Python 2.7终结于7个月后，这是你需要了解的3.X炫酷新特性

下面是一个简单的斐波那契函数，我们知道使用缓存将有助于该函数的计算，因为它会通过递归多次执行相同的工作。

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(40) 
print(f'Duration: {time.time() - start}s') 
# Duration: 30.684099674224854s 

现在，我们可以使用「lru_cache」来优化它(这种优化技术被称为「memoization」)。通过这种优化，我们将执行时间从几秒降低到了几纳秒。

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(40) 
print(f'Duration: {time.time() - start}s') 
# Duration: 6.866455078125e-05s 

扩展的可迭代对象解包(最低 Python 版本为 3.0)

对于这个特性，代码就说明了一切。

参考：https://www.python.org/dev/peps/pep-3132/

head, *body, tail = range(5) 
print(head, body, tail) 
# 0 [1, 2, 3] 4 
 
py, filename, *cmds = "python3.7 script.py -n 5 -l 15".split() 
print(py) 
print(filename) 
print(cmds) 
# python3.7 
# script.py 
# ['-n', '5', '-l', '15'] 
 
first, _, third, *_ = range(10) 
print(first, third) 
# 0 2 

Data class 装饰器(最低 Python 版本为 3.7)

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!