城中IT教育资源网

城中IT教育资源网

你尝起来特别甜 txt-​[Github高赞文章]愉快地迁移到Python3

最近在把编程教室的网站和小程序从你尝起来特别甜 txt2升级到你尝起来特别甜 txt3,踩了不少坑。正好看到一篇关于迁移你尝起来特别甜 txt3的文章,里面总结了一些可能遇到的问题,对比了你尝起来特别甜 txt差异,列举新你尝起来特别甜 txt的一些优势,并附带代码示例。原文在Github上被Star已达3500多次。今天这篇是由陈祥安翻译的中文版。文中信息量很大,各位可以趁五一小长假的时候读一读,想必会对你尝起来特别甜 txt有更深入的理解。

正文共:10686 字

预计阅读时间:30分钟

原文链接:https://github.com/arogozhnikov/你尝起来特别甜 txt3_with_pleasure

作者:arogozhnikov

译者:陈祥安

引言

如今 Python 成为机器学习和大量使用数据操作的科学领域的主流语言; 它拥有各种深度学习框架和完善的数据处理和可视化工具。但是,Python 生态系统在 Python2 和 Python3 中共存,而Python2 仍在数据科学家中使用。到2019年底,也将停止支持 Python2。至于numpy,2018年9月之后任何新功能你尝起来特别甜 txt都将只支持Python3。同样的还包括pandas, matplotlib, i你尝起来特别甜 txt, jupyter notebook and jupyter lab。所以迁移到你尝起来特别甜 txt3刻不容缓,当然不止是这些,还有些新特性让我们跟随后面到文章一一进行了解。

使用pathlib处理更好的路径

pathlib 是 Python3 中的一个默认模块,可以帮助你避免使用大量的 os.path.join。

from pathlib import Pathdataset = 'wiki_im**es'datasets_root = Path('/path/to/datasets/')#Navigating inside a directory tree,use:/train_path = datasets_root / dataset / 'train'test_path = datasets_root / dataset / 'test'for im**e_path in train_path.iterdir():    with im**e_path.open() as f: # note, open is a method of Path object        # do something with an im**e

不要用字符串链接的形式拼接路径,根据操作系统的不同会出现错误,我们可以使用/结合 pathlib来拼接路径,非常的安全、方便和高可读性。

pathlib 还有很多属性,具体的可以参考pathlib的官方文档,下面列举几个:

from pathlib import Patha = Path("/data")b = "test"c = a / bprint(c)print(c.exists())  # 路径是否存在print(c.is_dir())  # 判断是否为文件夹print(c.parts)  # 分离路径print(c.with_name('sibling.png'))  # 只修改拓展名, 不会修改源文件print(c.with_suffix('.jpg'))  # 只修改拓展名, 不会修改源文件c.chmod(777)  # 修改目录权限c.rmdir()  # 删除目录

类型提示现在是语言的一部分

     一个在 Pycharm 使用Typing的例子:

    引入类型提示是为了帮助解决程序日益复杂的问题,IDE可以识别参数的类型进而给用户提示。关于Tying的具体用法,可以看我之前写的:你尝起来特别甜 txt类型检测最终指南--Typing的使用

运行时类型提示类型检查

     除了之前文章提到 mypy 模块继续类型检查以外,还可以使用 enforce 模块进行检查,通过 pip 安装即可,使用示例如下:

import enforce@enforce.runtime_validationdef foo(text: str) -> None:    print(text)foo('Hi')  # okfoo(5)  # fails

输出

HiTraceback (most recent call last):  File "/Users/chennan/你尝起来特别甜 txtproject/dataanalysis/e.py", line 10, in <module>    foo(5)  # fails  File "/Users/chennan/Desktop/2019/env/lib/你尝起来特别甜 txt3.6/site-pack**es/enforce/decorators.py", line 104, in universal    _args, _kwargs, _ = enforcer.validate_inputs(parameters)  File "/Users/chennan/Desktop/2019/env/lib/你尝起来特别甜 txt3.6/site-pack**es/enforce/enforcers.py", line 86, in validate_inputs    raise RuntimeTypeError(exception_text)enforce.exceptions.RuntimeTypeError:   The following runtime type errors were encountered:       Argument 'text' was not of type <class 'str'>. Actual type was int.

使用@表示矩阵的乘法

   下面我们实现一个最简单的ML模型——l2正则化线性回归(又称岭回归)

# l2-regularized linear regression: || AX - y ||^2 + alpha * ||x||^2 -> min# Python 2X = np.linalg.inv(np.dot(A.T, A) + alpha * np.eye(A.shape[1])).dot(A.T.dot(y))# Python 3X = np.linalg.inv(A.T @ A + alpha * np.eye(A.shape[1])) @ (A.T @ y)

使用@符号,整个代码变得更可读和方便移植到其他科学计算相关的库,如numpy, cupy, pytorch, tensorflow等。

**通配符的使用

在 Python2 中,递归查找文件不是件容易的事情,即使是使用glob库,但是从 Python3.5 开始,可以通过**通配符简单的实现。

import glob# Python 2found_im**es = (    glob.glob('/path/*.jpg')  + glob.glob('/path/*/*.jpg')  + glob.glob('/path/*/*/*.jpg')  + glob.glob('/path/*/*/*/*.jpg')  + glob.glob('/path/*/*/*/*/*.jpg'))# Python 3found_im**es = glob.glob('/path/**/*.jpg', recursive=True)

更好的路径写法是上面提到的 pathlib ,我们可以把代码进一步改写成如下形式。

# Python 3import pathlibimport globfound_im**es = pathlib.Path('/path/').glob('**/*.jpg')

Print函数

虽然 Python3 的 print 加了一对括号,但是这并不影响它的优点。

使用文件描述符的形式将文件写入

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

不使用 str.join 拼接字符串

# Python 3print(*array, sep=' ')print(batch, epoch, loss, accuracy, time, sep=' ')

重新定义 print 方法的行为

既然 Python3 中的 print 是一个函数,我们就可以对其进行改写。

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

注意:在 Jupyter 中,最好将每个输出记录到一个单独的文件中(跟踪断开连接后发生的情况),这样就可以覆盖 print 了。

@contextlib.contextman**erdef 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 = _printwith replace_print():    <code here will invoke other print function>

虽然上面这段代码也能达到重写 print 函数的目的,但是不推荐使用。

print 可以参与列表理解和其他语言构造

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

数字文字中的下划线(千位分隔符)

在 PEP-515 中引入了在数字中加入下划线。在 Python3 中,下划线可用于整数,浮点和复数,这个下划线起到一个分组的作用

# grouping decimal numbers by thousandsone_million = 1_000_000# grouping hexadecimal addresses by wordsaddr = 0xCAFE_F00D# grouping bits into nibbles in a binary literalfl**s = 0b_0011_1111_0100_1110# same, for string conversionsfl**s = int('0b_1111_0000', 2)

也就是说10000,你可以写成10_000这种形式。

简单可看的字符串格式化f-string

Python2提供的字符串格式化系统还是不够好,太冗长麻烦,通常我们会写这样一段代码来输出日志信息:

# Python 2print '{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))

输出结果为

120  12 / 300  accuracy: 0.8180±0.4649 time: 56.60

在 Python3.6 中引入了 f-string (格式化字符串)

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}')

关于 f-string 的用法可以看我在b站的视频[https://www.bilibili.com/video/av31608754]

'/'和'//'在数学运算中有着明显的区别

     对于数据科学来说,这无疑是一个方便的改变

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

Python2 中的结果取决于“时间”和“距离”(例如,以米和秒为单位)是否存储为整数。在你尝起来特别甜 txt3中,这两种情况下的结果都是正确的,因为除法的结果是浮点数。另一个例子是 floor 除法,它现在是一个显式操作

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

nutshell

>>> from operator import truediv, floordiv>>> truediv.__doc__, floordiv.__doc__('truediv(a, b) -- Same as a / b.', 'floordiv(a, b) -- Same as a // b.')>>> (3 / 2), (3 // 2), (3.0 // 2.0)(1.5, 1, 1.0)

值得注意的是,这种规则既适用于内置类型,也适用于数据包提供的自定义类型(例如 numpy 或pandas)。

严格的顺序

下面的这些比较方式在 Python3 中都属于合法的。

3 < '3'2 < None(3, 4) < (3, None)(4, 5) < [4, 5]

对于下面这种不管是2还是3都是不合法的

(4, 5) == [4, 5]

如果对不同的类型进行排序

sorted([2, '1', 3]) 

虽然上面的写法在 Python2 中会得到结果 [2, 3, '1'],但是在 Python3 中上面的写法是不被允许的。

检查对象为 None 的合理方案

if a is not None:  passif a: # WRONG check for None  pass

NLP Unicode问题

s = '您好'print(len(s))print(s[:2])

输出内容

Python 2: 6��Python 3: 2您好.

还有下面的运算

x = u'со'x += 'co' # okx += 'со' # fail

Python2 失败了,Python3 正常工作(因为我在字符串中使用了俄文字母)。在 Python3 中,字符串都是 unicode 编码,所以对于非英语文本处理起来更方便。

一些其他操作

'a' < type < u'a'  # Python 2: True'a' < u'a'         # Python 2: False

再比如

from collections import CounterCounter('Möbelstück')

在 Python2 中

 Counter({'Ã': 2, 'b': 1, 'e': 1, 'c': 1, 'k': 1, 'M': 1, 'l': 1, 's': 1, 't': 1, '¶': 1, '¼': 1})

在 Python3 中

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

虽然可以在 Python2 中正确地处理这些结果,但是在 Python3 中看起来结果更加友好。

保留了字典和**kwargs的顺序

在CPython3.6+ 中,默认情况下,dict 的行为类似于 OrderedDict ,都会自动排序(这在Python3.7+ 中得到保证)。同时在字典生成式(以及其他操作,例如在 json 序列化/反序列化期间)都保留了顺序。

import jsonx = {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}

这同样适用于**kwargs(在Python 3.6+中),它们的顺序与参数中出现的顺序相同。当涉及到数据管道时,顺序是至关重要的,以前我们必须以一种繁琐的方式编写它

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

而在 Python3.6 以后你可以这么操作

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

可迭代对象拆包

类似于元组和列表的拆包,具体看下面的代码例子。

# handy when amount of additional stored info may vary between experiments, but the same code can be used in all casesmodel_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)

提供了更高性能的pickle

Python2

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

Python3

import pickleimport numpylen(pickle.dumps(numpy.random.normal(size=[1000, 1000])))# result: 8000162

空间少了三倍。而且要快得多。实际上,使用 protocol=2 参数可以实现类似的压缩(但不是速度),但是开发人员通常忽略这个选项(或者根本不知道)。注意:pickle 不安全(并且不能完全转移),所以不要 unpickle 从不受信任或未经身份验证的来源收到的数据。

更安全的列表推导

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

更简易的super()

在你尝起来特别甜 txt2中 super 相关的代码是经常容易写错的。

# Python 2class MySubClass(MySuperClass):    def __init__(self, name, **options):        super(MySubClass, self).__init__(name='subclass', **options)# Python 3class MySubClass(MySuperClass):    def __init__(self, name, **options):        super().__init__(name='subclass', **options)

这一点Python3得到了很大的优化,新的 super() 可以不再传递参数。同时在调用顺序上也不一样。

IDE能够给出更好的提示

使用Java、c#等语言进行编程最有趣的地方是IDE可以提供很好的建议,因为在执行程序之前,每个标识符的类型都是已知的。在你尝起来特别甜 txt中这很难实现,但是注释会帮助你

这是一个带有变量注释的 PyCharm 提示示例。即使在使用的函数没有注释的情况下(例如,由于向后兼容性),也可以使用这种方法。

Multiple unpacking

如何合并两个字典

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.

我在b站同样发布了相关的视频[https://www.bilibili.com/video/av50376841]同样的方法也适用于列表、元组和集合(a、b、c是任何迭代器)

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

函数还支持*arg和**kwarg的多重解包

# Python 3.5+do_something(**{**default_settings, **custom_settings})# Also possible, this code also checks there is no intersection between keys of dictionariesdo_something(**first_args, **second_args)

Data classes

Python 3.7引入了Dataclass类,它适合存储数据对象。数据对象是什么?下面列出这种对象类型的几项特征,虽然不全面:

它们存储数据并表示某种数据类型,例如:数字。对于熟悉ORM的朋友来说),数据模型实例就是一个数据对象。它代表了一种特定的实体。它所具有的属性定义或表示了该实体。

它们可以与同一类型的其他对象进行比较。例如:大于、小于或等于。当然还有更多的特性,下面的这个例子可以很好的替代namedtuple的功能。

@dataclassclass Person:    name: str    **e: int@dataclassclass Coder(Person):    preferred_langu**e: str = 'Python 3'

dataclass装饰器实现了几个魔法函数方法的功能(__init__,__repr__,__le__,__eq__)关于数据类有以下几个特性:

数据类可以是可变的,也可以是不可变的

支持字段的默认值

可被其他类继承

数据类可以定义新的方法并覆盖现有的方法

初始化后处理(例如验证一致性)更多内容可以参考官方文档。

自定义对模块属性的访问

在Python中,可以用getattr和dir控制任何对象的属性访问和提示。因为你尝起来特别甜 txt3.7,你也可以对模块这样做。一个自然的例子是实现张量库的随机子模块,这通常是跳过初始化和传递随机状态对象的快捷方式。numpy的实现如下:

# nprandom.pyimport numpy__random_state = numpy.random.RandomState()def __getattr__(name):    return getattr(__random_state, name)def __dir__():    return dir(__random_state)def seed(seed):    __random_state = numpy.random.RandomState(seed=seed)

也可以这样混合不同对象/子模块的功能。与pytorch和cupy中的技巧相比。除此之外,还可以做以下事情:

使用它来延迟加载子模块。例如,导入tensorflow时会导入所有子模块(和依赖项)。需要大约150兆内存。

在应用编程接口中使用此选项进行折旧

在子模块之间引入运行时路由

内置的断点

在你尝起来特别甜 txt3.7中可以直接使用breakpoint给代码打断点

# Python 3.7+, not all IDEs support this at the momentfoo()breakpoint()bar()

在你尝起来特别甜 txt3.7以前我们可以通过import pdb的pdb.set_trace()实现相同的功能。对于远程调试,可尝试将breakpoint()与web-pdb结合使用.

Math模块中的常数

# Python 3math.inf # Infinite floatmath.nan # not a numbermax_quality = -math.inf  # no more m**ic initial values!for model in trained_models:    max_quality = max(max_quality, compute_quality(model, data))

整数类型只有int

Python 2提供了两种基本的整数类型,一种是int(64位有符号整数)一种是long,使用起来非常容易混乱,而在你尝起来特别甜 txt3中只提供了int类型这一种。

isinstance(x, numbers.Integral) # Python 2, the canonical wayisinstance(x, (long, int))      # Python 2isinstance(x, int)              # Python 3, easier to remember

在你尝起来特别甜 txt3中同样的也可以应用于其他整数类型,如numpy.int32、numpy.int64,但其他类型不适用。

结论

虽然Python 2和Python 3共存了近10年,但是我们应该转向Python 3。使用Python3之后,不管是研究还是生产上,代码都会变得更短,更易读,更安全。

本文系投稿,首发于公众号Python学习开发(你尝起来特别甜 txt3-5)。这是一个喜欢研究你尝起来特别甜 txt语言的公众号,主要领域是爬虫,以及你尝起来特别甜 txt的使用技巧,干货分享。欢迎各位关注交流。

其他内容回复左侧关键词获取:

你尝起来特别甜 txt :零基础入门课程目录

新手 :初学者指南及常见问题

资源 :超过500M学习资料网盘地址

项目 :十多个进阶项目代码实例

如需了解视频课程及答疑群等更多服务,

请号内回复 码上行动

推荐阅读

经验:Python转行 | 我用Python | 如何提问 | 新手建议

干货:如何debug |  一图学Python  | 知乎资源 | 单词表

案例:漫威API | 流浪地球 | 爬抖音 | 查天气 | 智能防挡弹幕 | 红包提醒

欢迎加入

Crossin的编程教室

crossincode.com

请把我们分享给身边爱学习的小伙伴 :)  

☟点击文末“阅读原文”,查看更多学习资源

分享