一文教你如何愉快地迁移到Python 3

一文教你如何愉快地迁移到Python 3_第1张图片


作者 | cxapython

译者 | 陈祥安

来源 | Python学习开发(ID:python3-5)


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 以及 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。


一文教你如何愉快地迁移到Python 3_第2张图片


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 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 / 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:


一文教你如何愉快地迁移到Python 3_第3张图片


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 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/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 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_images = ( glob.glob('/path/*.jpg') + glob.glob('/path/*/*.jpg') + glob.glob('/path/*/*/*.jpg') + glob.glob('/path/*/*/*/*.jpg') + glob.glob('/path/*/*/*/*/*.jpg'))
# Python 3found_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 3import pathlibimport globfound_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 2print("critical error", file=sys.stderr)  # Python 3


不使用 str.join 拼接字符串


# Python 3print(*array, sep='\t')print(batch, epoch, loss, accuracy, time, sep='\t')


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.contextmanagerdef 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(): 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 literalflags = 0b_0011_1111_0100_1110
# same, for string conversionsflags = 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 Python 3.6 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']


Python 2 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 Python 3 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。


>>> 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\n��Python 3: 2\n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({'\xc3': 2, 'b': 1, 'e': 1, 'c': 1, 'k': 1, 'M': 1, 'l': 1, 's': 1, 't': 1, '\xb6': 1, '\xbc': 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 Python 3.6+ 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 = 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 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 Python 中这很难实现,但是注释会帮助你


一文教你如何愉快地迁移到Python 3_第4张图片


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    age: int
@dataclassclass 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python3.7,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 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 momentfoo()breakpoint()bar()


在 Python 3.7 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 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 wayisinstance(x, (long, int))      # Python 2isinstance(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 Python 3 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。


原文链接:

https://github.com/arogozhnikov/python3_with_pleasure


(*本文仅代表作者观点,转载请联系原作者)


公开课预告

5月9日晚8点

本次公开课,我们先从 Python 服务器后台开发开始,详解服务端压力的来源,教你对系统瓶颈的原因进行定位,并出分析思路。还会基于 Python 进行多任务优化,并教你如何处理高峰值流量问题。


关于课程更详细的知识点,请识别二维码查看。


一文教你如何愉快地迁移到Python 3_第5张图片


点击“阅读原文”,了解更多活动信息。

你可能感兴趣的