Python|Python 3.10的几个好用的新特性 scala

文章图片
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：-
numbers = [1234

for n in numbers:
match n:
case 1:
print(\"Number is 1\")
case 2:
print(\"Number is 2\")
case 3:
print(\"Number is 3\")
case _:
print(\"Number is not 12 or 3\")
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：
Number is 1
Number is 2
Number is 3
Number is not 12 or 3
这种结构模式匹配还适用于复杂模式。
def human_age(person): # person = (name age gender)
match person:
case (name _ \"male\"):
print(f\"{name is man.\")
case (name _ \"female\"):
print(f\"{name is woman.\")
case (name age gender):
print(f\"{name is {age old.\")
结果是这样的：
human_age((\"Carol\" 25 \"female\"))
Carol is woman.
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
import scala.util.Random

val x: Int = Random.nextInt(10)

x match {
case 0 => \"zero\"
case 1 => \"one\"
case 2 => \"two\"
case _ => \"other\"

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。
def square(number: int|float):
return number ** 2
结果：
square(2.5)
6.25
新的运算符也可以用作 isinstance() 和 issubclass() 的第二个参数。
isinstance(\"3\"int|str)
Trueisinstance(\"GoodBye\"int|str)
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 。
>>> pprint.pformat(int(1e9)underscore_numbers=True)
'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。
value = https://mparticle.uc.cn/api/50
print(bin(value))
0b101010
print(value.bit_count())
3
有点像numpy的bincount啊
Statistics增加了协方差函数
>>> import statistics
>>> x = [1 2 3 4 5 6 7 8 9

>>> y = [1 2 3 1 2 3 1 2 3

>>> statistics.covariance(xy)
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。
>>> years = [200120052010

>>> houses_built = [5814

>>> slope intercept = statistics.linear_regression(years houses_built)

>>> round(slope * 2017 + intercept)
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。
【Python|Python 3.10的几个好用的新特性】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。