值得收藏的python语法总结

python2早已在 2020 年停止维护，随着Python版本的不断更新迭代，很多旧的语法在可读性与效率上都已经有更好的替代了。当然，大部分的重要特性，例如装饰器、生成器、async等，相信大家都已经了然于心，本文小编就对一些用的稍微少一些、日常看到的代码中不太常见，但是能用得上的语法做一个简单的总结，供大家参考，如果大家有什么不同的见解，还望各位大佬们多多指导、补充。

日常的自用Python脚本没有太大的工程压力，能紧跟更新步伐、尝试新的特性。但是语法糖用的好就是效率提升，用的不好就是可读性灾难，有些语法的出现也伴随着种种的争议，用更新的语法不代表能写出更好的代码。
通过语法的更新变化还有变化带来的争议，也能窥透语言的设计哲学、汇聚浓缩在一个特定点上的社区开发经验。选择合适自己的、保持对代码精简可读的追求才是最重要。
那么就从老到新，理一理那些有意思的小feature吧。可能有漏掉有趣的点、也可能有解释不到位的地方，欢迎各位大佬更正补充。
 
Python 3.0-3.6
PEP 3132 可迭代对象解包拓展
Python3.0引入，加强了原本的星号运算符(*)，让星号运算符能够智能地展开可迭代对象。

1. # Python学习交流1裙 815624229 ###
2. # Python学习交流2裙 279199867 ###
3. >>> a, *b, c = range(5)
4. >>> a
5. 0
6. >>> c
7. 4
8. >>> b
9. [1, 2, 3]

复制代码

 
隐式赋值也同样适用

1. >>> for a, *b in [(1, 2, 3), (4, 5, 6, 7)]:
2. >>>     print(b)
3. [2, 3]
4. [5, 6, 7]

复制代码

 
注意双星号(**)不能用相同语法展开字典
人畜无害，用处也不大的一个feature
PEP 465 矩阵乘法运算符
Python3.5引入，顾名思义，使用@符号。直接支持numpy、pandas等使用。

1. >>> a = numpy.array([1, 2, 3])
2. >>> b = numpy.array([10, 20, 30])
3. >>> a @ b
4. 140
6. >>> c = numpy.array([[10, 15], [20, 25], [30, 35]])
7. >>> d = numpy.array([[4, 5, 6], [7, 8, 9]])
8. >>> c @ d
9. array([[145, 170, 195],
10.        [255, 300, 345],
11.        [365, 430, 495]])

复制代码

 
矩阵乘法运算符的魔术方法为__matmul__()、rmatmul()、imatmul()三个；
本身用处不大，但是提供了一个额外的操作符使用空间，可以用来重载来进行类似距离计算之类的用途。

1. >>> from math import sqrt
3. >>> class Point:
4. >>>     def __init__(self, x, y):
5. >>>         self.x = x
6. >>>         self.y = y
7. >>>
8. >>>     def __matmul__(self, value):
9. >>>         x_sub = self.x - value.x
10. >>>         y_sub = self.y - value.y
11. >>>         return sqrt(x_sub**2 + y_sub**2)
12. >>>
13. >>> a = Point(1, 3)
14. >>> b = Point(4, 7)
15. >>> print(a @ b)
16. 5

复制代码

 
争议主要存在于：作为矩阵乘法来说@操作符没有直观联系、影响可读性，不如直接使用matmul
PEP 3107/484/526 函数注解/类型提示/变量注解
Python3.0引入函数注解、3.5引入typing，让python也能享受静态类型的福利。可以说是py3中个人最喜欢的feature，使用简单、效果强大，直接让开发效率以及代码可维护性直线增长。

1. # 参数后加:即可标注类型，函数结构定义后接->即可标注返回类型
2. def get_hello(name: str) -> str:
3.     return f"Hello, {name}!"

复制代码

 
如上进行标记之后IDE便能自动读取参数、返回类型，直接出联想爽快如java。
而PEP 484 Typing则是极大的扩充了类型定义语法，支持别名、泛型、Callable、Union等等。非常推荐直接阅读PEP。
下面就是一个泛型的例子

1. from typing import TypeVar, Iterable, Tuple
3. T = TypeVar('T', int, float, complex)
4. Vector = Iterable[Tuple[T, T]]
6. def inproduct(v: Vector[T]) -> T:
7.     return sum(x*y for x, y in v)
9. def dilate(v: Vector[T], scale: T) -> Vector[T]:
10.     return ((x * scale, y * scale) for x, y in v)
12. vec = []  # type: Vector[float]

复制代码

 
随后在3.6引入了众望所归的变量注解(PEP 526)，使用也很简单，直接在变量后添加冒号和类型即可，搭配函数注解一起食用体验极佳

1. pi: float = 3.142
3. # 也同样支持Union等
4. from typing import Union
6. a: Union[float,None] =1.0

复制代码

 
3.7中又引入了延迟标记求值(PEP 563)，让typing支持了前向引用、并减轻了标注对程序启动时间的影响，如虎添翼。

1. # 3.7前合法
2. class Tree:
3.     def __init__(self, left: 'Tree', right: 'Tree'):
4.         self.left = left
5.         self.right = right
7. # 3.7前不合法、3.7后合法
8. class Tree:
9.     def __init__(self, left: Tree, right: Tree):
10.         self.left = left
11.         self.right = right

复制代码

 
静态类型检查对Python所带来的副作用主要还是启动时间上的影响，当然大部分场景所带来的便利是远大于这一副作用的。
PEP 498 f-string
Python3.6引入，应该是用的最多的feature之一了，但是看到很多代码里面还是str.format，就不得不再提一下。

1. >>> a = 10
2. >>> #只需要简单的在任意字符串字面量前加个f，就可以用花括号直接引用变量
3. >>> print(f"a = {a}")
4. a = 10
6. >>> # 格式化也很方便，使用:即可
7. >>> pi = 3.14159
8. >>> print(f"pi = {pi: .2f}")
9. pi = 3.14

复制代码

 
也可以在表达式后接!s或者!r来选择用str()还是repr()方法转换为字符串。
基本就是str.format的语法糖。在3.8版本以后，又增加了直接套表达式的功能，输出信息非常方便。

1. >>> theta = 30
2. >>> print(f'{theta=}  {cos(radians(theta))=:.3f}')
3. theta=30  cos(radians(theta))=0.866

复制代码

 
PEP 515 数值字面值下划线
Python3.6引入。输入太长的数字字面值怎么办？

1. >>> a = 123_456_789
2. >>> b = 123456789
3. >>> a == b
4. True

复制代码

 
比较鸡肋…
Python 3.7
PEP 557 数据类Data Classes
提供了一个方便的dataclass类装饰器，直接上代码举例：

1. from dataclasses import dataclass
3. @dataclass
4. class InventoryItem:
5.     name: str
6.     unit_price: float
7.     quantity_on_hand: int = 0
9.     def total_cost(self) -> float:
10.         return self.unit_price * self.quantity_on_hand

复制代码

 
对这个例子，这个类会自动生成以下魔术方法

1. def __init__(self, name: str, unit_price: float, quantity_on_hand: int = 0) -> None:
2.     self.name = name
3.     self.unit_price = unit_price
4.     self.quantity_on_hand = quantity_on_hand
5. def __repr__(self):
6.     return f'InventoryItem(name={self.name!r}, unit_price={self.unit_price!r}, quantity_on_hand={self.quantity_on_hand!r})'
7. def __eq__(self, other):
8.     if other.__class__ is self.__class__:
9.         return (self.name, self.unit_price, self.quantity_on_hand) == (other.name, other.unit_price, other.quantity_on_hand)
10.     return NotImplemented
11. def __ne__(self, other):
12.     if other.__class__ is self.__class__:
13.         return (self.name, self.unit_price, self.quantity_on_hand) != (other.name, other.unit_price, other.quantity_on_hand)
14.     return NotImplemented
15. def __lt__(self, other):
16.     if other.__class__ is self.__class__:
17.         return (self.name, self.unit_price, self.quantity_on_hand) < (other.name, other.unit_price, other.quantity_on_hand)
18.     return NotImplemented
19. def __le__(self, other):
20.     if other.__class__ is self.__class__:
21.         return (self.name, self.unit_price, self.quantity_on_hand) <= (other.name, other.unit_price, other.quantity_on_hand)
22.     return NotImplemented
23. def __gt__(self, other):
24.     if other.__class__ is self.__class__:
25.         return (self.name, self.unit_price, self.quantity_on_hand) > (other.name, other.unit_price, other.quantity_on_hand)
26.     return NotImplemented
27. def __ge__(self, other):
28.     if other.__class__ is self.__class__:
29.         return (self.name, self.unit_price, self.quantity_on_hand) >= (other.name, other.unit_price, other.quantity_on_hand)
30.     return NotImplemented

复制代码

 
这一条PEP也是比较有争议的，主要原因是Python其实已经内置了不少的类似模型：collection.namedtuple、typing.NamedTuple、attrs等 ；
但是这条PEP的提出还是为了保证方便地创建资料类的同时，保证静态类型检查，而已有的方案都不方便直接使用检查器。
Python 3.8
PEP 572 海象牙运算符

"逼走"了Guido van Rossum，最有争议的PEP之一。首先引入了海象牙运算符:=，代表行内赋值。

1. # Before
2. while True:
3.     command = input("> ");
4.     if command == "quit":
5.         break
6.     print("You entered:", command)
7.    
8. # After
9. while (command := input("> ")) != "quit":
10.     print("You entered:", command)

复制代码

 
assignment expressions在进行分支判断时非常好用，写的时候能够舒服很多。本身使用也集中在if/while这种场景，虽然让语法变复杂了，但是总体还是可控的，舒适程度大于风险。
海象运算符本身问题不大，但是争议主要存在于PEP 572的第二点，对于生成器语义的变化。
在PEP 572后，生成器的in后的运算顺序产生了变化，原本是作为生成器输入，结果现在变成了生成器闭包的一部分。

1. temp_list = ["abc","bcd"]
2. result_list = (x for x in range(len(temp_list)))
3. print(list(result_list))
5. # 等价于
6. # Before
7. temp_list = ["abc", "bcd"]
10. def func_data(data: int):
11.     for x in range(data):
12.         yield x
15. result_list = func_data(len(temp_list))
16. print(list(result_list))
18. # After
19. temp_list = ["abc", "bcd"]
22. def func_data():
23.     for x in range(len(temp_list)):
24.         yield x
27. result_list = func_data()
28. print(list(result_list))

复制代码

 
这样的修改目的是配合海象牙运算符增加代码可读性，但无疑是带破坏性的修改，且让运行顺序变得迷惑，让一些老代码出现难以发现的bug。
python社区在激烈辩论后，这一部分的修改被成功撤销，只保留了海象牙运算符。
关于这个PEP，知乎上有难得一见的有价值讨论，这部分范例代码也引用自此。
PEP 570 仅限位置形参
在函数形参处新增一个/语法，划分非关键字与关键字形参。例如

1. def f(a, b, /, c, d, *, e, f):
2.     print(a, b, c, d, e, f)
4. # 以下调用均合法
5. f(10, 20, 30, d=40, e=50, f=60)
7. # 以下调用均不合法
8. f(10, b=20, c=30, d=40, e=50, f=60)   # b cannot be a keyword argument
9. f(10, 20, 30, 40, 50, f=60)           # e must be a keyword argument

复制代码

 
/语法的添加让调用函数时可以在可读性与简洁之间自由选择，可以选择强制不接受关键字参数、不需要形参名称时也可以省略。同时也让接受任意参数函数的实现变得方便了许多，例如：

1. class Counter(dict):
2.     def __init__(self, iterable=None, /, **kwds):
3.         # Note "iterable" is a possible keyword argument

复制代码

 
这条本来也有其他方案，例如装饰器实现、def fn(.arg1, .arg2, arg3):、def fn(a, (b, c), d):等，这里就不一一展开了，推荐阅读PEP原文。
Python 3.9
PEP 584 字典合并运算符
在此之前，要想合并两个字典的画风是这样的

1. a={'a':1,'b':2}
2. b={'c':3}
4. a.update(b)
6. # 或者是
7. c = {**a, **b}

复制代码

 
但自从有了|之后，可以变成这样

1. a |= b
2. c = a | b

复制代码

 
当然这个操作符也伴随着一些争议，大概是这样：
反方：合并不符合交换律 正方：python字典合并本身就不符合交换律，特别是python3.6之后统一到有序字典后，相比合并应该更类似于拼接
反方：类似管道写法进行多次合并效率低，反复创建和销毁临时映射 正方：这种问题在序列级联时同样会出现。如果真出现了合并大量字典的使用场景，应当直接显式循环合并
反方：|操作符容易和位运算混淆。运算符行为强依赖于变量种类，这在python是非常不利于可读性的 正方：确实有这个问题，但是|已经很混乱了（位运算、集合操作、or()魔术方法重载），所以还是先规范变量命名吧
即将到来的Python 3.10
PEP 617 / bpo-12782 括号内的上下文管理
这一条是针对with语法(PEP 343)的小变动，让一个with可以管理多个上下文。使用也很简单

1. with (CtxManager() as example):
2.     ...
4. with (
5.     CtxManager1(),
6.     CtxManager2()
7. ):
8.     ...
10. with (CtxManager1() as example,
11.       CtxManager2()):
12.     ...
14. with (CtxManager1(),
15.       CtxManager2() as example):
16.     ...
18. with (
19.     CtxManager1() as example1,
20.     CtxManager2() as example2
21. ):
22.     ...

复制代码

 
比较实用，避免了with下面接with产生不必要缩进的尴尬。值得注意的是，这一条语法变动是新的非LL(1)文法CPython PEG解析器所带来的副产物。所以PEP 617的标题是New PEG parser for CPython。
PEP 634 结构化模式匹配match-case
直接上结构：

1. match subject:
2.     case <pattern_1>:
3.         <action_1>
4.     case <pattern_2>:
5.         <action_2>
6.     case <pattern_3>:
7.         <action_3>
8.     case _:
9.         <action_wildcard>

复制代码

 
是不是感觉熟悉又臭名昭著的switch-case终于来了？当然还是有区别的：
这个写法基本还是if-elif-else的语法糖，运行完case就自动break出来。再加上一些看着不错的模式匹配特性。

1. def http_error(status):
2.     match status:
3.         case 400:
4.             return "Bad request"
5.         case 401 | 403 | 404:
6.             return "Not allowed"
7.         case 404:
8.             return "Not found"
9.         case 418:
10.             return "I'm a teapot"
11.         case _:
12.             return "Something's wrong with the Internet"

复制代码

 
这样的写法看着就比if-elif-else看着清爽了许多。针对元组、类、列表也有不错的支持:

1. # point is an (x, y) tuple
2. match point:
3.     case (0, 0):
4.         print("Origin")
5.     case (0, y):
6.         print(f"Y={y}")
7.     case (x, 0):
8.         print(f"X={x}")
9.     case (x, y):
10.         print(f"X={x}, Y={y}")
11.     case _:
12.         raise ValueError("Not a point")

复制代码

 
结语
语言的发展是由技术的进步、工程的需求凝结出的结晶，从中透露出的是满满的代码设计哲学。充分了解语法，可以让开发变得顺畅舒适；理解了语法背后的原因与争议，则可以开拓计算机科学领域的视野。与时俱进，深入了解各种新兴技术，才是真正的极客~


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！