Muchos programadores comenzaron a cambiar de la segunda versión de Python a la tercera debido al hecho de que muy pronto se
suspenderá el soporte para Python 2. El autor del artículo, cuya traducción publicamos, señala que la mayor parte del código Python 3 que vio, parece un código entre paréntesis, escrito en Python 2. Según él, él mismo peca
algo así . Aquí da ejemplos de algunas de las excelentes funciones disponibles solo para aquellos que usan Python 3. Espera que estas funciones hagan la vida más fácil para aquellos que las conocen.
Todos los ejemplos en este artículo están escritos usando Python 3.7. La descripción de cada característica contiene información sobre la versión mínima de Python necesaria para su uso.
Cadenas de formato (3.6+)
Sin cadenas, es difícil escribir algo útil en cualquier lenguaje de programación. Pero para un trabajo efectivo con cadenas, un desarrollador necesita herramientas convenientes. Tales herramientas que le permiten operar con estructuras complejas sin perder la tranquilidad. La mayoría de los desarrolladores de Python usan el método de
format :
user = "Jane Doe" action = "buy" log_message = 'User {} has logged in and did an action {}.'.format( user, action ) print(log_message)
Python 3, junto con el método de
format , admite cadenas de formato (cadenas
f, cadenas f). Son una herramienta flexible para realizar diversas manipulaciones de cadenas. Así es como se ve el ejemplo anterior, reescrito usando cadenas de formato:
user = "Jane Doe" action = "buy" log_message = f'User {user} has logged in and did an action {action}.' print(log_message)
Módulo Pathlib (3.4+)
Las cadenas de formato son una tecnología maravillosa, pero se han creado herramientas especiales para trabajar con algunas líneas, como las rutas de archivos, que simplifican enormemente su manipulación. Python 3 tiene un módulo
pathlib , que es una abstracción conveniente para trabajar con rutas de archivos. Si aún no está seguro de la utilidad de este módulo para resolver sus problemas, eche un vistazo a
este material.
from pathlib import Path root = Path('post_sub_folder') print(root)
Anotaciones de tipo (3.5+)
¿Qué es mejor: tipeo estático o dinámico? Quizás casi todos los programadores tengan su propia respuesta a esta difícil pregunta. Dejo en manos del lector cómo tipifican exactamente sus programas. Pero creo que es bueno para todos al menos saber que Python 3 admite
anotaciones de tipo .
def sentence_has_animal(sentence: str) -> bool: return "animal" in sentence sentence_has_animal("Donald had a farm without animals")
Transferencias (3.4+)
Python 3 admite, gracias a la clase
Enum , un mecanismo simple para trabajar con
enumeraciones . Las enumeraciones son convenientes para almacenar listas de constantes. Las constantes, de lo contrario, se dispersan aleatoriamente en el código.
from enum import Enum, auto class Monster(Enum): ZOMBIE = auto() WARRIOR = auto() BEAR = auto() print(Monster.ZOMBIE)
A partir de la
documentación de Python 3, puede descubrir que una enumeración es una colección de nombres simbólicos (miembros) vinculados a valores únicos e inmutables. Los miembros de una lista única se pueden comparar por identidad. Las enumeraciones pueden saltarse.
for monster in Monster: print(monster)
Caché LRU incorporada (3.2+)
Hoy en día, los mecanismos de almacenamiento en caché se utilizan en casi todos los sistemas de software y hardware. Python 3 simplifica enormemente el almacenamiento en caché con el decorador
lru_cache , que implementa el algoritmo de almacenamiento en caché LRU (
menos utilizado recientemente ).
A continuación se muestra una función que calcula los números de Fibonacci. Esta función se ve obligada muchas veces a realizar las mismas operaciones durante las llamadas recursivas. Como resultado, resulta que su rendimiento se puede mejorar mediante el almacenamiento en caché.
import time def fib(number: int) -> int: if number == 0: return 0 if number == 1: return 1 return fib(number-1) + fib(number-2) start = time.time() fib(40) print(f'Duration: {time.time() - start}s')
Ahora usamos
lru_cache para optimizar esta función (esta técnica de optimización se llama
memorización ). Como resultado, el tiempo de ejecución de una función que se midió previamente en segundos ahora se mide en nanosegundos.
from functools import lru_cache @lru_cache(maxsize=512) def fib_memoization(number: int) -> int: if number == 0: return 0 if number == 1: return 1 return fib_memoization(number-1) + fib_memoization(number-2) start = time.time() fib_memoization(40) print(f'Duration: {time.time() - start}s')
Desempaquetar objetos iterables (3.0+)
Al
desempaquetar objetos iterables, puede usar variables cuyos nombres estén precedidos por un asterisco. Todo lo que no cabe en otras variables entra en tales variables. Entonces, en el siguiente ejemplo, los valores primero y último de la lista formada por el comando
range(5) caen en las variables
head y
tail . Todo lo que está entre el primer y el último valor entra en la variable del
body .
head, *body, tail = range(5) print(head, body, tail)
Clases de datos (3.7+)
Python 3 introdujo
clases de datos . Le dan al programador mucha libertad de acción. Se pueden usar para reducir la cantidad de código repetitivo. El hecho es que el decorador de
dataclass genera automáticamente métodos especiales, como
__init__() y
__repr__() . En el texto oficial de la
propuesta correspondiente
, se describen como "tuplas nombradas mutables con valores predeterminados". Aquí hay un ejemplo de
dataclass crear una clase sin usar el decorador de clase de
dataclass :
class Armor: def __init__(self, armor: float, description: str, level: int = 1): self.armor = armor self.level = level self.description = description def power(self) -> float: return self.armor * self.level armor = Armor(5.2, "Common armor.", 2) armor.power()
Aquí es lo mismo, pero ya escrito usando
dataclass :
from dataclasses import dataclass @dataclass class Armor: armor: float description: str level: int = 1 def power(self) -> float: return self.armor * self.level armor = Armor(5.2, "Common armor.", 2) armor.power()
Compatibilidad con carpetas de paquetes sin archivo __init__.py (3.3+)
Una forma de estructurar el código de Python es usar
paquetes (los paquetes se colocan en carpetas que contienen el archivo
__init__.py ). Aquí hay un ejemplo de la documentación oficial:
sound/ __init__.py sound formats/ __init__.py wavread.py wavwrite.py aiffread.py aiffwrite.py auread.py auwrite.py ... effects/ __init__.py echo.py surround.py reverse.py ... filters/ __init__.py equalizer.py vocoder.py karaoke.py ...
Al usar Python 2, cada una de las carpetas mencionadas en el ejemplo debe tener un archivo
__init__.py . Gracias a este archivo, la carpeta se percibe como un paquete de Python. En Python 3, con el advenimiento de la característica
Paquetes de espacio de nombres implícitos , carpetas como estas ya no son necesarias.
sound/ __init__.py sound formats/ wavread.py wavwrite.py aiffread.py aiffwrite.py auread.py auwrite.py ... effects/ echo.py surround.py reverse.py ... filters/ equalizer.py vocoder.py karaoke.py ...
Cabe señalar que, de hecho, no todo es tan simple. Es decir, de acuerdo con
esta especificación oficial, el archivo
__init__.py todavía es necesario para los paquetes regulares. Si lo elimina de la carpeta, el paquete se convierte en el denominado
paquete de espacio de nombres , al que se aplican restricciones adicionales.
Resumen
No todas las características interesantes de Python 3 están cubiertas en este artículo, pero esperamos que encuentre algo útil aquí. Se puede encontrar código de muestra en
este repositorio.
Estimados lectores! ¿Qué características de Python 3 agregarías a la lista aquí?
