f}'.format(    
    batch, epoch, total_epochs, numpy.mean(accuracies), numpy.std(accuracies),    
    time / len(data_batch) 
))複製代碼

樣本輸出：

120  12 / 300  accuracy: 0.8180±0.4649 time: 56.60複製代碼

f-strings 即格式化字符串在 Python 3.6 中被引入：

# Python 3.6+
print(f'{batch:3} {epoch:3} / {total_epochs:3} accuracy: {numpy.mean(accuracies):0.4f}±{numpy.std(accuracies):0.4f} time: {time / len(data_batch):3.2f}')複製代碼

另外，寫查詢語句時很是方便：

query = f"INSERT INTO STATION VALUES (13, '{city}', '{state}', {latitude}, {longitude})"複製代碼


「true division」和「integer division」之間的明顯區別

對於數據科學來講這種改變帶來了便利（但我相信對於系統編程來講不是）。

data = pandas.read_csv('timing.csv')
velocity = data['distance'] / data['time']複製代碼

Python 2 中的結果依賴於『時間』和『距離』（例如，以米和秒爲單位）是否被保存爲整數。

在 Python 3 中，結果的表示都是精確的，由於除法的結果是浮點數。

另外一個案例是整數除法，如今已經做爲明確的運算：

n_gifts = money // gift_price  # correct for int and float arguments複製代碼

注意，該運算能夠應用到內建類型和由數據包（例如，numpy 或 pandas）提供的自定義類型。


嚴格排序

# All these comparisons are illegal in Python 3
3 < '3'
2 < None
(3, 4) < (3, None)
(4, 5) < [4, 5]

# False in both Python 2 and Python 3
(4, 5) == [4, 5]複製代碼

防止不一樣類型實例的偶然性的排序。

sorted([2, '1', 3])  # invalid for Python 3, in Python 2 returns [2, 3, '1']複製代碼

在處理原始數據時幫助發現存在的問題。

旁註：對 None 的合適檢查是（兩個版本的 Python 都適用）：

if a is not None:  
    pass

if a: # WRONG check for None 
    pass複製代碼


天然語言處理的 Unicode

s = '您好'
print(len(s))
print(s[:2])複製代碼

輸出：

  • Python 2: 6\n��

  • Python 3: 2\n 您好.

x = u'со'
x += 'co' # ok
x += 'со' # fail複製代碼

Python 2 在此失敗了，而 Python 3 能夠如期工做（由於我在字符串中使用了俄文字母）。

在 Python 3 中 strs 是 Unicode 字符串，對非英語文本的 NLP 處理更加方便。

還有其它有趣的方面，例如：

'a' < type < u'a'  # Python 2: True
'a' < u'a'         # Python 2: False複製代碼
from collections import Counter
Counter('Möbelstück')複製代碼

  • Python 2: Counter({'\xc3': 2, 'b': 1, 'e': 1, 'c': 1, 'k': 1, 'M': 1, 'l': 1, 's': 1, 't': 1, '\xb6': 1, '\xbc': 1})

  • Python 3: Counter({'M': 1, 'ö': 1, 'b': 1, 'e': 1, 'l': 1, 's': 1, 't': 1, 'ü': 1, 'c': 1, 'k': 1})

這些在 Python 2 裏也能正確地工做，但 Python 3 更爲友好。


保留詞典和**kwargs 的順序

在 CPython 3.6+ 版本中，字典的默認行爲相似於 OrderedDict（在 3.7+版本中已獲得保證）。這在字典理解（和其餘操做如 json 序列化/反序列化期間）保持順序。

import json
x = {str(i):i for i in range(5)}
json.loads(json.dumps(x))
# Python 2
{u'1': 1, u'0': 0, u'3': 3, u'2': 2, u'4': 4}
# Python 3
{'0': 0, '1': 1, '2': 2, '3': 3, '4': 4}複製代碼

它一樣適用於**kwargs（在 Python 3.6+版本中）：它們的順序就像參數中顯示的那樣。當設計數據流程時，順序相當重要，之前，咱們必須以這樣繁瑣的方式來編寫：

from torch import nn

# Python 2
model = nn.Sequential(OrderedDict([          
        ('conv1', nn.Conv2d(1,20,5)),          
        ('relu1', nn.ReLU()),          
        ('conv2', nn.Conv2d(20,64,5)),          
        ('relu2', nn.ReLU())        ]))

# Python 3.6+, how it *can* be done, not supported right now in pytorch
model = nn.Sequential(    
     conv1=nn.Conv2d(1,20,5),    
     relu1=nn.ReLU(),    
     conv2=nn.Conv2d(20,64,5),    
     relu2=nn.ReLU())
)        複製代碼

注意到了嗎？名稱的惟一性也會被自動檢查。


迭代地拆封

# handy when amount of additional stored info may vary between experiments, but the same code can be used in all cases
model_paramteres, optimizer_parameters, *other_params = load(checkpoint_name)

# picking two last values from a sequence
*prev, next_to_last, last = values_history

# This also works with any iterables, so if you have a function that yields e.g. qualities,
# below is a simple way to take only last two values from a list 
*prev, next_to_last, last = iter_train(args)複製代碼


默認的 pickle 引擎爲數組提供更好的壓縮

# Python 2
import cPickle as pickle
import numpy
print len(pickle.dumps(numpy.random.normal(size=[1000, 1000])))
# result: 23691675

# Python 3
import pickle
import numpy
len(pickle.dumps(numpy.random.normal(size=[1000, 1000])))
# result: 8000162複製代碼

節省 3 倍空間，並且速度更快。實際上，相似的壓縮（不過與速度無關）能夠經過 protocol=2 參數來實現，可是用戶一般會忽略這個選項（或者根本不知道）。


更安全的解析

labels = <initial_value>
predictions = [model.predict(data) for data, labels in dataset]

# labels are overwritten in Python 2
# labels are not affected by comprehension in Python 3複製代碼


關於 super()

Python 2 的 super（...）是代碼錯誤中的常見緣由。

# Python 2
class MySubClass(MySuperClass):    
    def __init__(self, name, **options):        
        super(MySubClass, self).__init__(name='subclass', **options)

# Python 3
class MySubClass(MySuperClass):    
    def __init__(self, name, **options):        
        super().__init__(name='subclass', **options)複製代碼

關於 super 和方法解析順序的更多內容，參見 stackoverflow：stackoverflow.com/questions/5…


更好的 IDE 會給出變量註釋

在使用 Java、C# 等語言編程的過程當中最使人享受的事情是 IDE 能夠提供很是好的建議，由於在執行代碼以前，全部標識符的類型都是已知的。

而在 Python 中這很難實現，可是註釋能夠幫助你：

  • 以清晰的形式寫下你的指望

  • 從 IDE 獲取良好的建議

這是一個帶變量註釋的 PyCharm 示例。即便你使用的函數不帶註釋（例如，因爲向後兼容性），它也能工做。


多種拆封（unpacking）

在 Python3 中融合兩個字典的代碼示例：

x = dict(a=1, b=2)
y = dict(b=3, d=4)
# Python 3.5+
z = {**x, **y} 
# z = {'a': 1, 'b': 3, 'd': 4}, note that value for `b` is taken from the latter dict.
複製代碼

能夠在這個連接中查看 Python2 中的代碼對比：stackoverflow.com/questions/3…

aame 方法對於列表（list）、元組（tuple）和集合（set）都是有效的（a、b、c 是任意的可迭代對象）：

[*a, *b, *c] # list, concatenating 
(*a, *b, *c) # tuple, concatenating 
{*a, *b, *c} # set, union 
複製代碼

對於*args 和 **kwargs，函數也支持額外的 unpacking：

Python 3.5+
do_something(**{**default_settings, **custom_settings})

# Also possible, this code also checks there is no intersection between keys of dictionaries
do_something(**first_args, **second_args)
複製代碼


只帶關鍵字參數的 API

咱們考慮這個代碼片斷：

model = sklearn.svm.SVC(2, 'poly', 2, 4, 0.5)複製代碼

很明顯，代碼的做者還沒熟悉 Python 的代碼風格（極可能剛從 cpp 和 rust 跳到 Python）。不幸的是，這不只僅是我的偏好的問題，由於在 SVC 中改變參數的順序（adding/deleting）會使得代碼無效。特別是，sklearn 常常會重排序或重命名大量的算法參數以提供一致的 API。每次重構均可能使代碼失效。

在 Python3，庫的編寫者可能須要使用*以明確地命名參數：

class SVC(BaseSVC):   
    def __init__(self, *, C=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, ... )
複製代碼

  • 如今，用戶須要明確規定參數 sklearn.svm.SVC(C=2, kernel='poly', degree=2, gamma=4, coef0=0.5) 的命名。

  • 這種機制使得 API 同時具有了可靠性和靈活性。


小調：math 模塊中的常量

# Python 3
math.inf # 'largest' number
math.nan # not a number

max_quality = -math.inf  # no more magic initial values!
    
for model in trained_models:    
     max_quality = max(max_quality, compute_quality(model, data))
複製代碼


小調：單精度整數類型

Python 2 提供了兩個基本的整數類型，即 int（64 位符號整數）和用於長時間計算的 long（在 C++變的至關莫名其妙）。

Python 3 有一個單精度類型的 int，它包含了長時間的運算。

下面是查看值是不是整數的方法：

isinstance(x, numbers.Integral) # Python 2, the canonical way
isinstance(x, (long, int))      # Python 2
isinstance(x, int)              # Python 3, easier to remember
複製代碼


其餘

  • Enums 有理論價值，可是字符串輸入已普遍應用在 python 數據棧中。Enums 彷佛不與 numpy 交互，而且不必定來自 pandas。

  • 協同程序也很是有但願用於數據流程，但尚未出現大規模應用。

  • Python 3 有穩定的 ABI

  • Python 3 支持 unicode（所以ω = Δφ / Δt 也 okay），但你最好使用好的舊的 ASCII 名稱

  • 一些庫好比 jupyterhub(jupyter in cloud)、django 和新版 ipython 只支持 Python 3，所以對你來說沒用的功能對於你可能只想使用一次的庫頗有用。


數據科學特有的代碼遷移問題（以及如何解決它們）

中止對嵌套參數的支持：

map(lambda x, (y, z): x, z, dict.items())複製代碼

然而，它依然完美適用於不一樣的理解：

{x:z for x, (y, z) in d.items()}複製代碼

一般，理解在 Python 2 和 3 之間能夠更好地「翻譯」。

  • map(), .keys(), .values(), .items(), 等等返回迭代器，而不是列表。迭代器的主要問題有：沒有瑣碎的分割和沒法迭代兩次。將結果轉化爲列表幾乎能夠解決全部問題。

  • 遇到問題請參見 Python 問答：我如何移植到 Python 3？（https://eev.ee/blog/2016/07/31/python-faq-how-do-i-port-to-python-3/）


用 python 教機器學習和數據科學的主要問題

  • 課程做者應該首先花時間解釋什麼是迭代器，爲何它不能像字符串那樣被分片/級聯/相乘/迭代兩次（以及如何處理它）。

  • 我相信大多數課程做者很高興避開這些細節，可是如今幾乎不可能。


結論

Python 2 與 Python 3 共存了近 10 年，時至今日，咱們必需要說：是時候轉向 Python 3 了。

研究和生產代碼應該更短，更易讀取，而且在遷移到 Python 3 代碼庫以後明顯更加的安全。

如今大多數庫同時支持 2.x 和 3.x 兩個版本。但咱們不該等到流行工具包開始中止支持 Python 2 纔開始行動，提早享受新語言的功能吧。

遷移事後，我敢保證程序會更加順暢：「咱們不會再作向後不兼容的事情了（snarky.ca/why-python-…）」。


原文地址：https://github.com/arogozhnikov/python3_with_pleasure

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程