几个被淘汰的Python库，请不要再用！( 二 ) _Python库

DataclassesPython 3.7 的一个重要补充是 dataclasses 包，它是 namedtuple 的替代品。
你可能想知道为什么需要替换 namedtuple？以下是你应该考虑切换到数据类的一些原因：

1、它可以是可变的
2、默认提供 repr、eq、init、hash 魔术方法，
3、允许指定默认值，
4、支持继承。此外，数据类还支持 frozen 和 slots（从 3.10 开始）属性以提供与命名元组的特征奇偶校验。

切换真的不应该太难，因为你只需要更改定义：

# 老方式:# from collections import namedtuplefrom typing import NamedTupleimport sysUser = NamedTuple("User", [("name", str), ("surname", str), ("password", bytes)])u = User("John", "Doe", b'tfeL+uD...xd2')print(f"Size: {sys.getsizeof(u)}")# Size: 64# 新方式:from dataclasses import dataclass@dataclass()class User:name: strsurname: strpassword: bytesu = User("John", "Doe", b'tfeL+uD...xd2')print(u)# User(name='John', surname='Doe', password=b'tfeL+uD...xd2')print(f"Size: {sys.getsizeof(u)}, {sys.getsizeof(u) + sys.getsizeof(vars(u))}")# Size: 48, 152

在上面的代码中，我们还包含了大小比较，因为这是 namedtuple 和数据类之间的较大差异之一，如上所见，命名元组的大小要小得多，这是由于数据类使用 dict 来表示属性。
至于速度比较，除非你计划创建数百万个实例，否则属性的访问时间应该基本相同，或者不够重要：

import timeitsetup = '''from typing import NamedTupleUser = NamedTuple("User", [("name", str), ("surname", str), ("password", bytes)])u = User("John", "Doe", b'')'''print(f"Access speed: {min(timeit.repeat('u.name', setup=setup, number=10000000))}")# Access speed: 0.16838401100540068setup = '''from dataclasses import dataclass@dataclass(slots=True)class User:name: strsurname: strpassword: bytesu = User("John", "Doe", b'')'''print(f"Access speed: {min(timeit.repeat('u.name', setup=setup, number=10000000))}")# Access speed: 0.17728697300481144

如果以上内容说服了你打算切换到数据类，请尽快尝试吧
相反，如果你不想切换并且出于某种原因真的想使用命名元组，那么你至少应该使用键入模块而不是collections中的 NamedTuple：

# 不好方式的:from collections import namedtuplePoint = namedtuple("Point", ["x", "y"])# 更好的方式:from typing import NamedTupleclass Point(NamedTuple):x: floaty: float

最后，如果你既不使用 namedtuple 也不使用数据类，你可能需要考虑直接使用 Pydantic 。
Proper Logging 而不是 print这不是标准库的最新添加，但值得使用 - 你应该使用正确的日志记录而不是打印语句，如果你在本地调试问题，则可以使用 print，但对于任何无需用户干预即可运行的生产就绪程序，正确的日志记录是必须的。
特别是考虑到设置 Python 日志记录非常简单：

import logginglogging.basicConfig(filename='Application.log',level=logging.WARNING,format='[%(asctime)s] {%(pathname)s:%(lineno)d} %(levelname)s - %(message)s',datefmt='%H:%M:%S')logging.error("Some serious error occurred.")# [12:52:35] {<stdin>:1} ERROR - Some serious error occurred.logging.warning('Some warning.')# [12:52:35] {<stdin>:1} WARNING - Some warning.

与打印语句相比，上面的简单配置将为你提供卓越的调试体验，最重要的是，你可以进一步自定义日志库以记录到不同的位置、更改日志级别、自动轮换日志等。
f-strings 而不是 formatPython 包含很多格式化字符串的方法，包括 C 样式格式化、f 字符串、模板字符串或 .format 函数，不过，其中之一 - f-strings - 格式化的字符串文字，它们写起来更自然，可读性更强，并且是前面提到的选项中最快的。
因此，我认为没有必要争论或解释为什么要使用它们，然而，在某些情况下不能使用 f 字符串：
使用 % 格式的唯一原因是用于记录：

import loggingthings = "something happened..."logger = logging.getLogger(__name__)logger.error("Message: %s", things)# 评估内部记录器方法logger.error(f"Message: {things}")# 立即评估

在上面的示例中，如果你使用 f 字符串，则表达式将立即计算，而使用 C 样式格式，替换将被推迟到实际需要时，这对于消息分组很重要，其中具有相同模板的所有消息都可以记录为一个，这不适用于 f 字符串，因为模板在传递给记录器之前填充了数据。