▌从类型提示(运行前)到类型检查(运行时)

默认情况下，函数的注释对于代码的运行是没有影响的，它只是帮你指出每段代码所要做的工作。

在代码运行阶段，很多时候类型提示工具是不起作用的。这种情况你可以使用 enforce 等工具，强制性对代码进行类型检查，同时也可以帮助你调试代码。

@enforce.runtime_validation
def foo(text: str) -> None:
print(text)
foo('Hi') # ok
foo(5) # fails
@enforce.runtime_validation
def any2(x: List[bool]) -> bool:
return any(x)
any ([False, False, True, False]) # True
any2([False, False, True, False]) # True
any (['False']) # True
any2(['False']) # fails
any ([False, None, "", 0]) # False
any2([False, None, "", 0]) # fails

▌函数注释的其他用途

正如上面我们提到的，函数的注释部分不仅不会影响代码的执行，还会提供可以随时使用的一些元信息(meta-information)。

例如，计量单位是科学界的一个普遍难题，Python3中的astropy包提供了一个简单的装饰器（Decorator）来控制输入的计量单位，并将输出转换成相应的单位。

#Python 3
from astropy import units as u
@u.quantity_input()
def frequency(speed: u.meter / u.s, wavelength: u.m) -> u.terahertz:
return speed / wavelength
frequency(speed=300_000 * u.km / u.s, wavelength=555 * u.nm)
# output: 540.5405405405404 THz, frequency of green visible light

如果你需要用Python处理表格类型的科学数据，你可以尝试astropy包，体验一下计量单位随意转换的方便性。你还可以针对某个应用专门定义一个装饰器，用同样的方式来控制或转换输入和输出的计量单位。

▌通过 @ 实现矩阵乘法

下面，我们实现一个最简单的机器学习模型，即带 L2 正则化的线性回归 (如岭回归模型)，来对比 Python2 和 Python3 之间的差别：

# l2-regularized linear regression: || AX - b ||^2 + alpha * ||x||^2 -> min
# Python 2
X = np.linalg.inv(np.dot(A.T, A) + alpha * np.eye(A.shape[1])).dot(A.T.dot(b))
# Python 3
X = np.linalg.inv(A.T @ A + alpha * np.eye(A.shape[1])) @ (A.T @ b)

在 Python3 中，以@作为矩阵乘法符号使得代码整体的可读性更强，且更容易在不同的深度学习框架间进行转译：因为一些代码如 X @ W + b[None, :]在 numpy、cupy、pytorch 和 tensorflow 等不同库中都表示单层感知机。

▌使用**作为通配符

Python2 中使用递归文件夹的通配符并不是很方便，因此可以通过定制的 glob2 模块来解决这个问题。递归 flag 在 Python 3.6 中得到了支持。

import glob
# Python 2
found_images = \
glob.glob('/path/*.jpg') \
+ glob.glob('/path/*/*.jpg') \
+ glob.glob('/path/*/*/*.jpg') \
+ glob.glob('/path/*/*/*/*.jpg') \
+ glob.glob('/path/*/*/*/*/*.jpg')
# Python 3
found_images = glob.glob('/path/**/*.jpg', recursive=True)
Python3 中更好的选择是使用 pathlib：(缺少个import)
# Python 3
found_images = pathlib.Path('/path/').glob('**/*.jpg')

▌Python3中的print函数

诚然，print 在 Python3 中是一个函数，使用 print 需要加上圆括弧()，虽然这是个麻烦的操作，但它还是具有一些优点：

使用文件描述符的简单句法：

print >>sys.stderr, "critical error" # Python 2
print("critical error", file=sys.stderr) # Python 3

在不使用str.join情况下能够输出 tab-aligned 表格：

# Python 3
print(*array, sep='\t')
print(batch, epoch, loss, accuracy, time, sep='\t')

修改与重新定义 print 函数的输出：

# Python 3
_print = print # store the original print function
def print(*args, **kargs):
pass # do something useful, e.g. store output to some file

在 Jupyter notebook 中，这种形式能够记录每一个独立的文档输出，并在出现错误的时候追踪到报错的文档。这能方便我们快速定位并解决错误信息。因此我们可以重写 print 函数。

在下面的代码中，我们可以使用上下文管理器来重写 print 函数的行为：

@contextlib.contextmanager
def replace_print():
import builtins
_print = print # saving old print function
# or use some other function here
builtins.print = lambda *args, **kwargs: _print('new printing', *args, **kwargs)
yield
builtins.print = _print
with replace_print():


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 3
result = process(x) if is_valid(x) else print('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 2
print('{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：

1

20 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 3
3 < '3'
2 < None
(3, 4) < (3, None)
(4, 5) < [4, 5]
# False in both Python 2 and Python 3
(4, 5) == [4, 5]

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:
pass
if 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\n��

Python3: 2\n 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' < u'a' # Python 2: False

和

from collections import Counter
Counter('Möbelstück')
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 cases
model_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 2
import cPickle as pickle
import numpy
print len(pickle.dumps(numpy.random.normal(size=[1000, 1000])))
# result: 23691675
# Python 3
import pickle
import numpy
len(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 2
class MySubClass(MySuperClass):
def __init__(self, name, **options):
super(MySubClass, self).__init__(name='subclass', **options)
# Python 3
class MySubClass(MySuperClass):
def __init__(self, name, **options):
super().__init__(name='subclass', **options)

有关 super() 方法及方法解析顺序的更多内容，参见 stackoverflow：

▌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：

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)

▌不会过时的技术—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 3
math.inf # 'largest' number
math.nan # not a number
max_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。

▌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：「我们不会再做向后不兼容的事情了（https://snarky.ca/why-python-3-exists/）」。