Python3.2特性有哪些

这篇文章主要为大家展示了“Python3.2特性有哪些”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“Python3.2特性有哪些”这篇文章吧。

argparse 子命令

argparse 模块首次出现在 Python 3.2 中。有许多用于命令行解析的第三方模块。但是内置的 argparse 模块比许多人认为的要强大。

要记录所有的 argparse 的特性，那需要专门写系列文章。下面是一个例子，说明如何用 argparse 做子命令。

想象一下，一个命令有两个子命令：negate，需要一个参数，multiply，需要两个参数：

$ computebot negate 5-5$ computebot multiply 2 36

import argparse parser = argparse.ArgumentParser()subparsers = parser.add_subparsers()

add_subparsers() 方法创建一个对象，你可以向其添加子命令。唯一需要记住的技巧是，你需要添加通过 set_defaults() 调用的子命令：

negate  = subparsers.add_parser("negate")negate.set_defaults(subcommand="negate")negate.add_argument("number", type=float)

multiply  = subparsers.add_parser("multiply")multiply.set_defaults(subcommand="multiply")multiply.add_argument("number1", type=float)multiply.add_argument("number2", type=float)

我最喜欢的一个 argparse 功能是，因为它把解析和运行分开，测试解析逻辑特别令人愉快。

parser.parse_args(["negate", "5"])

    Namespace(number=5.0, subcommand='negate')

parser.parse_args(["multiply", "2", "3"])

    Namespace(number1=2.0, number2=3.0, subcommand='multiply')

contextlib.contextmanager

上下文是 Python 中一个强大的工具。虽然很多人 使用 它们，但编写一个新的上下文常常看起来像一门黑暗艺术。有了 contextmanager 装饰器，你所需要的只是一个一次性的生成器。

编写一个打印出做某事所需时间的上下文，就像这样简单：

import contextlib, timeit @contextlib.contextmanagerdef timer():    before = timeit.default_timer()    try:        yield    finally:        after = timeit.default_timer()        print("took", after - before)

你可以这样使用：

import time with timer():    time.sleep(10.5)

    took 10.511025413870811`

functools.lru_cache

有时，在内存中缓存一个函数的结果是有意义的。例如，想象一下经典的问题：“有多少种方法可以用 25 美分、1 美分、2 美分和 3 美分可以来换取 1 美元？”

这个问题的代码可以说是非常简单：

def change_for_a_dollar():    def change_for(amount, coins):        if amount == 0:            return 1        if amount < 0 or len(coins) == 0:            return 0        some_coin = next(iter(coins))        return (            change_for(amount, coins - set([some_coin]))            +            change_for(amount - some_coin, coins)        )    return change_for(100, frozenset([25, 10, 5, 1]))

在我的电脑上，这需要 13ms 左右：

with timer():    change_for_a_dollar()

    took 0.013737603090703487`

事实证明，当你计算有多少种方法可以做一些事情，比如用 50 美分找钱，你会重复使用相同的硬币。你可以使用 lru_cache 来避免重复计算。

import functools def change_for_a_dollar():    @functools.lru_cache    def change_for(amount, coins):        if amount == 0:            return 1        if amount < 0 or len(coins) == 0:            return 0        some_coin = next(iter(coins))        return (            change_for(amount, coins - set([some_coin]))            +            change_for(amount - some_coin, coins)        )    return change_for(100, frozenset([25, 10, 5, 1]))

with timer():    change_for_a_dollar()

    took 0.004180959425866604`

一行的代价是三倍的改进。不错。

以上是“Python3.2特性有哪些”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！