微信号:imkuqin

介绍:本微信公众号:imkuqin,为程序员提供最新最全的编程学习资料的查询.目前已经开通PHP、C/C++函数库、.NET Framework类库、J2SE API查询功能.

Python 2.7 即将停止支持,请收下这份 3.x 迁移指南

2018-02-06 22:19 程序猿

本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载

文地址:https://github.com/arogozhnikov/python3_with_pleasure

选自GitHub,作者:Alex Rogozhnikov,机器之心编译


目前,Python 科学栈中的所有主要项目都同时支持 Python 3.x 和 Python 2.7,不过,这种情况很快即将结束。去年 11 月,Numpy 团队的一份声明引发了数据科学社区的关注:这一科学计算库即将放弃对于 Python 2.7 的支持,全面转向 Python 3。Numpy 并不是唯一宣称即将放弃 Python 旧版本支持的工具,pandas 与 Jupyter notebook 等很多产品也在即将放弃支持的名单之中。对于数据科学开发者而言,如何将已有项目从 Python 2 转向 Python 3 成为了正在面临的重大问题。来自莫斯科大学的 Alex Rogozhnikov 博士为我们整理了一份代码迁移指南。


Python 3 功能简介


Python 是机器学习和其他科学领域中的主流语言,我们通常需要使用它处理大量的数据。Python 兼容多种深度学习框架,且具备很多优秀的工具来执行数据预处理和可视化。


但是,Python 2 和 Python 3 长期共存于 Python 生态系统中,很多数据科学家仍然使用 Python 2。2019 年底,Numpy 等很多科学计算工具都将停止支持 Python 2,而 2018 年后 Numpy 的所有新功能版本将只支持 Python 3。


为了使 Python 2 向 Python 3 的转换更加轻松,我收集了一些 Python 3 的功能,希望对大家有用。



使用 pathlib 更好地处理路径


pathlib 是 Python 3 的默认模块,帮助避免使用大量的 os.path.joins:


 
           
  1. from pathlib import Path

  2. dataset = 'wiki_images'

  3. datasets_root = Path('/path/to/datasets/')

  4. train_path = datasets_root / dataset / 'train'

  5. test_path = datasets_root / dataset / 'test'

  6. for image_path in train_path.iterdir():

  7.    with image_path.open() as f: # note, open is a method of Path object

  8.        # do something with an image


Python 2 总是试图使用字符串级联(准确,但不好),现在有了 pathlib,代码安全、准确、可读性强。


此外,pathlib.Path 具备大量方法,这样 Python 新用户就不用每个方法都去搜索了:


 
           
  1. p.exists()

  2. p.is_dir()

  3. p.parts()

  4. p.with_name('sibling.png') # only change the name, but keep the folder

  5. p.with_suffix('.jpg') # only change the extension, but keep the folder and the name

  6. p.chmod(mode)

  7. p.rmdir()


pathlib 会节约大量时间,详见:


  • 文档:https://docs.python.org/3/library/pathlib.html;

  • 参考信息:https://pymotw.com/3/pathlib/。


类型提示(Type hinting)成为语言的一部分


PyCharm 中的类型提示示例:



Python 不只是适合脚本的语言,现在的数据流程还包括大量步骤,每一步都包括不同的框架(有时也包括不同的逻辑)。


类型提示被引入 Python,以帮助处理越来越复杂的项目,使机器可以更好地进行代码验证。而之前需要不同的模块使用自定义方式在文档字符串中指定类型(注意:PyCharm 可以将旧的文档字符串转换成新的类型提示)。


下列代码是一个简单示例,可以处理不同类型的数据(这就是我们喜欢 Python 数据栈之处)。


 
           
  1. def repeat_each_entry(data):

  2.    """ Each entry in the data is doubled

  3.    <blah blah nobody reads the documentation till the end>

  4.    """

  5.    index = numpy.repeat(numpy.arange(len(data)), 2)

  6.    return data[index]


上述代码适用于 numpy.array(包括多维)、astropy.Table 和 astropy.Column、bcolz、cupy、mxnet.ndarray 等。


该代码同样可用于 pandas.Series,但是方式是错误的:


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


这是一个两行代码。想象一下复杂系统的行为多么难预测,有时一个函数就可能导致错误的行为。明确了解哪些类型方法适合大型系统很有帮助,它会在函数未得到此类参数时给出提醒。


 
           
  1. def