内容简介：作者 | Vinko Kodžoman
作者 | Vinko Kodžoman
翻译 | Monanfei
编辑 | 阿司匹林，Rachel
【导读】在 Python 3 推出后，人们开始逐步将基于Python 2 的代码迁移至 Python 3 。但在迁移过程中，很多代码都未能使用到 Python 3 提供的新功能。本文作者介绍了相关功能的介绍，包括字符串格式化处理、文件路径处理、类型提示、内置 LRU 缓存等等，帮助大家更好地利用 Python 3 书写代码。
由于 Python 2 即将退出历史的舞台，许多人都开始将 Python 2 的代码转换为 Python 3 ，但在这一修改过程中，人们似乎只是多加了几个括号，大多数人并没有注意到 Python 3 中激动人心的新功能。本文将介绍 Python 3 中一些有趣的功能，希望这些功能能够帮助大家更加轻松的解决一些问题。
注：文中的代码示例基于 Python 3.7 编写，为方便使用，在每个功能后面都列出了该功能所需的最低 Python 版本。
f-strings (3.6+)
对任何一种编程语言来说，字符串处理是一项很重要的内容，字符串处理往往是很多程序的基础部分。由于人工处理字符串非常繁琐，我们更希望用一种结构化的方法来处理它们。在 Python 中，我们一般使用 format 来进行结构化字符串处理，如下所示：
user = "Jane Doe"
action = "buy"
log_message = 'User {} has logged in and did an action {}.'.format(
user,
action
)
print(log_message)
# User Jane Doe has logged in and did an action bu
除了 format 之外， Python 3 还提供了一个更加灵活的方法来处理字符串，那就是 f-string 。如下所示，我们用 f-string 来和实现上面代码相同的功能：
user = "Jane Doe"
action = "buy"
log_message = f'User {user} has logged in and did an action {action}.'
print(log_message)
# User Jane Doe has logged in and did an action buy
Pathlib (3.4+)
如果需要处理文件路径，我们可以使用 Python 3 中的 pathlib 库，使对文件路径的操作更加便捷。如果你对 pathlib 存在疑惑，可以参考这篇文章。下面提供了一个代码示例：
from pathlib import Path
root = Path('post_sub_folder')
print(root)
# post_sub_folder
path = root / 'happy_user'
# Make the path absolute
print(path.resolve())
# /home/weenkus/Workspace/Projects/DataWhatNow-Codes/how_your_python3_should_look_like/post_sub_folder/happy_use
类型提示 (3.5+)
静态类型与动态类型是软件工程中的一个热门话题，Python 3 提供了支持 type hinting（类型提示）的方法，下面提供了一个示例：
def sentence_has_animal(sentence: str) -> bool:
return "animal" in sentence
sentence_has_animal("Donald had a farm without animals")
# True
枚举 (3.4+)
Python 3 中的 Enum 类支持枚举功能，可以使我们的程序变得更加简洁。 Enum 是一种便捷的变量列表的打包方式，使用该方法能够避免多个变量在代码各处分布，使代码显得杂乱无章。
from enum import Enum, auto class Monster(Enum): ZOMBIE = auto() WARRIOR = auto() BEAR = auto() print(Monster.ZOMBIE) # Monster.ZOMBIE
枚举是一个符号集合，每个符号都和唯一的变量对应。通过使用枚举，我们可以通过符号标识来比较各个成员，我们还可以对枚举本身进行迭代。
https://docs.python.org/3/library/enum.html
for monster in Monster: print(monster) # Monster.ZOMBIE # Monster.WARRIOR # Monster.BEAR
内置的 LRU 缓存 （3.2+）
在现如今使用的硬件和软件中，缓存无所不在。Python 3 通过 lru_cache 来使用 LRU (Least Recently Used) 缓存。
下面的代码定义了一个斐波拉契函数，由于该函数的运算需要多次递归，每次递归都会执行相同的工作，因此使用缓存能够加速它的计算。
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(40)
print(f'Duration: {time.time() - start}s')
# Duration: 30.684099674224854
我们可以使用 lru_cache 来优化该运算。这种优化极技术称为 memoization ，它能够把执行时间从几秒缩减到几纳秒。
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(40)
print(f'Duration: {time.time() - start}s')
# Duration: 6.866455078125e-05s
扩展的可迭代解析功能（3.0+）
这里不做详细解释，直接贴出示例代码，具体解决可以参考这篇文档。
head, *body, tail = range(5) print(head, body, tail) # 0 [1, 2, 3] 4 py, filename, *cmds = "python3.7 script.py -n 5 -l 15".split() print(py) print(filename) print(cmds) # python3.7 # script.py # ['-n', '5', '-l', '15'] first, _, third, *_ = range(10) print(first, third) # 0
数据类（3.7+）
Python 3 引入了数据类 （data class）。其装饰器会自动生成特征方法，例如 __init__() 和 __repr()__，这能够帮助减少样本代码的数量。在官方文档中，它们被称作 “具有默认值的可变命名元组” 。
class Armor: def __init__(self, armor: float, description: str, level: int = 1): self.armor = armor self.level = level self.description = description def power(self) -> float: return self.armor * self.level armor = Armor(5.2, "Common armor.", 2) armor.power() # 10.4 print(armor) # <__main__.Armor object at 0x7fc4800e2cf8
接来下我们使用数据类来实现上面的代码：
from dataclasses import dataclass @dataclass class Armor: armor: float description: str level: int = 1 def power(self) -> float: return self.armor * self.level armor = Armor(5.2, "Common armor.", 2) armor.power() # 10.4 print(armor) # Armor(armor=5.2, description='Common armor.', level=2
隐式命名空间包（3.3+）
构建Python代码有很多方法，其中一种就是在包（packages）中进行构建（即包含一个 __init__.py 文件的文件夹）。以下示例由 Python 的官方文档提供：
sound/ Top-level package __init__.py Initialize the sound package formats/ Subpackage for file format conversions __init__.py wavread.py wavwrite.py aiffread.py aiffwrite.py auread.py auwrite.py ... effects/ Subpackage for sound effects __init__.py echo.py surround.py reverse.py ... filters/ Subpackage for filters __init__.py equalizer.py vocoder.py karaoke.py ...
在 Python 2 中，上面的每个文件夹都必须有一个 __init__.py 文件，该文件用于将其所在文件夹转化为 Python 包。然而在 Python 3 中，通过使用隐式命名空间包（Implicit Namespace Package:https://www.python.org/dev/peps/pep-0420/），这些文件就不再需要了。
sound/ Top-level package __init__.py Initialize the sound package formats/ Subpackage for file format conversions wavread.py wavwrite.py aiffread.py aiffwrite.py auread.py auwrite.py ... effects/ Subpackage for sound effects echo.py surround.py reverse.py ... filters/ Subpackage for filters equalizer.py vocoder.py karaoke.py ...
注：官方文档PEP 420 Specification 指出，对于一些常规的包，__init__.py 仍然是需要的 ，如果将该文件删除，就会把该 Python 包变成一个本地的命名空间包，这将会产生一些额外的限制，具体可以参考这篇文档。
总结
Python3 中的新功能远远不止如此，大家可以进一步进行探索。本文列出的内容只是一些实用的功能，希望能够对大家有所帮助。
文中的代码链接：
https://github.com/Weenkus/DataWhatNow-Codes/blob/master/things_you_are_probably_not_using_in_python_3_but_should/python%203%20examples.ipynb
原文链接：
https://datawhatnow.com/things-you-are-probably-not-using-in-python-3-but-should/
声明：本文由Python大本营编译，转载请联系微信1092722531）
【End】
作为码一代，想教码二代却无从下手：
听说少儿编程很火，可它有哪些好处呢？
孩子多大开始学习比较好呢？又该如何学习呢？
最新的编程教育政策又有哪些呢？
下面给大家介绍CSDN新成员： 极客宝宝（ID： geek_baby）
戳他了解更多↓↓↓
热 文推 荐
☞华为自研操作系统最快秋季面市；马化腾谈华为事件；微信支付回应遭封禁 | 极客头条
☞GitHub 开源跨平台神器 Electron 实践 | 技术头条
☞揭秘清华 AI 学堂班：姚期智担任首席教授，2019 年首批招收 30 人
☞Google Android 向华为“闭源”！华为手机迎来至暗时刻！
☞"两年前我对区块链的了解为零, 两年后我成了工程师" 我是如何得到第一份工作的?
☞ICML 2019接受论文：清华、北大领跑，谷歌强压枝头，BAT略显“低调”
☞大神！这段代码让 程序员 躺赚200W，源码简单，你怎么看？
点击阅读原文，输入关键词，即可搜索您想要的 CSDN 文章。
你点的每个“在看”，我都认真当成了喜欢
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 潜藏19年的WinRAR代码执行漏洞
- 当心！勒索病毒WannaCry仍然潜藏在世界各地的电脑上
- BUF早餐铺 |Linux内核漏洞可为攻击者提供Root访问权限；非官方渠道下载的软件潜藏恶意挖矿代码；G...
- 程序员高薪盛宴背后：程序员正在消失？
- 大龄程序员的出路，程序员的人生
- 程序员有话说 | 平时的程序猿 VS 面试的程序员
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
Data Mining
Jiawei Han、Micheline Kamber、Jian Pei / Morgan Kaufmann / 2011-7-6 / USD 74.95
The increasing volume of data in modern business and science calls for more complex and sophisticated tools. Although advances in data mining technology have made extensive data collection much easier......一起来看看 《Data Mining》 这本书的介绍吧!
