前言：
现时姐妹们对“python枚举文件”大概比较看重，我们都想要分析一些“python枚举文件”的相关文章。那么小编同时在网上汇集了一些关于“python枚举文件””的相关知识，希望同学们能喜欢，我们一起来了解一下吧！根据Python EOL政策，Python 2的还剩下7个月的维护时间，此后从2020年开始Python即将停止维护更新。大家肯定已经开始逐渐用起了Python 3了，但是Python 3的新功能、新语法可能很多人还都没用起来。本文虫虫建给大家实例介绍一些Python 3非常好用的功能h语法，本文中所有的示例基于Jupyter Notebook+Python 3.7编写的。
f-strings
在编程语言中字符处理是最基本的功能，在Python我们习惯的字符处理格式是下面这样的format的方式：
user = "Chongchong"
action = "print"
log_message = '用户{} 登陆，并且操作 {} ！'.format(
user,
action
)
print(log_message)
结果：
除了format之外，Python 3还引入了一种通过f-string更灵活的字符串插值的方法。使用f-strings的上述代码如下所示：
user = "Chongchong"
action = "print"
log_message = f'用户{user} 登陆，并且操作了 {action}。'
print(log_message)
结果：
是不是很简单方便，有了点Perl字符的意味？
Pathlib
为了方便处理文件路径等路径类的字符串， Python 3提供了pathlib来处理文件路径，他的使用也非常简单：
from pathlib import Path
root = Path('Newdir')
print(root)
path = root / 'Chongchong'
print(path.resolve())
代码解析：其中Path操作新引入一个目录，resolve()函数解析出绝对路径，结果如下：
类型提示
变量类型是动态语言和静态语言根本区分之一，静态类型安全高效，是使用比较繁琐。动态类型使用灵活方便，但是性能安全性较差，容易出现变量类型的混淆不太确定。Python 3中推出了一个类型提示功能，可以让我们验证的变量类型是是不是正常。
def sayhello(name: str) -> str:
return 'Hello ' + name
# sayhello ("虫虫") # Hello虫虫
sayhello (55)
结果会报错，类型不匹配：
枚举
Python 3支持通过Enum类方便的生成枚举类型。枚举是一种存储常量列表的便捷的数据结构，使用枚举非常我们方便地统一管理常量和保持代码整洁。
from enum import Enum, auto
class SPORTS(Enum):
RACE = auto()
SWIMMING = auto()
BALL = auto()
SKIIING = auto()
SPORTS(2)
结果如下：
数据类
在Python 3中开始引入了数据类的功能。数据类没有语法限制，可用于减少样板代码，装饰器会自动生成特殊方法，例如__init__()以及__repr()__。从官方proposal中叫做"具有默认值的可变命名元组"。举个简单的例子：
class Sum:
def __init__(self, digi: float, description: str, level: int = 1):
self.digi = digi
self.level = level
self.description = description
def power(self) -> float:
return pow(self.digi,self.level)
dig = Sum(5.2, "计算类", 2)
print(dig.power())
print(dig.description)
print(dig)
结果：
我们使用数据类来实现相同的功能：
from dataclasses import dataclass
@dataclass
class Sumd:
digi: float
description: str
level: int = 1
def power(self) -> float:
return pow(self.digi ,self.level)
digd= Sumd(5.2, "数据类", 2)
print(digd.power())
print(digd)
结果如下：
lru_cache缓存
高速缓存是有效提高系统性能的最有效的方式。Python 3提供一个装饰器lru_cache用来表示LRU（最近最少使用）缓存，通过该装饰器我们可以非常翻遍的使用缓存。我们以近点的递归算法示例Fibonacci数组的计算来展示缓存的巨大作用。
首先是没有缓存的版本：
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(36)
结果：
耗时：8s多
我们使用用lru_cache优化它代码：
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(100)
print(f'Duration: {time.time() - start}s')
结果：
我可以试着改变参数，不论计算多大的数字，结果都会在纳秒级别出来，而对第一个没有缓存的版本，如果n再大的话就太耗时算不出来了。
可扩展递归解包
看代码：
head, *body, tail = range(5)
print(head, body, tail)
py, filename, *cmds = "python3.7 script.py -n 5 -l 15".split()
print(py)
print(filename)
print(cmds)
first, _, third, *_ = range(10)
print(first, third)
结果很能说明功能，该功能非常适用于赋值，命令行参数解析等。
隐式命名空间包
Python代码类库常见的组织方法是用包packages（带有__init__.py文件的文件夹）。下面一个示例是Python文档：
在Python 2中，每个文件夹都必须有一个__init__.py文件，该文件实现将当前目录转换为Python包。在Python 3中，引入了隐式命名空间包，__init__.py将成为历史。
总结
本文中虫虫给大家介绍了一些个人认为值得掌握的Python 3功能，更多的功能请参考Python官方文档，如果你有比较喜欢的Python 3好用的新功能，也请你回复介绍给大家。
