出品 | FlyAI

編譯 | 林椿眄

編輯 | Donna

Python 已經(jīng)成為機(jī)器學(xué)習(xí)及其他科學(xué)領(lǐng)域中的主流語言。它不但與多種深度學(xué)習(xí)框架兼容，而且還包含優(yōu)秀的工具包和依賴庫，方便我們對數(shù)據(jù)進(jìn)行預(yù)處理和可視化操作。

據(jù)最新消息，到2019 年底，Numpy 等很多科學(xué)計(jì)算工具包都將停止支持Python 2版本，而 2018 年后 Numpy 的所有新功能版本也都將只支持 Python 3。

為了使初學(xué)者能夠輕松地從 Python 2 向 Python 3 實(shí)現(xiàn)遷移，我收集了一些 Python 3 的功能，希望對大家有所幫助。

使用 pathlib 模塊來更好地處理路徑

pathlib 是 Python 3默認(rèn)的用于處理數(shù)據(jù)路徑的模塊，它能夠幫助我們避免使用大量的 os.path.joins語句：

from pathlib import Path dataset = 'wiki_images'datasets_root = Path('/path/to/datasets/') train_path = datasets_root / dataset / 'train'test_path = datasets_root / dataset / 'test'for image_path in train_path.iterdir(): with image_path.open() as f: # note, open is a method of Path object # do something with an image

在Python2中，我們需要通過級聯(lián)字符串的形成來實(shí)現(xiàn)路徑的拼接。而現(xiàn)在有了pathlib模塊后，數(shù)據(jù)路徑處理將變得更加安全、準(zhǔn)確，可讀性更強(qiáng)。

此外，pathlib.Path含有大量的方法，這樣Python的初學(xué)者將不再需要搜索每個(gè)方法：

p.exists() p.is_dir() p.parts() p.with_name('sibling.png') # only change the name, but keep the folderp.with_suffix('.jpg') # only change the extension, but keep the folder and the namep.chmod(mode)p.rmdir()

使用pathlib還將大大節(jié)約你的時(shí)間。更多功能請查看：

官方文檔 - https://docs.python.org/3/library/pathlib.html參考信息 - https://pymotw/3/pathlib/

類型提示(Type hinting)成為Python3中的新成員

下面是在編譯器PyCharm 中，類型提示功能的一個(gè)示例：

Python 不只是一門腳本的語言，如今的數(shù)據(jù)流程還包括大量的邏輯步驟，每一步都包括不同的框架（有時(shí)也包括不同的邏輯）。

Python3中引入了類型提示工具包來處理復(fù)雜的大型項(xiàng)目，使機(jī)器可以更好地對代碼進(jìn)行驗(yàn)證。而在這之前，不同的模塊需要使用自定義的方式，對文檔中的字符串指定類型 (注意：PyCharm可以將舊的文檔字符串轉(zhuǎn)換成新的類型提示)。

下面是一個(gè)簡單的代碼示例，利用類型提示功能來處理不同類型的數(shù)據(jù)：

def repeat_each_entry(data): """ Each entry in the data is doubled """ index = numpy.repeat(numpy.arange(len(data)), 2) return data[index]

上述代碼對多維的 numpy.array、astropy.Table 和 astropy.Column、bcolz、cupy、mxnet.ndarray 等操作同樣適用。

這段代碼還可用于 pandas.Series 操作，但是這種形式是錯誤的：

repeat_each_entry(pandas.Series(data=[0, 1, 2], index=[3, 4, 5])) # returns Series with Nones inside

這僅僅是一段兩行的代碼。所以，復(fù)雜系統(tǒng)的行為是非常難預(yù)測的，有時(shí)一個(gè)函數(shù)就可能導(dǎo)致整個(gè)系統(tǒng)的錯誤。因此，明確地了解哪些類型方法，并在這些類型方法未得到相應(yīng)參數(shù)的時(shí)候發(fā)出錯誤提示，這對于大型系統(tǒng)的運(yùn)作是很有幫助的。

def repeat_each_entry(data: Union[numpy.ndarray, bcolz.carray]):

如果你有一個(gè)很棒的代碼庫，諸如 MyPy這樣的類型提示工具將可能成為一個(gè)大型項(xiàng)目的集成流程中的一部分。不幸的是，類型提示功能還沒辦法強(qiáng)大到為 ndarrays/tensors 這種細(xì)粒度類型發(fā)出提示?；蛟S，不久的將來我們就可以擁有這樣全面的的類型提示工具，這將成為數(shù)據(jù)科學(xué)領(lǐng)域需要的強(qiáng)大功能。

從類型提示(運(yùn)行前)到類型檢查(運(yùn)行時(shí))

默認(rèn)情況下，函數(shù)的注釋對于代碼的運(yùn)行是沒有影響的，它只是幫你指出每段代碼所要做的工作。

在代碼運(yùn)行階段，很多時(shí)候類型提示工具是不起作用的。這種情況你可以使用 enforce 等工具，強(qiáng)制性對代碼進(jìn)行類型檢查，同時(shí)也可以幫助你調(diào)試代碼。

@enforce.runtime_validationdef foo(text: str) -> None: print(text) foo('Hi') # okfoo(5) # fails@enforce.runtime_validationdef any2(x: List[bool]) -> bool: return any(x)any ([False, False, True, False]) # Trueany2([False, False, True, False]) # Trueany (['False']) # Trueany2(['False']) # failsany ([False, None, "", 0]) # Falseany2([False, None, "", 0]) # fails

函數(shù)注釋的其他用途

正如上面我們提到的，函數(shù)的注釋部分不僅不會影響代碼的執(zhí)行，還會提供可以隨時(shí)使用的一些元信息(meta-information)。

例如，計(jì)量單位是科學(xué)界的一個(gè)普遍難題，Python3中的astropy包提供了一個(gè)簡單的裝飾器（Decorator）來控制輸入的計(jì)量單位，并將輸出轉(zhuǎn)換成相應(yīng)的單位。

# Python 3from 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處理表格類型的科學(xué)數(shù)據(jù)，你可以嘗試astropy包，體驗(yàn)一下計(jì)量單位隨意轉(zhuǎn)換的方便性。你還可以針對某個(gè)應(yīng)用專門定義一個(gè)裝飾器，用同樣的方式來控制或轉(zhuǎn)換輸入和輸出的計(jì)量單位。

通過 @ 實(shí)現(xiàn)矩陣乘法

下面，我們實(shí)現(xiàn)一個(gè)最簡單的機(jī)器學(xué)習(xí)模型，即帶 L2 正則化的線性回歸 (如嶺回歸模型)，來對比 Python2 和 Python3 之間的差別：

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

在 Python3 中，以@作為矩陣乘法符號使得代碼整體的可讀性更強(qiáng)，且更容易在不同的深度學(xué)習(xí)框架間進(jìn)行轉(zhuǎn)譯：因?yàn)橐恍┐a如 X @ W + b[None, :]在 numpy、cupy、pytorch 和 tensorflow 等不同庫中都表示單層感知機(jī)。

使用 ** 作為通配符

Python2 中使用遞歸文件夾的通配符并不是很方便，因此可以通過定制的 glob2 模塊來解決這個(gè)問題。遞歸 flag 在 Python 3.6 中得到了支持。

import glob# Python 2found_images = \ glob.glob('/path*.jpg') \ + glob.glob('/path*.jpg') \ + glob.glob('/path***.jpg') # Python 3found_images = glob.glob('/path*.jpg', recursive=True)

Python3 中更好的選擇是使用 pathlib：(缺少個(gè)import)

# Python 3found_images = pathlib.Path('/path/').glob('**/*.jpg')

Python3中的print函數(shù)

誠然，print 在 Python3 中是一個(gè)函數(shù)，使用 print 需要加上圓括弧()，雖然這是個(gè)麻煩的操作，但它還是具有一些優(yōu)點(diǎn)：

使用文件描述符的簡單句法：

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

在不使用str.join情況下能夠輸出 tab-aligned 表格：

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

修改與重新定義 print 函數(shù)的輸出：

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

在 Jupyter notebook 中，這種形式能夠記錄每一個(gè)獨(dú)立的文檔輸出，并在出現(xiàn)錯誤的時(shí)候追蹤到報(bào)錯的文檔。這能方便我們快速定位并解決錯誤信息。因此我們可以重寫 print 函數(shù)。

在下面的代碼中，我們可以使用上下文管理器來重寫 print 函數(shù)的行為：

@contextlib.contextmanagerdef 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 = _printwith replace_print():

但是，重寫print函數(shù)的行為，我們并不推薦，因?yàn)樗鼤鹣到y(tǒng)的不穩(wěn)定。

print函數(shù)可以結(jié)合列表生成器或其它語言結(jié)構(gòu)一起使用。

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

f-strings 可作為簡單和可靠的格式化

默認(rèn)的格式化系統(tǒng)提供了一些靈活性操作。但在數(shù)據(jù)實(shí)驗(yàn)中這些操作不僅不是必須的，還會導(dǎo)致代碼的修改變得冗長和瑣碎。

而數(shù)據(jù)科學(xué)通常需要以固定的格式，迭代地打印出一些日志信息，所使用的代碼如下：

# 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) ))

樣本輸出為：

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)：

f# 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，這對于查詢語句的書寫也是非常方便的：

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

「true pision」和「integer pision」之間的明顯區(qū)別

雖然說對于系統(tǒng)編程來說，Python3所提供的改進(jìn)還遠(yuǎn)遠(yuǎn)不夠，但這些便利對于數(shù)據(jù)科學(xué)來說已經(jīng)足夠。

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

Python 2 中的結(jié)果依賴于『時(shí)間』和『距離』(例如，以米和秒為單位),關(guān)注其是否被保存為整數(shù)。

而在 Python 3 中，結(jié)果的表示都是精確的，因?yàn)槌ㄟ\(yùn)算得到的都是精確的浮點(diǎn)數(shù)。

另一個(gè)例子是整數(shù)除法，現(xiàn)在已經(jīng)作為明確的運(yùn)算：

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

值得注意的是，整除運(yùn)算可以應(yīng)用到Python的內(nèi)建類型和由numpy、pandas等數(shù)據(jù)包提供的自定義類型。

嚴(yán)格排序

下面是一個(gè)嚴(yán)格排序的例子：

# All these comparisons are illegal in Python 33 < '3'2 < None(3, 4) < (3, None)(4, 5) < [4, 5]# False in both Python 2 and Python 3(4, 5) == [4, 5]

嚴(yán)格排序的主要功能有：

防止不同類型實(shí)例之間的偶然性排序。

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

在處理原始數(shù)據(jù)時(shí)幫助我們發(fā)現(xiàn)存在的問題。此外，嚴(yán)格排序?qū)one值的合適性檢查是（這對于兩個(gè)版本的 Python 都適用）：

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

自然語言處理中的Unicode編碼

下面來看一個(gè)自然語言處理任務(wù)：

s = '您好'print(len(s))print(s[:2])

比較兩個(gè)版本Python的輸出：

Python2: 6\n

Python3: 2\n 您好

再來看個(gè)例子：

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

在這里，Python 2 會報(bào)錯，而 Python 3 能夠正常工作。因?yàn)槲以谧址惺褂昧硕砦淖帜?，對于Python2 是無法識別或編碼這樣的字符。

Python 3 中的 strs 是 Unicode 字符串，這對非英語文本的自然語言處理任務(wù)來說將更加地方便。還有些其它有趣的應(yīng)用，例如：

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

from collections import Counter Counter('Mbelstück')

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, '': 1, 'b': 1, 'e': 1, 'l': 1, 's': 1, 't': 1, 'ü': 1, 'c': 1, 'k': 1})

對于這些，Python 2 也能正常地工作，但 Python 3 的支持更為友好。

保留詞典和**kwargs 的順序

CPython 3.6+ 的版本中字典的默認(rèn)行為是一種類似 OrderedDict 的類，但最新的 Python3.7 版本，此類已經(jīng)得到了全面的支持。這就要求在字典理解、json 序列化/反序列化等操作中保持字典原先的順序。

下面來看個(gè)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}

這種保順性同樣適用于 Python3.6 版本中的 **kwargs：它們的順序就像參數(shù)中顯示的那樣。當(dāng)設(shè)計(jì)數(shù)據(jù)流程時(shí)，參數(shù)的順序至關(guān)重要。

以前，我們必須以這樣繁瑣的方式來編寫：

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()) )

注意到了嗎？名稱的唯一性也會被自動檢查。

迭代拆封

Python3 中引入迭代式拆封功能，下面來看一段代碼：

# 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)

默認(rèn)的 pickle 引擎為數(shù)組提供更好的壓縮

Python3 中引入 pickle 引擎，為數(shù)組提供更好的壓縮，節(jié)省參數(shù)空間：

# 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

這個(gè)小的改進(jìn)節(jié)省了3倍的空間，而且運(yùn)行階段速度更快。實(shí)際上，如果不關(guān)心速度的話，類似的壓縮性能也可以通過設(shè)置參數(shù) protocol=2 來實(shí)現(xiàn)，但是用戶經(jīng)常會忽略這個(gè)選項(xiàng)或者?...

人生苦短，我用Python，這句話讓我對Python發(fā)生了興趣，并開始學(xué)習(xí)它，希望一天可以熟練掌握它，然后可以充滿誠意和期待對某些骨骼清奇少年說一句：人生苦短，快用Python。

但是我的學(xué)習(xí)之路比較坎坷，學(xué)習(xí)的時(shí)間就像今天要談的主題一樣是完全隨機(jī)的：哪天學(xué)，學(xué)些什么，連續(xù)學(xué)習(xí)多長時(shí)間，這些都是老天才知道的，完全不像Python的隨機(jī)數(shù)生成函數(shù)是Bulit-in。于是，至今仍是一名想用Python的門外漢，不過既然這學(xué)習(xí)的機(jī)會仍在隨機(jī)發(fā)生著，那就當(dāng)然不能放棄，畢業(yè)隨機(jī)數(shù)總會有產(chǎn)生的那一天。

話不多說，進(jìn)入正題。這里說的隨機(jī)數(shù)生成是指隨機(jī)生成一個(gè)整數(shù)，而不是其它的以數(shù)字組合、數(shù)字字母組合的序列或者字典等，這個(gè)是今天主題，不能跑偏。Python3 的隨機(jī)數(shù)生成是通過其自帶的random模塊中的函數(shù)來實(shí)現(xiàn)的，而random模塊的基石是 random()函數(shù)，這也是今天要介紹的第一個(gè)角色。

random.random()返回一個(gè)[0.0, 1.0)之間的隨機(jī)浮點(diǎn)數(shù)，于是利用這個(gè)函數(shù)獲取一個(gè)隨機(jī)整數(shù)的方法便是：int(n*random.random())，例如a = int(456*random.random())

第二個(gè)要介紹的函數(shù)是random.randint(start, stop)，start和stop 必須都是整數(shù)，返回一個(gè)整數(shù)N，N滿足start=

第三個(gè)函數(shù)是random.randrange(n)和random.range(start,stop,step)，前者返回一個(gè)整數(shù)N滿足0=

第四個(gè)函數(shù)是random.choice()，它的工作原理和random.randrange是類似的，從一個(gè)非空序列l(wèi)ist中返回一個(gè)隨機(jī)選擇值。例如d = random.choice(range(1,90)).

看到?jīng)]，so easy，利用這幾個(gè)函數(shù)就可以在隨機(jī)生成整數(shù)的大道上肆意奔跑了，祝屏幕前的你，當(dāng)然也包括我自己能夠早日完成修煉，任性地對別人說，人生苦短，我用Python。

由于python存在python2和python3兩個(gè)主要的版本方向，經(jīng)常會有將python2的代碼轉(zhuǎn)到python3的環(huán)境下運(yùn)行的需求。尤其是跑一些神經(jīng)網(wǎng)絡(luò)的代碼時(shí)有很多是在python2的環(huán)境下寫的。在python3下運(yùn)行會遇見很多不兼容，最常見的就是python3中print函數(shù)必須加()而python2中不是。一個(gè)一個(gè)修改這種錯誤又非常麻煩。

此時(shí)一種方式是再安裝一個(gè)python2，比如下載anaconda對應(yīng)的python2的版本，管理相關(guān)的庫，運(yùn)行的時(shí)候指定python2運(yùn)行。不過如果是運(yùn)行依賴比較多的代碼可能需要在python2的環(huán)境安裝許多包。

這里介紹一個(gè)python3自帶的腳本2to3.py，可以將python2的程序自動轉(zhuǎn)為python3的形式，節(jié)省了很多修改細(xì)節(jié)的時(shí)間。這個(gè)腳本在Python安裝目錄下Toolsscripts文件夾下，如果是利用anaconda3安裝的python3，就在anaconda3/Tools/scripts中，如下圖：

這個(gè)文件實(shí)際是可以復(fù)制到電腦任何位置使用的，當(dāng)然也可以就在這個(gè)位置利用cmd使用，里面的代碼也很簡單，只有幾行：

使用方法也很簡單，如果我需要轉(zhuǎn)換某個(gè)python文件，比如E盤根目錄下的test.py，只需要在命令行里輸入

python 2to3.py -w E:/test.py

如果需要轉(zhuǎn)換某個(gè)文件夾下的所有文件，例如E盤test文件夾下的所有文件，只需要在命令行里輸入

python 2to3.py -w E:/test/

就是這么簡單就可以完成python2代碼像python3代碼的變換，當(dāng)然目前對于一些比較復(fù)雜的依賴這種方法還不能完全轉(zhuǎn)換，還需要根據(jù)運(yùn)行錯誤調(diào)整，不過已經(jīng)可以節(jié)省很多的時(shí)間啦。

python2和python3的差異

如果你是一個(gè)初學(xué)者，或許你曾經(jīng)觸摸過其他的編程言語，你可能不知道，在開端學(xué)習(xí)python的時(shí)分都會遇到一個(gè)比較讓人很頭疼的問題：版別問題??！是學(xué)習(xí)python2 仍是學(xué)習(xí) python3 ？這是十分讓人糾結(jié)的！

查找一下便會發(fā)現(xiàn)python3 和 python2 是不兼容的，并且差異比較大，究竟學(xué)習(xí)哪個(gè)版別呢？

所以先學(xué) Python2 仍是 Python3 都不是問題，或許說都是問題?？墒乾F(xiàn)在總算不必糾結(jié)這個(gè)問題了！哈哈，好開心

因?yàn)橐粋€(gè)開發(fā)者已經(jīng)發(fā)布了一個(gè)網(wǎng)站來倒計(jì)時(shí)Python 2.7的“退休”。

能夠看出，Python 2.7有望在兩年后退休。

開發(fā)商表明，因?yàn)楣俜降娜掌跊]有發(fā)布，估計(jì)Python 2.7會在2020年4月12日退休，這是時(shí)刻的時(shí)分，pycon將舉辦。

Python 2，感謝您多年的忠誠服務(wù)。

巨蟒3，現(xiàn)在你在舞臺上。

Python 2.7是2 x系列的最終一個(gè)版別。它的繼任者Python 3在2008年12月發(fā)布，但它與2。X系列不兼容。3的3的特征和語法被移植回2.6和2.7。2.7的支撐時(shí)刻至少為10年，并將在2020之前供給過錯批改。

怎么轉(zhuǎn)換為Python 3？

如果您的主代碼仍然根據(jù)Python 2，這是完全能夠了解的。最流行的包PyPI上現(xiàn)在能夠運(yùn)轉(zhuǎn)在Python 2和Python 3，添加更多的日常。為了簡化轉(zhuǎn)換，官方搬遷指南供給了在Python 3中運(yùn)轉(zhuǎn)Python 2代碼的主張。

所以我主張：

1. 如果是你在企業(yè)中，需求用到python而學(xué)習(xí)python的話，那就要看企業(yè)的使用python的版別進(jìn)行學(xué)習(xí)；

2. 如果想要更多的老練解決方案，最少的bug，最安穩(wěn)的使用那就用python2 ；

3. 如果你是在讀大學(xué)的學(xué)生，那我主張你學(xué)習(xí)python3，比及結(jié)業(yè)的時(shí)分或許python已經(jīng)成為了干流。

另外，選2仍是3一般都是編程小白才會考慮?？紤]的起點(diǎn)是作為一個(gè)初學(xué)者，有時(shí)候在學(xué)習(xí)的過程中會出現(xiàn)一些問題或者會參考一些項(xiàng)目去學(xué)習(xí)，這個(gè)時(shí)候會想一下，2是干流或者是3。已然剛學(xué)何不找個(gè)干流的。其實(shí)不管是2仍是3，只需照這一個(gè)學(xué)，就可以了。中心的差異在學(xué)習(xí)的時(shí)候也能更好的去加深一些形象

出品 | FlyAI

編譯 | 林椿眄

編輯 | Donna

Python 已經(jīng)成為機(jī)器學(xué)習(xí)及其他科學(xué)領(lǐng)域中的主流語言。它不但與多種深度學(xué)習(xí)框架兼容，而且還包含優(yōu)秀的工具包和依賴庫，方便我們對數(shù)據(jù)進(jìn)行預(yù)處理和可視化操作。

據(jù)最新消息，到2019 年底，Numpy 等很多科學(xué)計(jì)算工具包都將停止支持Python 2版本，而 2018 年后 Numpy 的所有新功能版本也都將只支持 Python 3。

為了使初學(xué)者能夠輕松地從 Python 2 向 Python 3 實(shí)現(xiàn)遷移，我收集了一些 Python 3 的功能，希望對大家有所幫助。

使用 pathlib 模塊來更好地處理路徑

pathlib 是 Python 3默認(rèn)的用于處理數(shù)據(jù)路徑的模塊，它能夠幫助我們避免使用大量的 os.path.joins語句：

from pathlib import Path dataset = 'wiki_images'datasets_root = Path('/path/to/datasets/') train_path = datasets_root / dataset / 'train'test_path = datasets_root / dataset / 'test'for image_path in train_path.iterdir(): with image_path.open() as f: # note, open is a method of Path object # do something with an image

在Python2中，我們需要通過級聯(lián)字符串的形成來實(shí)現(xiàn)路徑的拼接。而現(xiàn)在有了pathlib模塊后，數(shù)據(jù)路徑處理將變得更加安全、準(zhǔn)確，可讀性更強(qiáng)。

此外，pathlib.Path含有大量的方法，這樣Python的初學(xué)者將不再需要搜索每個(gè)方法：

p.exists() p.is_dir() p.parts() p.with_name('sibling.png') # only change the name, but keep the folderp.with_suffix('.jpg') # only change the extension, but keep the folder and the namep.chmod(mode)p.rmdir()

使用pathlib還將大大節(jié)約你的時(shí)間。更多功能請查看：

官方文檔 - https://docs.python.org/3/library/pathlib.html參考信息 - https://pymotw/3/pathlib/

類型提示(Type hinting)成為Python3中的新成員

下面是在編譯器PyCharm 中，類型提示功能的一個(gè)示例：

Python 不只是一門腳本的語言，如今的數(shù)據(jù)流程還包括大量的邏輯步驟，每一步都包括不同的框架（有時(shí)也包括不同的邏輯）。

Python3中引入了類型提示工具包來處理復(fù)雜的大型項(xiàng)目，使機(jī)器可以更好地對代碼進(jìn)行驗(yàn)證。而在這之前，不同的模塊需要使用自定義的方式，對文檔中的字符串指定類型 (注意：PyCharm可以將舊的文檔字符串轉(zhuǎn)換成新的類型提示)。

下面是一個(gè)簡單的代碼示例，利用類型提示功能來處理不同類型的數(shù)據(jù)：

def repeat_each_entry(data): """ Each entry in the data is doubled """ index = numpy.repeat(numpy.arange(len(data)), 2) return data[index]

上述代碼對多維的 numpy.array、astropy.Table 和 astropy.Column、bcolz、cupy、mxnet.ndarray 等操作同樣適用。

這段代碼還可用于 pandas.Series 操作，但是這種形式是錯誤的：

repeat_each_entry(pandas.Series(data=[0, 1, 2], index=[3, 4, 5])) # returns Series with Nones inside

這僅僅是一段兩行的代碼。所以，復(fù)雜系統(tǒng)的行為是非常難預(yù)測的，有時(shí)一個(gè)函數(shù)就可能導(dǎo)致整個(gè)系統(tǒng)的錯誤。因此，明確地了解哪些類型方法，并在這些類型方法未得到相應(yīng)參數(shù)的時(shí)候發(fā)出錯誤提示，這對于大型系統(tǒng)的運(yùn)作是很有幫助的。

def repeat_each_entry(data: Union[numpy.ndarray, bcolz.carray]):

如果你有一個(gè)很棒的代碼庫，諸如 MyPy這樣的類型提示工具將可能成為一個(gè)大型項(xiàng)目的集成流程中的一部分。不幸的是，類型提示功能還沒辦法強(qiáng)大到為 ndarrays/tensors 這種細(xì)粒度類型發(fā)出提示?；蛟S，不久的將來我們就可以擁有這樣全面的的類型提示工具，這將成為數(shù)據(jù)科學(xué)領(lǐng)域需要的強(qiáng)大功能。

從類型提示(運(yùn)行前)到類型檢查(運(yùn)行時(shí))

默認(rèn)情況下，函數(shù)的注釋對于代碼的運(yùn)行是沒有影響的，它只是幫你指出每段代碼所要做的工作。

在代碼運(yùn)行階段，很多時(shí)候類型提示工具是不起作用的。這種情況你可以使用 enforce 等工具，強(qiáng)制性對代碼進(jìn)行類型檢查，同時(shí)也可以幫助你調(diào)試代碼。

@enforce.runtime_validationdef foo(text: str) -> None: print(text) foo('Hi') # okfoo(5) # fails@enforce.runtime_validationdef any2(x: List[bool]) -> bool: return any(x)any ([False, False, True, False]) # Trueany2([False, False, True, False]) # Trueany (['False']) # Trueany2(['False']) # failsany ([False, None, "", 0]) # Falseany2([False, None, "", 0]) # fails

函數(shù)注釋的其他用途

正如上面我們提到的，函數(shù)的注釋部分不僅不會影響代碼的執(zhí)行，還會提供可以隨時(shí)使用的一些元信息(meta-information)。

例如，計(jì)量單位是科學(xué)界的一個(gè)普遍難題，Python3中的astropy包提供了一個(gè)簡單的裝飾器（Decorator）來控制輸入的計(jì)量單位，并將輸出轉(zhuǎn)換成相應(yīng)的單位。

# Python 3from 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處理表格類型的科學(xué)數(shù)據(jù)，你可以嘗試astropy包，體驗(yàn)一下計(jì)量單位隨意轉(zhuǎn)換的方便性。你還可以針對某個(gè)應(yīng)用專門定義一個(gè)裝飾器，用同樣的方式來控制或轉(zhuǎn)換輸入和輸出的計(jì)量單位。

通過 @ 實(shí)現(xiàn)矩陣乘法

下面，我們實(shí)現(xiàn)一個(gè)最簡單的機(jī)器學(xué)習(xí)模型，即帶 L2 正則化的線性回歸 (如嶺回歸模型)，來對比 Python2 和 Python3 之間的差別：

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

在 Python3 中，以@作為矩陣乘法符號使得代碼整體的可讀性更強(qiáng)，且更容易在不同的深度學(xué)習(xí)框架間進(jìn)行轉(zhuǎn)譯：因?yàn)橐恍┐a如 X @ W + b[None, :]在 numpy、cupy、pytorch 和 tensorflow 等不同庫中都表示單層感知機(jī)。

使用 ** 作為通配符

Python2 中使用遞歸文件夾的通配符并不是很方便，因此可以通過定制的 glob2 模塊來解決這個(gè)問題。遞歸 flag 在 Python 3.6 中得到了支持。

import glob# Python 2found_images = \ glob.glob('/path*.jpg') \ + glob.glob('/path*.jpg') \ + glob.glob('/path***.jpg') # Python 3found_images = glob.glob('/path*.jpg', recursive=True)

Python3 中更好的選擇是使用 pathlib：(缺少個(gè)import)

# Python 3found_images = pathlib.Path('/path/').glob('**/*.jpg')

Python3中的print函數(shù)

誠然，print 在 Python3 中是一個(gè)函數(shù)，使用 print 需要加上圓括弧()，雖然這是個(gè)麻煩的操作，但它還是具有一些優(yōu)點(diǎn)：

使用文件描述符的簡單句法：

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

在不使用str.join情況下能夠輸出 tab-aligned 表格：

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

修改與重新定義 print 函數(shù)的輸出：

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

在 Jupyter notebook 中，這種形式能夠記錄每一個(gè)獨(dú)立的文檔輸出，并在出現(xiàn)錯誤的時(shí)候追蹤到報(bào)錯的文檔。這能方便我們快速定位并解決錯誤信息。因此我們可以重寫 print 函數(shù)。

在下面的代碼中，我們可以使用上下文管理器來重寫 print 函數(shù)的行為：

@contextlib.contextmanagerdef 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 = _printwith replace_print():

但是，重寫print函數(shù)的行為，我們并不推薦，因?yàn)樗鼤鹣到y(tǒng)的不穩(wěn)定。

print函數(shù)可以結(jié)合列表生成器或其它語言結(jié)構(gòu)一起使用。

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

f-strings 可作為簡單和可靠的格式化

默認(rèn)的格式化系統(tǒng)提供了一些靈活性操作。但在數(shù)據(jù)實(shí)驗(yàn)中這些操作不僅不是必須的，還會導(dǎo)致代碼的修改變得冗長和瑣碎。

而數(shù)據(jù)科學(xué)通常需要以固定的格式，迭代地打印出一些日志信息，所使用的代碼如下：

# 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) ))

樣本輸出為：

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)：

f# 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，這對于查詢語句的書寫也是非常方便的：

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

「true pision」和「integer pision」之間的明顯區(qū)別

雖然說對于系統(tǒng)編程來說，Python3所提供的改進(jìn)還遠(yuǎn)遠(yuǎn)不夠，但這些便利對于數(shù)據(jù)科學(xué)來說已經(jīng)足夠。

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

Python 2 中的結(jié)果依賴于『時(shí)間』和『距離』(例如，以米和秒為單位),關(guān)注其是否被保存為整數(shù)。

而在 Python 3 中，結(jié)果的表示都是精確的，因?yàn)槌ㄟ\(yùn)算得到的都是精確的浮點(diǎn)數(shù)。

另一個(gè)例子是整數(shù)除法，現(xiàn)在已經(jīng)作為明確的運(yùn)算：

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

值得注意的是，整除運(yùn)算可以應(yīng)用到Python的內(nèi)建類型和由numpy、pandas等數(shù)據(jù)包提供的自定義類型。

嚴(yán)格排序

下面是一個(gè)嚴(yán)格排序的例子：

# All these comparisons are illegal in Python 33 < '3'2 < None(3, 4) < (3, None)(4, 5) < [4, 5]# False in both Python 2 and Python 3(4, 5) == [4, 5]

嚴(yán)格排序的主要功能有：

防止不同類型實(shí)例之間的偶然性排序。

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

在處理原始數(shù)據(jù)時(shí)幫助我們發(fā)現(xiàn)存在的問題。此外，嚴(yán)格排序?qū)one值的合適性檢查是（這對于兩個(gè)版本的 Python 都適用）：

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

自然語言處理中的Unicode編碼

下面來看一個(gè)自然語言處理任務(wù)：

s = '您好'print(len(s))print(s[:2])

比較兩個(gè)版本Python的輸出：

Python2: 6\n

Python3: 2\n 您好

再來看個(gè)例子：

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

在這里，Python 2 會報(bào)錯，而 Python 3 能夠正常工作。因?yàn)槲以谧址惺褂昧硕砦淖帜?，對于Python2 是無法識別或編碼這樣的字符。

Python 3 中的 strs 是 Unicode 字符串，這對非英語文本的自然語言處理任務(wù)來說將更加地方便。還有些其它有趣的應(yīng)用，例如：

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

from collections import Counter Counter('Mbelstück')

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, '': 1, 'b': 1, 'e': 1, 'l': 1, 's': 1, 't': 1, 'ü': 1, 'c': 1, 'k': 1})

對于這些，Python 2 也能正常地工作，但 Python 3 的支持更為友好。

保留詞典和**kwargs 的順序

CPython 3.6+ 的版本中字典的默認(rèn)行為是一種類似 OrderedDict 的類，但最新的 Python3.7 版本，此類已經(jīng)得到了全面的支持。這就要求在字典理解、json 序列化/反序列化等操作中保持字典原先的順序。

下面來看個(gè)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}

這種保順性同樣適用于 Python3.6 版本中的 **kwargs：它們的順序就像參數(shù)中顯示的那樣。當(dāng)設(shè)計(jì)數(shù)據(jù)流程時(shí)，參數(shù)的順序至關(guān)重要。

以前，我們必須以這樣繁瑣的方式來編寫：

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()) )

注意到了嗎？名稱的唯一性也會被自動檢查。

迭代拆封

Python3 中引入迭代式拆封功能，下面來看一段代碼：

# 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)

默認(rèn)的 pickle 引擎為數(shù)組提供更好的壓縮

Python3 中引入 pickle 引擎，為數(shù)組提供更好的壓縮，節(jié)省參數(shù)空間：

# 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

這個(gè)小的改進(jìn)節(jié)省了3倍的空間，而且運(yùn)行階段速度更快。實(shí)際上，如果不關(guān)心速度的話，類似的壓縮性能也可以通過設(shè)置參數(shù) protocol=2 來實(shí)現(xiàn)，但是用戶經(jīng)常會忽略這個(gè)選項(xiàng)或者?...