Python 3.7 所带来的新特性

Python 接触的晚,所以接着 体验一下 Python 3.8 带来的主要新特性 继续往前翻,体验一下 Python 3.7 曾经引入的新特性,爱一门语言就要了解她真正的历史。一步一步慢慢给 Python 来个起底。

先来看看 Python 网站的各版本使用情况 Usage statistics of Python Version 3 for websites, 这里统计的 Python 开发的网站的数据,应该有 Python 3 大规模的用于其他领域。单网站应用 Python  来说,Python 2 还有大量遗留代码,Python 3 还是 3.6 为主,Python 的升级还任重道远。本人也是谨慎的在从 3.7 迁移到 3.8 的过程中,AWS 的 Lambda 都支持 3.8,直接上 3.8 也没什么历史负担。以下是从网站使用 Python 统计情况中的两个截图

Python 3.7.0 发布于 2018-06-27, 这篇文章 Cool New Features in Python 3.7 详细介绍了 Python 3.7 的新特性,本文也是从其中挑几个来体验体验。

breakpoint() 进入调试器

这个功能好像没什么卵用,现在随手一个 IDE 都能断点调试,大不了临时加些 print 语句,把 breakpoint() 语句留在代码中也是个垃圾。不管它呢,既然是个新特性,顺道看下了,就是说在代码中加行 breakpoint(),代码执行到该处就会默认进入 PDB(Python Debugger) 调用会话。

用 python 3.7 bug.py 执行,然后看到

参考 PDB 的用法,比如输入变量名可以查看它的值,c 继续执行。

breakpoint() 是之前的 import pdb; pdb.set_trace() 的缩减写法。

如果要跳过代码中的所有 breakpoint() 停顿,可设置 PYTHONBREAKPOINT=0

是不是没多大可能用得上它啊。

数据类

这可是个大趋势,像在 Java 中 Playframwork 曾给 public 属性自动生成 getter/setter 方法,还有用 Lombok 来辅助的,直到 Java 14 出现了 record 类,Scala 的 case class,Kotlin 中也有 data class 类型 -- 一枚典型的 Javaer。所以 Python 也有了类似的实现,@dataclass 让我们从 __init__ 构造函数中一个个写 self.field_name = field_name 中挣脱出来,并且会自动生成一些其他的双下划线方法。

上面创建了一个 Country 数据类,我们需要指定每个字段的类型,或默认值或其他的描述,Python 会把字段收集起来生成一个构建函数

c.name 来访问属性,同时它还为我们生成了诸如 __repr__, __eq__, __ne__, __lt__, __le__, __gt__, __ge__ 实现方法

我们曾经需要用 collections.namedtuple 来实现类似的行为。这里有一个关于 dataclass 详细的介绍 The Ultimate Guide to Data Classes in Python 3.7

但是有一点缺憾是 Python 的数据类不能直接被 json 序列化, json.dumps(c) 会得到错误:TypeError: Object of type Country is not JSON serializable

类型提示强化和延迟注解求值

Python 3.5 开始引入了类型提示,Python 在这方面还在不断的演化,Python 3.7 中下面的代码不能通过

在解析构造函数的时候认为 Tree 类型还没有正式建立起来,提示错误

NameError: name 'Tree' is not defined

只有给类型提示用引号括起来,把它们当字符串来看待就行,在 IDE 中还不引影响代码提示

 

Python 3.7 中其实也不必要写成 left: 'Tree', 加上 from __future__ import annotations 就行

上面的代码顺利通过,加上 from __future__ import annotations 就是让 left: Tree 类型提示能延迟求值

再一个例子,类型提示不光是类型,字符串描述,还可以是一条语句,如

name: print("Now!")  这样的类型提示会在解释该方法放入命名空间的时候求值,即 import 就会打印出信息

因为 print("Now!") 的返回值为 None, 提示的 name 类型也就为 None

同样的,引入 from __future__ import annotations 还能禁止 print("Now!") 的求值,anno.py 的内容如下

  • 再到 Python REPL 中试下

根本就不对 print("Now!") 求值

Python 的类型提示还可以更复杂,而且 IDE 还能推算出它的实际的提示类型,看 PyCharm 中的提示

str_type() 函数返回的是 str 类型,所以 name. 能提示出 str 类型的方法。

时间精度的提高

Python 3.7 对 time 模块的某些函数上增加了 xxx_ns() 函数的支持,返回的是纳秒,并且类型为 int 而非原来的 float 类型,float 本质上不准确,而 Python 无限的 int 类型则更为优越。那些函数是

  • clock_gettime_ns(): 返回指定时钟时间
  • clock_settime_ns(): 设置指定时钟时间
  • monotonic_ns(): 返回不能倒退的相对时钟的时间(例如由于夏令时)
  • perf_counter_ns(): 返回性能计数器的值,专门用于测量短间隔的时钟
  • process_time_ns(): 返回当前进程系统和用户 CPU 时间的总和(不包括休眠时间)
  • time_ns(): 返回自 1970 年 1 月 1 日以来的纳秒数

字典的顺序是有保证的

Python 3.7 开始输出的字典顺序与放入 key 的顺序是一致的。Python 3.6 只是说字典的顺序基本可以保证,但不能过于依赖)。

我们多数时候不应该依赖于字典的顺序的,这一特性可以想像是相当于由 HashMap 实现为 LinkedHashMap

asyncawait 终于成了关键字

Python 3.5 开始引入了 asyncawait 语法,却未把它们当作关键字,也许是为了一个过度,所以在  Python 3.7 之前 asyncawait 可以用作变量或函数名。Python 3.7 开始就不被允许它们挪为它用了。

asyncio.run() 简化事件循环

在 Python 3.7 之前支持协程要显示的使用事件循环,比如使用如下代码

Python 3.7 开始有了 asyncio.run() 方法,代码就变为

这里的 asyncio.run() 就做了前方代码 loop 三行的事情。用 asyncio.run() 稍有不便之处就是总是需要定义一个入口执行函数。

上下文变量(ContextVar)

它类似于线程本地存储, 和 Java 的下面几个概念对照起来就好理解了

  1.  ThreadLocal,set(value), get()
  2. 日志框架(如  SLF4J) 的 MDC.getCopyOfContextMap() 和 setContextMap

为了更好理解,需要放到多线程环境中去演示它,用下面的 ThreadPoolExecutor 代码

10 个任务重用三个线程,发现 name.get()  的值为默认的 world 才重设为 world <序号>, 执行后看到如下输出

ThreadPoolExecutor-0_2: name = world #2
ThreadPoolExecutor-0_0: name = world #0
ThreadPoolExecutor-0_1: name = world #1
ThreadPoolExecutor-0_2: name = world #2
ThreadPoolExecutor-0_0: name = world #0
ThreadPoolExecutor-0_1: name = world #1
ThreadPoolExecutor-0_2: name = world #2
ThreadPoolExecutor-0_0: name = world #0
ThreadPoolExecutor-0_1: name = world #1
ThreadPoolExecutor-0_2: name = world #2

发现只要重要线程时还能看到之前的值,也就是说 name  的值是绑定在当前线程上的。

第二段代码,演示了如何应用指定的上下文变量去运行代码

执行效果如下:

1 ThreadPoolExecutor-0_0 name1 address1
2 ThreadPoolExecutor-0_0 name2 address2
3 ThreadPoolExecutor-0_0 name1 address1

使用一个单线程的线程池,使得每次任务都重用同一个线程,分别解释每一次的执行效果:

  1. 第一个任务使用本地默认的  name 和 address 值,分别为 name1  和 address1
  2. 第二个任务使用事先从主线程获得的 contextvars.copy_context() 作为上下文去执行 task, 所以打印出的是主线程上的变量值 name2address1
  3. 第三个任务同样是打印出的默认值 name1  和 address1, 说明上一个任务不会覆盖当前线程的上下文变量值

小结

基本上对我比较有用的新特性就这些了,还有一个开发者技巧,用 python3.7 -X importtime my_script.py 就能看到所有与 my_script.py 相关联的模块的导入时间,从而发现巨慢的模块加载予以优化。

总体说来没多大的惊喜,毕竟是一个小版本的更新,想要惊喜的话得看 Python 3.0 的 What's New。如果这以上新特性较为有用的也就 数据类 和 上下文变量,但由于数据类不能被 JSON 序列化,在用作 Rest API 时还得转换为字典再序列化为 JSON。

类别: Python. 标签: . 阅读(23). 订阅评论. TrackBack.
guest
0 Comments
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x