Python 3.10的几个好用的新特性

Python 3.10已经在10月4日发布了，要不要更新呢?

3.10版没有添加新的模块，但是引入了很多新的并且有用的特性。让我们来一起看看吧。

更详细语法错误提示信息

在调试代码时，能够提供更多的错误新信息和提示了，报告可以指出错误的语法，而不仅仅是提供“Syntax Error”。

这是个新的特性简直是太好了，不仅对于刚开始学习python的人来说对于所有人都是一个好消息，再也不需要去一个字一个字的看了。python 3.10会提示我们错误的位置，再也不需要StackOverflow了，哈。

结构模式匹配

结构模式匹配以 match 语句和 case 语句的形式使用。 模式可以是序列、映射、python原始数据类型和类实例。 我们可以把它看作switch 语句的加强版， 一个简单的例子：-

1. numbers=[1,2,3,4]
2. forninnumbers:
3. matchn:
4. case1:
5. print("Numberis1")
6. case2:
7. print("Numberis2")
8. case3:
9. print("Numberis3")
10. case_:
11. print("Numberisnot1,2or3")

关键字match后跟变量名称。 如果匹配，则将执行 case 块内的语句。

如果没有匹配，则执行 case _ 块内的语句。

上面的程序结果如下所示：

1. Numberis1
2. Numberis2
3. Numberis3
4. Numberisnot1,2or3

这种结构模式匹配还适用于复杂模式。

1. defhuman_age(person):#person=(name,age,gender)
2. matchperson:
3. case(name,_,"male"):
4. print(f"{name}isman.")
5. case(name,_,"female"):
6. print(f"{name}iswoman.")
7. case(name,age,gender):
8. print(f"{name}is{age}old.")

结果是这样的：

1. human_age(("Carol",25,"female"))
2. Caroliswoman.

很像Scala啊，使用3.10的Pyspark应该会简单很多，这里贴个Scala代码，看看是不是很像

1. importscala.util.Random
2. valx:Int=Random.nextInt(10)
3. xmatch{
4. case0=>"zero"
5. case1=>"one"
6. case2=>"two"
7. case_=>"other"
8. }

新型联合运算符

以 X|Y 的形式引入了新的类型联合运算符。 这提供了表达 X 型或 Y 型的清晰形式。

1. defsquare(number:int|float):
2. returnnumber**2

结果：

1. square(2.5)
2. 6.25

新的运算符也可以用作 isinstance() 和 issubclass() 的第二个参数。

1. isinstance("3",int|str)
2. Trueisinstance("GoodBye",int|str)
3. True

现有模块的一些改进

pprint() 添加了一个新的关键字参数-underscore_numbers。

1. >>>pprint.pformat(int(1e9),underscore_numbers=True)
2. '1_000_000_000'

我们可以使用int.bit_count() 来计算整数的二进制表示中的位数。

1. value=50
2. print(bin(value))
3. 0b101010
4. print(value.bit_count())
5. 3

有点像numpy的bincount啊

Statistics增加了协方差函数

1. >>>importstatistics
2. >>>x=[1,2,3,4,5,6,7,8,9]
3. >>>y=[1,2,3,1,2,3,1,2,3]
4. >>>statistics.covariance(x,y)
5. 0.75

statistics.correlation()还能计算Pearson。

这俩我没想明白为什么要加，可能我作为AI开发，np，scipy和pandas都是必装，web开发也用不到这些吧，实在没懂加这个是为什么。

statistics.linear_regression()这个就好玩了，虽然也没什么用，但是statistics可以计算线性回归了。

根据此线性函数描述自变量 x 和因变量 y 之间的关系：-

y = 斜率 * x + 截距 + 噪声

其中斜率和截距是估计的回归参数，噪声表示数据的可变性。

1. >>>years=[2001,2005,2010]
2. >>>houses_built=[5,8,14]
3. >>>slope,intercept=statistics.linear_regression(years,houses_built)
4. >>>round(slope*2017+intercept)
5. 21

下一步加个梯度的反向传播，statistics模块就可以训练MLP了，哈

总结

其他的像Cpython之类的我觉得关系不大的就不细说了，3.10的语法提示真是太香了，绝对可以节省不少的开发调试时间，模式匹配也是个好东西，用过Scala的都知道。

最后就是我们到底要不要升级呢?对于我来说，我的python版本是根据Pytorch走的，Pytorch支持哪版我就用那版。虽然有Conda可以管理版本，但是还有很多其他的Python包还不知道支持不支持3.10，所以我的建议是再等等看吧，毕竟我们是拿来用的自己用的舒服才好。但是要是不考虑其他包兼容的问题3.10我肯定优先升级。

原文链接：https://www.toutiao.com/a7016322715351007775/