# 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():
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(‘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 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’
最后
不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~
给大家准备的学习资料包括但不限于：
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
