介绍Python 3 的功能 让人轻松地从Python 2迁移到Python 3

但是，重写print函数的行为，我们并不推荐，因为它会引起系统的不稳定。

print函数可以结合列表生成器或其它语言结构一起使用。

# Python 3result = process(x) if is_valid(x) elseprint('invalid item: ', x)

f-strings 可作为简单和可靠的格式化

默认的格式化系统提供了一些灵活性操作。但在数据实验中这些操作不仅不是必须的，还会导致代码的修改变得冗长和琐碎。

而数据科学通常需要以固定的格式，迭代地打印出一些日志信息，所使用的代码如下：

# 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) ))

样本输出为：

120 12 / 300 accuracy: 0.8180±0.4649 time: 56.60

Python 3.6 中引入了格式化字符串 (f-strings)：

# Python 3.6+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}')

另外，这对于查询语句的书写也是非常方便的：

query = f"INSERT INTO STATION VALUES (13, '{city}', '{state}', {latitude}, {longitude})"

「true division」和「integer division」之间的明显区别

虽然说对于系统编程来说，Python3所提供的改进还远远不够，但这些便利对于数据科学来说已经足够。

data = pandas.read_csv('timing.csv') velocity = data['distance'] / data['time']

Python 2 中的结果依赖于『时间』和『距离』(例如，以米和秒为单位),关注其是否被保存为整数。

而在 Python 3 中，结果的表示都是精确的，因为除法运算得到的都是精确的浮点数。

另一个例子是整数除法，现在已经作为明确的运算：

n_gifts = money // gift_price # correct for int and float arguments

值得注意的是，整除运算可以应用到Python的内建类型和由numpy、pandas等数据包提供的自定义类型。

严格排序

下面是一个严格排序的例子：

# All these comparisons are illegal in Python 33<'3'2

严格排序的主要功能有：

防止不同类型实例之间的偶然性排序。

sorted([2, '1', 3]) # invalid for Python 3, in Python 2 returns [2, 3, '1']

在处理原始数据时帮助我们发现存在的问题。此外，严格排序对None值的合适性检查是（这对于两个版本的 Python 都适用）：

if a is not None: passif a: # WRONG check for None pass

自然语言处理中的Unicode编码

下面来看一个自然语言处理任务：

s = '您好'print(len(s))print(s[:2])

比较两个版本Python的输出：

Python2: 6 ��

Python3: 2 您好

再来看个例子：

x = u'со' x += 'co' # ok x += 'со' # fail

在这里，Python 2 会报错，而 Python 3 能够正常工作。因为我在字符串中使用了俄文字母，对于Python2 是无法识别或编码这样的字符。

Python 3 中的 strs 是 Unicode 字符串，这对非英语文本的自然语言处理任务来说将更加地方便。还有些其它有趣的应用，例如：

'a' < type < u'a'  # Python 2: True'a'

Python 2: Counter({'xc3': 2, 'b': 1, 'e': 1, 'c': 1, 'k': 1, 'M': 1, 'l': 1, 's': 1, 't': 1, 'xb6': 1, 'xbc': 1})

Python 3: Counter({'M': 1, 'ö': 1, 'b': 1, 'e': 1, 'l': 1, 's': 1, 't': 1, 'ü': 1, 'c': 1, 'k': 1})

对于这些，Python 2 也能正常地工作，但 Python 3 的支持更为友好。

保留词典和**kwargs 的顺序

CPython 3.6+ 的版本中字典的默认行为是一种类似 OrderedDict 的类，但最新的 Python3.7 版本，此类已经得到了全面的支持。这就要求在字典理解、json 序列化/反序列化等操作中保持字典原先的顺序。

下面来看个例子：

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}

这种保顺性同样适用于 Python3.6 版本中的 **kwargs：它们的顺序就像参数中显示的那样。当设计数据流程时，参数的顺序至关重要。

以前，我们必须以这样繁琐的方式来编写：

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()) ])) # 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()) )

注意到了吗？名称的唯一性也会被自动检查。

迭代拆封

Python3 中引入迭代式拆封功能，下面来看一段代码：

# 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)

默认的 pickle 引擎为数组提供更好的压缩

Python3 中引入 pickle 引擎，为数组提供更好的压缩，节省参数空间：

# Python 2import cPickle as pickleimport numpyprint len(pickle.dumps(numpy.random.normal(size=[1000, 1000])))# result: 23691675# Python 3import pickleimport numpylen(pickle.dumps(numpy.random.normal(size=[1000, 1000])))# result: 8000162

这个小的改进节省了3倍的空间，而且运行阶段速度更快。实际上，如果不关心速度的话，类似的压缩性能也可以通过设置参数 protocol=2 来实现，但是用户经常会忽略这个选项或者根本不了解这个功能。

更安全的解析功能

Python3 能为代码提供更安全的解析，提高代码的可读性。具体如下段代码所示：

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

关于 super()，simply super()

Python2 中的 super() 方法，是常见的错误代码。我们来看这段代码：

# Python 2classMySubClass(MySuperClass): def __init__(self, name, **options): super(MySubClass, self).__init__(name='subclass', **options) # Python 3classMySubClass(MySuperClass): def __init__(self, name, **options): super().__init__(name='subclass', **options)

更好的 IDE 会给出变量注释

编程过程中使用一个好的IDE，能够给初学者一种更好的编程体验。一个好的IDE能够给不同的编程语言如Java、C#等，提供友好的编程环境及非常有用的编程建议，因为在执行代码之前，所有标识符的类型都是已知的。

对于 Python，虽然这些 IDE 的功能是很难实现，但是代码的注释能够在编程过程帮助到我们：

以清晰的形式提示你下一步想要做的

从 IDE 获取良好的建议

这是 PyCharm IDE 的一个示例。虽然例子中所使用的函数不带注释，但是这些带注释的变量，利用代码的后向兼容性，也能保证程序的正常工作。

多种拆封（unpacking）

下面是 Python3 中字典融合的代码示例：

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.

如果你想对比两个版本之间的差异性，可以参考以下这个链接来了解更多的信息： https://stackoverflow.com/questions/38987/how-to-merge-two-dictionaries-in-a-single-expression

aame 方法对于 Python 中的列表（list）、元组（tuple）和集合（set）等类型都是有效的，通过下面这段代码我们能够更清楚地了解它们的工作原理，其中a、b、c是任意的可迭代对象：

[*a, *b, *c] # list, concatenating (*a, *b, *c) # tuple, concatenating {*a, *b, *c} # set, union

此外，函数同样支持 *args 和 **kwargs 的 unpacking 过程：

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)

不会过时的威廉希尔官方网站 —只带关键字参数的 API

我们来看这段代码：

model = sklearn.svm.SVC(2, 'poly', 2, 4, 0.5)

显而易见，这段代码的作者还不熟悉 Python 的代码风格，很可能刚从 C++ 或 rust语言转 Python。代码风格不仅是个人偏好的问题，还因为在 SVC 接口中改变参数顺序（adding/deleting）会使代码无效。特别是对于 sklearn，经常要通过重新排序或重命名大量的算法参数以提供一致的 API。而每次的重构都可能使代码失效。

在 Python3中依赖库的编写者通常会需要使用*以明确地命名参数：

class SVC(BaseSVC): def __init__(self, *, C=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, ... )

使用时，用户需要明确规定 sklearn.svm.SVC(C=2, kernel='poly', degree=2, gamma=4, coef0=0.5) 中参数的命名。

这种参数命名机制使得 API 同时兼具可靠性和灵活性。

微调：math模块中的常量

Python3 中 math 模块的改动，可以查看下面这段代码：

# Python 3math.inf # 'largest' numbermath.nan # not a numbermax_quality =-math.inf # no more magic initial values!for model in trained_models: max_quality = max(max_quality, compute_quality(model, data))

微调：单精度整数类型

Python 2 中提供了两种基本的整数类型，即 int（64 位符号整数）和用于长整型数值计算的 long 类型(长整型)。而在 Python 3 中对单精度的整型数据有个微小的改动，使其包含长整型(long) 的运算。下面这段代码教你如何查看整型值：

isinstance(x, numbers.Integral) # Python 2, the canonical way isinstance(x, (long, int)) # Python 2 isinstance(x, int) # Python 3, easier to remember

其他改动

Enums 的改动具有理论价值，是因为字符串输入已广泛应用在 python 数据栈中。Enums 虽然不与 numpy 库交互，但是在 pandas 中有良好的兼容性。

协同程序将很有可能用于数据流程的处理，虽然目前还没有大规模应用的出现。

Python 3 有稳定的 ABI。

Python 3 支持 unicode 编码格式，如 ω = Δφ / Δt 也是可以允许的，但最好使用兼容性更好的旧 ASCII 名称。

一些库比如 jupyterhub(jupyter in cloud)、django 和新版 ipython 都只支持 Python 3，因此这些用处不大的库对你来讲，可能只会偶尔使用一次。

数据科学中代码迁移所会碰到的问题及解决方案

放弃对嵌套参数的支持：

map(lambda x, (y, z): x, z, dict.items())

然而，它依然能够完美地适用于不同的理解：

{x:z for x, (y, z) in d.items()}

通常，理解在 Python2 和 3 之间差异能够帮助我们更好地‘转义’代码。

map(), .keys(), .values(), .items() 等等，返回的是迭代器而不是列表。迭代器的主要问题包括：没有琐碎的分割，以及无法进行二次迭代。将返回的结果转化为列表几乎可以解决所有问题。

如遇到其他问题请参见这篇有关 Python 的问答：“如何将 Python3 移植到我的程序中？

Python 机器学习和 python 数据科学领域所会碰到的主要问题

这些课程的作者首先要花点时间解释 python 中什么是迭代器，为什么它不能像字符串那样被分片/级联/相乘/二次迭代（以及如何处理它）。

我相信大多数课程的作者都很希望能够避开这些繁琐的细节，但是现在看来这几乎是个不可避免的话题。

结论

Python 的两个版本( Python2 与 Python3 )共存了近10年的时间。时至今日，我们不得不说：是时候该转向 Python 3 了。

科学研究和实际生产中，代码应该更短，可读性更强，并且在迁移到 Python 3 后的代码库将更加得安全。

目前 Python 的大多数库仍同时支持 2.x 和 3.x 两个版本。但我们不应等到这些依赖库开始停止支持 Python 2 才开始转向 Python3，我们现在就可以享受新语言的功能。

迁移到 Python3 后，我敢保证你的程序运行会更加顺畅。