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，个的新要不要更新呢?好用

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

更详细语法错误提示信息

在调试代码时，好用能够提供更多的特性错误新信息和提示了，报告可以指出错误的个的新语法，而不仅仅是好用提供“Syntax Error”。

这是特性个新的特性简直是太好了，不仅对于刚开始学习python的个的新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好用看了。python 3.10会提示我们错误的特性位置，再也不需要StackOverflow了，个的新哈。好用

 

结构模式匹配

结构模式匹配以 match 语句和 case 语句的亿华云特性形式使用。 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 = [1,2,3,4] 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 1,2 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 1,2 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。源码下载

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 = 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(x,y) 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 = [2001,2005,2010] >>> houses_built = [5,8,14] >>> 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，云服务器提供商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。

很赞哦!（823）