Python 3.10的幾個好用的新特性
Python 3.10已經在10月4日發布了，要不要更新呢?
3.10版沒有添加新的模塊，但是引入了很多新的并且有用的特性。讓我們來一起看看吧。
更詳細語法錯誤提示信息
在調試代碼時，能夠提供更多的錯誤新信息和提示了，報告可以指出錯誤的語法，而不僅僅是提供“Syntax Error”。
這是個新的特性簡直是太好了，不僅對于剛開始學習python的人來說對于所有人都是一個好消息，再也不需要去一個字一個字的看了。python 3.10會提示我們錯誤的位置，再也不需要StackOverflow了，哈。
結構模式匹配
結構模式匹配以 match 語句和 case 語句的形式使用。 模式可以是序列、映射、python原始數據類型和類實例。 我們可以把它看作switch 語句的加強版， 一個簡單的例子：-
- 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")
關鍵字match后跟變量名稱。 如果匹配，則將執行 case 塊內的語句。
如果沒有匹配，則執行 case _ 塊內的語句。
上面的程序結果如下所示：
- Number is 1
- Number is 2
- Number is 3
- Number is not 1,2 or 3
這種結構模式匹配還適用于復雜模式。
- def human_age(person): # person = (name, age, gender)
- match person:
- case (name, _, "male"):
- print(f"{name} is man.")
- case (name, _, "female"):
- print(f"{name} is woman.")
- case (name, age, gender):
- print(f"{name} is {age} old.")
結果是這樣的：
- human_age(("Carol", 25, "female"))
- Carol is woman.
很像Scala啊，使用3.10的Pyspark應該會簡單很多，這里貼個Scala代碼，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"
- }
新型聯合運算符
以 X|Y 的形式引入了新的類型聯合運算符。 這提供了表達 X 型或 Y 型的清晰形式。
- def square(number: int|float):
- return number ** 2
結果：
- square(2.5)
- 6.25
新的運算符也可以用作 isinstance() 和 issubclass() 的第二個參數。
- isinstance("3",int|str)
- Trueisinstance("GoodBye",int|str)
- True
現有模塊的一些改進
pprint() 添加了一個新的關鍵字參數-underscore_numbers。
- >>> pprint.pformat(int(1e9),underscore_numbers=True)
- '1_000_000_000'
我們可以使用int.bit_count() 來計算整數的二進制表示中的位數。
- value = 50
- print(bin(value))
- 0b101010
- print(value.bit_count())
- 3
有點像numpy的bincount啊
Statistics增加了協方差函數
- >>> 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()還能計算Pearson。
這倆我沒想明白為什么要加，可能我作為AI開發，np，scipy和pandas都是必裝，web開發也用不到這些吧，實在沒懂加這個是為什么。
statistics.linear_regression()這個就好玩了，雖然也沒什么用，但是statistics可以計算線性回歸了。
根據此線性函數描述自變量 x 和因變量 y 之間的關系：-
y = 斜率 * x + 截距 + 噪聲
其中斜率和截距是估計的回歸參數，噪聲表示數據的可變性。
- >>> years = [2001,2005,2010]
- >>> houses_built = [5,8,14]
- >>> slope, intercept = statistics.linear_regression(years, houses_built)
- >>> round(slope * 2017 + intercept)
- 21
下一步加個梯度的反向傳播，statistics模塊就可以訓練MLP了，哈
總結
其他的像Cpython之類的我覺得關系不大的就不細說了，3.10的語法提示真是太香了，絕對可以節省不少的開發調試時間，模式匹配也是個好東西，用過Scala的都知道。
最后就是我們到底要不要升級呢?對于我來說，我的python版本是根據Pytorch走的，Pytorch支持哪版我就用那版。雖然有Conda可以管理版本，但是還有很多其他的Python包還不知道支持不支持3.10，所以我的建議是再等等看吧，畢竟我們是拿來用的自己用的舒服才好。但是要是不考慮其他包兼容的問題3.10我肯定優先升級。
