全文共2201字，预计学习时长6分钟
图源：unsplash
Python 3上线已有一段时间，大多数开发人员(特别是那些首次编程的人)已经在使用它了。不过，你确定已经对Python 3研究透彻了吗？
事实上，其中还有许多新功能对大多数人来说仍处于未知状态。本文就将讨论Python 3中三个鲜为人知但非常有用的功能，我在其他语言中接触到并爱上了这些功能，它们的加入使得使Python 3体验更佳。
枚举
枚举是在Java和Swift中常使用到的功能，我把它扩展到Python中。在Python中创建枚举非常简单，在Python 3之前的版本中也可使用(尽管功能更受限)：
from enum importEnum
classState(Enum):
AIR=0
LAND=1
SEA=2
myState =State.AIR
# Prints 0
print(myState.value)
# Prints AIR
print(myState.name)
在上述代码中，可以看到通过构造一个类并使其成为枚举的子类，便可以轻松构造枚举。在这里只需在下面的行中定义每个状态。就我而言，我有AIR、LAND、SEA。
Python3的新功能是运行.value和.name。这能获得与状态相关联的整数值或与之相关联的字符串。
在上面的代码中，输入State.LAND.name 返回LAND，因此功能不仅仅是一个整数枚举。
当需要描述性常量时，代码中的枚举类型十分有用。例如，与其检查状态是0还是1，不如检查它是否是State.MOVING或State.STATIONARY状态. 。常量可能会改变，如果有人在看你的代码，MOVING比0更有意义，代码的可读性也会大大提高。
图源：unsplash
格式
在Python 3.6中添加的fstring是格式化文本的一种很好的方式。它们的可读性强，而且不容易出错。fstring比Python以前使用的格式更易读。以下是使用格式的示例：
name ='Brett'
blog_title ='Medium'
# Hi, my name isBrett and I am writing on my Medium blog.
a ="Hi, myname is {} and I am writing on my {} blog.".format(name,blog_title)
如上所示，在字符串中打入括号，然后按顺序列出每个变量的名称。相同代码任务很多，但fstring极大地增加了代码的可读性，尤其是类似于用Swift格式化字符串。
name ='Brett'
blog_title ='Medium'
# Hi, my name isBrett and I am writing on my Medium blog.
a =f"Hi, myname is {name} and I am writing on my {blog_title} blog."
为了完成这个更简洁的字符串，只需在引号前面加上字母f，然后将变量或数据直接放入括号中，而不是使用空括号。由于变量本身是写在括号内的，所以不必计算格式中写入的项的数量来确定变量的位置，变量就在应在的位置。
相比于字符串连接或格式化字符串，fstring可以生成更可读、更可靠的代码。
数据类
数据类可能要比上述所谈更为晦涩难懂，所以我将简要地解释一下。我在Kotlin中逐渐喜欢上了数据类，因此很想在Python中使用它们。
数据类实际上是一个类，其唯一目的是保存数据的类。类将具有可以访问和写入的变量，但上面没有额外的逻辑。
假设你有一个程序，在不同的类之间传递一个字符串和一个数字数组。使用pass(str，arr)这样的方法也可行，最好是创建一个只包含字符串作为字段和数组的数据类。通过创建一个数据类，你所做的将更加清晰，单元测试也将更加容易。
图源：unsplash
下面这个示例将说明如何创建一个表示三维向量的简单数据类，但这可以很容易地扩展为表示不同数据的任意组合：
from dataclasses import dataclass
# Definedataclass
@dataclass
classVector3D:
x: int
y: int
z: int
# Create a vector
u =Vector3D(1,1,-1)
# Outputs: Vector3D(x=1,y=1, z=-1)
print(u)
在这里，你可以看到数据类的定义与声明普通类非常相似，只是我们先用了@dataclass，然后每个字段的名称都是name:type。
虽然我们创建的Vector3D功能有限，但是数据类的目的只是提高效率并减少代码中的错误，传递Vector3D比传递int变量要好得多。
以上三点就是我的新发现。你在Python 3中尝试过哪些鲜为人知的功能呐？
留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范
