在Python 2.7即将停止支持时,我们为你带来了一份python 3.x迁移指南

概述目前，Python科学栈中的所有主要项目都同时支持Python3.x和Python2.7，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Python2.7的支持，全面转向

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：

from pathlib import Pathdataset = 'wiki_images'datasets_root = Path('/path/to/datasets/')train_path = datasets_root / dataset / 'train'test_path = datasets_root / dataset / 'test'for image_path in train_path.iterdir(): with image_path.open() as f: # note,open is a method of Path object # 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：

p.exists()p.@R_403_4223@p.parts()p.with_name('sibling.png') # only change the name,but keep the folderp.with_suffix('.jpg') # only change the extension,but keep the folder and the namep.chmod(mode)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）。

def repeat_each_entry(data): """ Each entry in the data is doubled  """ index = numpy.repeat(numpy.arange(len(data)),2) 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：

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。

def repeat_each_entry(data: Union[numpy.ndarray,bcolz.carray]):

如果你有一个很棒的代码库，类型提示工具如 MyPy 可能成为集成流程中的一部分。不幸的是，提示没有强大到足以为 ndarrays/tensors 提供细粒度类型，但是或许我们很快就可以拥有这样的提示工具了，这将是 DS 的伟大功能。

类型提示 → 运行时的类型检查

默认情况下，函数注释不会影响代码的运行，不过它也只能帮你指出代码的意图。

但是，你可以在运行时中使用 enforce 等工具强制进行类型检查，这可以帮助你调试代码（很多情况下类型提示不起作用）。

@enforce.runtime_valIDationdef foo(text: str) -> None: print(text)foo('Hi') # okfoo(5) # fails@enforce.runtime_valIDationdef any2(x: List[bool]) -> bool: return any(x)any ([False,False,True,False]) # Trueany2([False,False]) # Trueany (['False']) # Trueany2(['False']) # failsany ([False,None,"",0]) # Falseany2([False,0]) # fails

函数注释的其他用处

如前所述，注释不会影响代码执行，而且会提供一些元信息，你可以随意使用。

例如，计量单位是科学界的一个普遍难题，astropy 包提供一个简单的装饰器（Decorator）来控制输入量的计量单位，并将输出转换成所需单位。

# Python 3from astropy import units as u@u.quantity_input()def frequency(speed: u.meter / u.s,wavelength: u.m) -> u.terahertz: return speed / wavelengthfrequency(speed=300_000 * u.km / u.s,wavelength=555 * u.nm)# output: 540.5405405405404 THz,frequency of green visible light

如果你拥有 Python 表格式科学数据（不必要太多），你应该尝试一下 astropy。你还可以定义针对某个应用的装饰器，用同样的方式来控制／转换输入和输出。

通过 @ 实现矩阵乘法

下面，我们实现一个最简单的机器学习模型，即带 L2 正则化的线性回归：

# l2-regularized linear regression: || AX - b ||^2 + Alpha * ||x||^2 -> min# Python 2X = np.linalg.inv(np.dot(A.T,A) + Alpha * np.eye(A.shape[1])).dot(A.T.dot(b))# Python 3X = np.linalg.inv(A.T @ A + Alpha * np.eye(A.shape[1])) @ (A.T @ b)

下面 Python 3 带有 @ 作为矩阵乘法的符号更具有可读性，且更容易在深度学习框架中转译：因为一些如 X @ W + b[None,:] 的代码在 numpy、cupy、pytorch 和 tensorflow 等不同库下都表示单层感知机。

使用 ** 作为通配符

递归文件夹的通配符在 Python2 中并不是很方便，因此才存在定制的 glob2 模块来克服这个问题。递归 flag 在 Python 3.6 中得到了支持。

import glob# Python 2found_images = \ glob.glob('/path/*.jpg') \ + glob.glob('/path/*/*.jpg') \ + glob.glob('/path/*/*/*.jpg') \ + glob.glob('/path/*/*/*/*.jpg') \ + glob.glob('/path/*/*/*/*/*.jpg')# Python 3found_images = glob.glob('/path/**/*.jpg',recursive=True)

python3 中更好的选择是使用 pathlib：

# Python 3found_images = pathlib.Path('/path/').glob('**/*.jpg')

Print 在 python3 中是函数

Python 3 中使用 Print 需要加上麻烦的圆括弧，但它还是有一些优点。

使用文件描述符的简单句法：

print >>sys.stderr,"critical error" # Python 2print("critical error",file=sys.stderr) # Python 3

在不使用 str.join 下输出 tab-aligned 表格：

# Python 3print(*array,sep='\t')print(batch,epoch,loss,accuracy,time,sep='\t')

修改与重新定义 print 函数的输出：

# Python 3_print = print # store the original print functiondef print(*args,**kargs): pass # do something useful,e.g. store output to some file

在 Jupyter 中，非常好的一点是记录每一个输出到独立的文档，并在出现错误的时候追踪出现问题的文档，所以我们现在可以重写 print 函数了。

在下面的代码中，我们可以使用上下文管理器暂时重写 print 函数的行为：

@contextlib.contextmanagerdef replace_print(): import builtins _print = print # saving old print function # or use some other function here builtins.print = lambda *args,**kwargs: _print('new printing',*args,**kwargs) yIEld builtins.print = _printwith replace_print(): <code here will invoke other print function>

上面并不是一个推荐的方法，因为它会引起系统的不稳定。

print 函数可以加入列表解析和其它语言构建结构。

# Python 3result = process(x) if is_valID(x) else print('invalID item: ',x)

f-strings 可作为简单和可靠的格式化

默认的格式化系统提供了一些灵活性，且在数据实验中不是必须的。但这样的代码对于任何修改要么太冗长，要么就会变得很零碎。而代表性的数据科学需要以固定的格式迭代地输出一些日志信息，通常需要使用的代码如下：

# Python 2print('{batch:3} {epoch:3} / {total_epochs:3} accuracy: {acc_mean:0.4f}±{acc_std:0.4f} time: {avg_time:3.2f}'.format( batch=batch,epoch=epoch,total_epochs=total_epochs,acc_mean=numpy.mean(accuracIEs),acc_std=numpy.std(accuracIEs),avg_time=time / len(data_batch)))# Python 2 (too error-prone during fast modifications,please avoID):print('{:3} {:3} / {:3} accuracy: {:0.4f}±{:0.4f} time: {:3.2f}'.format( batch,total_epochs,numpy.mean(accuracIEs),numpy.std(accuracIEs),time / len(data_batch)))

样本输出：

120 12 / 300 accuracy: 0.8180±0.4649 time: 56.60

f-strings 即格式化字符串在 Python 3.6 中被引入：

# Python 3.6+print(f'{batch:3} {epoch:3} / {total_epochs:3} accuracy: {numpy.mean(accuracIEs):0.4f}±{numpy.std(accuracIEs):0.4f} time: {time / len(data_batch):3.2f}')

另外，写查询语句时非常方便：

query = f"INSERT INTO STATION VALUES (13,'{city}','{state}',{latitude},{longitude})"

「true division」和「integer division」之间的明显区别

对于数据科学来说这种改变带来了便利（但我相信对于系统编程来说不是）。

data = pandas.read_csv('timing.csv')veLocity = data['distance'] / data['time']

Python 2 中的结果依赖于『时间』和『距离』（例如，以米和秒为单位）是否被保存为整数。

在 Python 3 中，结果的表示都是精确的，因为除法的结果是浮点数。

另一个案例是整数除法，现在已经作为明确的运算：

n_gifts = money // gift_price # correct for int and float arguments

注意，该运算可以应用到内建类型和由数据包（例如，numpy 或 pandas）提供的自定义类型。

推荐：Python核心团队计划2020年停止支持Python2，NumPy宣布停止支持计划表

[Python核心团队计划在2020年停止支持Python 2。NumPy项目自2010年以来一直支持Python 2和Python 3，并且发现支持Python 2对我们有限的资源增加了负担；因此，我们最终计划

严格排序

# All these comparisons are illegal in Python 33 < '3'2 < None(3,4) < (3,None)(4,5) < [4,5]# False in both Python 2 and Python 3(4,5) == [4,5]防止不同类型实例的偶然性的排序。sorted([2,'1',3]) # invalID for Python 3,in Python 2 returns [2,3,'1']在处理原始数据时帮助发现存在的问题。旁注：对 None 的合适检查是（两个版本的 Python 都适用）：if a is not None: passif a: # WRONG check for None pass

自然语言处理的 Unicode

s = '您好'print(len(s))print(s[:2])

输出：

Python 2: 6\n��Python 3: 2\n 您好.x = u'со'x += 'co' # okx += 'со' # fail

Python 2 在此失败了，而 Python 3 可以如期工作（因为我在字符串中使用了俄文字母）。

在 Python 3 中 strs 是 Unicode 字符串，对非英语文本的 NLP 处理更加方便。

还有其它有趣的方面，例如：

'a' < type < u'a' # Python 2: True'a' < u'a'   # Python 2: Falsefrom collections import CounterCounter('Möbelstück')Python 2: Counter({'\xc3': 2,'b': 1,'e': 1,'c': 1,'k': 1,'M': 1,'l': 1,'s': 1,'t': 1,'\xb6': 1,'\xbc': 1})Python 3: Counter({'M': 1,'ö': 1,'ü': 1,'k': 1})

这些在 Python 2 里也能正确地工作，但 Python 3 更为友好。

保留词典和**kwargs 的顺序

在 cpython 3.6+ 版本中，字典的默认行为类似于 OrderedDict（在 3.7+版本中已得到保证）。这在字典理解（和其他 *** 作如 Json 序列化/反序列化期间）保持顺序。

import Jsonx = {str(i):i for i in range(5)}Json.loads(Json.dumps(x))# Python 2{u'1': 1,u'0': 0,u'3': 3,u'2': 2,u'4': 4}# Python 3{'0': 0,'1': 1,'2': 2,'3': 3,'4': 4}

它同样适用于**kwargs（在 Python 3.6+版本中）：它们的顺序就像参数中显示的那样。当设计数据流程时，顺序至关重要，以前，我们必须以这样繁琐的方式来编写：

from torch import nn# Python 2model = nn.Sequential(OrderedDict([   ('conv1',nn.Conv2d(1,20,5)),('relu1',nn.ReLU()),('conv2',nn.Conv2d(20,64,('relu2',nn.ReLU())  ]))# Python 3.6+,how it *can* be done,not supported right Now in pytorchmodel = nn.Sequential( conv1=nn.Conv2d(1,5),relu1=nn.ReLU(),conv2=nn.Conv2d(20,relu2=nn.ReLU())) 

注意到了吗？名称的唯一性也会被自动检查。

迭代地拆封

# handy when amount of additional stored info may vary between experiments,but the same code can be used in all casesmodel_paramteres,optimizer_parameters,*other_params = load(checkpoint_name)# picking two last values from a sequence*prev,next_to_last,last = values_history# This also works with any iterables,so if you have a function that yIElds e.g. qualitIEs,# below is a simple way to take only last two values from a List*prev,last = iter_train(args)

默认的 pickle 引擎为数组提供更好的压缩

# Python 2import cPickle as pickleimport numpyprint len(pickle.dumps(numpy.random.normal(size=[1000,1000])))# result: 23691675# Python 3import pickleimport numpylen(pickle.dumps(numpy.random.normal(size=[1000,1000])))# result: 8000162

节省 3 倍空间，而且速度更快。实际上，类似的压缩（不过与速度无关）可以通过 protocol=2 参数来实现，但是用户通常会忽略这个选项（或者根本不知道）。

更安全的解析

labels = <initial_value>predictions = [model.predict(data) for data,labels in dataset]# labels are overwritten in Python 2# labels are not affected by comprehension in Python 3

关于 super()

Python 2 的 super（...）是代码错误中的常见原因。

# Python 2class MySubClass(MySuperClass): def __init__(self,name,**options):  super(MySubClass,self).__init__(name='subclass',**options)# Python 3class MySubClass(MySuperClass): def __init__(self,**options):  super().__init__(name='subclass',**options)

关于 super 和方法解析顺序的更多内容，参见 stackoverflow：

https://stackoverflow.com/questions/576169/understanding-python-super-with-init-methods

更好的 IDE 会给出变量注释

在使用 Java、C# 等语言编程的过程中最令人享受的事情是 IDE 可以提供非常好的建议，因为在执行代码之前，所有标识符的类型都是已知的。

而在 Python 中这很难实现，但是注释可以帮助你：

以清晰的形式写下你的期望

从 IDE 获取良好的建议

这是一个带变量注释的 PyCharm 示例。即使你使用的函数不带注释（例如，由于向后兼容性），它也能工作。

多种拆封（unpacking）

在 python3 中融合两个字典的代码示例：

x = dict(a=1,b=2)y = dict(b=3,d=4)# Python 3.5+z = {**x,**y}# z = {'a': 1,'b': 3,'d': 4},note that value for `b` is taken from the latter dict.

可以在这个链接中查看 Python2 中的代码对比：https://stackoverflow.com/questions/38987/how-to-merge-two-

dictionaries-in-a-single-expression

aame 方法对于列表（List）、元组（tuple）和集合（set）都是有效的（a、b、c 是任意的可迭代对象）：

[*a,*b,*c] # List,concatenating(*a,*c) # tuple,concatenating{*a,*c} # set,union

对于*args 和 **kwargs，函数也支持额外的 unpacking：

Python 3.5+do_something(**{**default_settings,**custom_settings})# Also possible,this code also checks there is no intersection between keys of dictionarIEsdo_something(**first_args,**second_args)

只带关键字参数的 API

我们考虑这个代码片段：

model = sklearn.svm.SVC(2,'poly',2,0.5)

很明显，代码的作者还没熟悉 Python 的代码风格（很可能刚从 cpp 和 rust 跳到 Python）。不幸的是，这不仅仅是个人偏好的问题，因为在 SVC 中改变参数的顺序（adding/deleting）会使得代码无效。特别是，sklearn 经常会重排序或重命名大量的算法参数以提供一致的 API。每次重构都可能使代码失效。

在 python3，库的编写者可能需要使用*以明确地命名参数：

class SVC(BaseSVC): def __init__(self,*,C=1.0,kernel='rbf',degree=3,gamma='auto',coef0=0.0,... )

现在，用户需要明确规定参数 sklearn.svm.SVC(C=2,kernel='poly',degree=2,gamma=4,coef0=0.5) 的命名。

这种机制使得 API 同时具备了可靠性和灵活性。

小调：math 模块中的常量

# Python 3math.inf # 'largest' numbermath.nan # not a numbermax_quality = -math.inf # no more magic initial values!for model in trained_models: max_quality = max(max_quality,compute_quality(model,data)

小调：单精度整数类型

Python 2 提供了两个基本的整数类型，即 int（64 位符号整数）和用于长时间计算的 long（在 C++变的相当莫名其妙）。

Python 3 有一个单精度类型的 int，它包含了长时间的运算。
下面是查看值是否是整数的方法：

isinstance(x,numbers.Integral) # Python 2,the canonical wayisinstance(x,(long,int))  # Python 2isinstance(x,int)    # Python 3,easIEr to remember

其他

Enums 有理论价值，但是 字符串输入已广泛应用在 python 数据栈中。 Enums 似乎不与 numpy 交互，并且不一定来自 pandas。

协同程序也非常有希望用于数据流程，但还没有出现大规模应用。

Python 3 有稳定的 ABI

Python 3 支持 unicode（因此ω = Δφ / Δt 也 okay），但你最好使用好的旧的 ASCII 名称
一些库比如 jupyterhub(jupyter in cloud)、django 和新版 ipython 只支持 Python 3，因此对你来讲没用的功能对于你可能只想使用一次的库很有用。

数据科学特有的代码迁移问题（以及如何解决它们）

停止对嵌套参数的支持：

map(lambda x,(y,z): x,z,dict.items())

然而，它依然完美适用于不同的理解：

{x:z for x,z) in d.items()}

通常，理解在 Python 2 和 3 之间可以更好地「翻译」。

map(),.keys(),.values(),.items(),等等返回迭代器，而不是列表。迭代器的主要问题有： 没有琐碎的分割和 无法迭代两次。 将结果转化为列表几乎可以解决所有问题。

遇到问题请参见 Python 问答：我如何移植到 Python 3？（https://eev.ee/blog/2016/07/31/python-faq-how-do-i-port-to-python-3/）

用 python 教机器学习和数据科学的主要问题

课程作者应该首先花时间解释什么是迭代器，为什么它不能像字符串那样被分片/级联/相乘/迭代两次（以及如何处理它）。
我相信大多数课程作者很高兴避开这些细节，但是现在几乎不可能。
结论

Python 2 与 Python 3 共存了近 10 年，时至今日，我们必须要说：是时候转向 Python 3 了。

研究和生产代码应该更短，更易读取，并且在迁移到 Python 3 代码库之后明显更加的安全。

现在大多数库同时支持 2.x 和 3.x 两个版本。但我们不应等到流行工具包开始停止支持 Python 2 才开始行动，提前享受新语言的功能吧。

您可能感兴趣的文章:Python2.7读取PDF文件的方法示例Linux RedHat下安装Python2.7开发环境Mac中升级Python2.7到Python3.5步骤详解Linux环境下python2.7.6升级python3.5.2windows10系统中安装python3.x+scrapy教程Windows下使Python2.x版本的解释器与3.x共存的方法把项目从Python2.x移植到Python3.x的经验总结编写同时兼容Python2.x与Python3.x版本的代码的几个示例Python 2.7.x 和 3.x 版本的重要区别小结 总结

以上是内存溢出为你收集整理的在Python 2.7即将停止支持时,我们为你带来了一份python 3.x迁移指南全部内容，希望文章能够帮你解决在Python 2.7即将停止支持时,我们为你带来了一份python 3.x迁移指南所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。