首页 / 科技 / Crossin的编程教室

?[Github高赞文章]愉快地迁移到Python3

Crossin的编程教室 2019-04-30 13:17:00 阅 读 : 19269 点 赞 : 572

最近在把编程教室的网站和小程序从python2升级到python3,踩了不少坑。正好看到一篇关于迁移python3的文章,里面总结了一些可能遇到的问题,对比了版本差异,列举新版本的一些优势,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python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/python3_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月之后任何新功能版本都将只支持Python3。同样的还包括pandas, matplotlib, ipython, jupyter notebook and jupyter lab。所以迁移到python3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???,可以帮助你避免使用大量的 os.path.join。

from?pathlib?import?Path

dataset?=?'wiki_images'
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?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

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?Path

a?=?Path("/data")
b?=?"test"
c?=?a?/?b
print(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:python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 ??榧绦嘈图觳橐酝?,还可以使用 enforce ??榻屑觳?,通过 pip 安装即可,使用示例如下:

import?enforce

@enforce.runtime_validation
def?foo(text:?str)?->?None:
????print(text)

foo('Hi')??#?ok
foo(5)??#?fails

输出

Hi
Traceback?(most?recent?call?last):
??File?"/Users/chennan/pythonproject/dataanalysis/e.py",?line?10,?in?<module>
????foo(5)??#?fails
??File?"/Users/chennan/Desktop/2019/env/lib/python3.6/site-packages/enforce/decorators.py",?line?104,?in?universal
????_args,?_kwargs,?_?=?enforcer.validate_inputs(parameters)
??File?"/Users/chennan/Desktop/2019/env/lib/python3.6/site-packages/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?2
X?=?np.linalg.inv(np.dot(A.T,?A)?+?alpha?*?np.eye(A.shape[1])).dot(A.T.dot(y))
#?Python?3
X?=?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?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)

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?3
import?pathlib
import?glob
found_images?=?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?2
print("critical?error",?file=sys.stderr)??#?Python?3

不使用 str.join 拼接字符串

#?Python?3
print(*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?function
def?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.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>

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?3
result?=?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?thousands
one_million?=?1_000_000

#?grouping?hexadecimal?addresses?by?words
addr?=?0xCAFE_F00D

#?grouping?bits?into?nibbles?in?a?binary?literal
flags?=?0b_0011_1111_0100_1110

#?same,?for?string?conversions
flags?=?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?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)
)

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python3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:
??pass

if?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'?#?ok
x?+=?'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?Counter
Counter('M?belstück')

在 Python2 中

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

在 Python3 中

?Counter({'M':?1,?'?':?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?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}

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?2
model?=?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?pytorch
model?=?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?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)

提供了更高性能的pickle

Python2

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

Python3

import?pickle
import?numpy
len(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python2中 super 相关的代码是经常容易写错的。

#?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)

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python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?dictionaries
do_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。

@dataclass
class?Person:
????name:?str
????age:?int

@dataclass
class?Coder(Person):
????preferred_language:?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??槭粜缘姆梦?/span>

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python3.7,你也可以对??檎庋?。
一个自然的例子是实现张量库的随机子???,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.py
import?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??榈墓δ?。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???。例如,导入tensorflow时会导入所有子???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??橹湟朐诵惺甭酚?/span>

内置的断点

在python3.7中可以直接使用breakpoint给代码打断点

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

在python3.7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??橹械某J?/span>

#?Python?3
math.inf?#?Infinite?float
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))

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python3中只提供了int类型这一种。

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

在python3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(python3-5)。这是一个喜欢研究python语言的公众号,主要领域是爬虫,以及python的使用技巧,干货分享?;队魑还刈⒔涣?。




其他内容回复左侧关键词获?。?/span>

python?: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

幸运飞艇开奖官方

免责声明: 本站资料及图片来源互联网文章-|,本网不承担任何由内容信息所引起的争议和法律责任。所有作品版权归原创作者所有,与本站立场无关-|,如用户分享不慎侵犯了您的权益,请联系我们告知,-|我们将做删除处理!