[#]: subject: (3 Python 3.2 features that are still relevant today)
[#]: via: (https://opensource.com/article/21/5/python-32)
[#]: author: (Moshe Zadka https://opensource.com/users/moshez)
[#]: collector: (lujun9972)
[#]: translator: (geekpi)
[#]: reviewer: (wxy)
[#]: publisher: (wxy)
[#]: url: (https://linux.cn/article-13435-1.html)

3 个到今天仍然有用的 Python 3.2 特性
======

> 探索一些未被充分利用但仍然有用的 Python 特性。

![](https://img.linux.net.cn/data/attachment/album/202105/28/202023pz86mg88r18o6e22.jpg)

这是Python 3.x 首发特性系列文章中的第三篇。其中一些 Python 版本已经推出了一段时间。例如，Python 3.2 是在 2011 年首次发布的，但其中引入的一些很酷、很有用的特性仍然没有被使用。下面是其中的三个。

### argparse 子命令

`argparse` 模块首次出现在 Python 3.2 中。有许多用于命令行解析的第三方模块。但是内置的 `argparse` 模块比许多人认为的要强大。

要记录所有的 `argparse` 的特性，那需要专门写系列文章。下面是一个例子，说明如何用 `argparse` 做子命令。

想象一下，一个命令有两个子命令：`negate`，需要一个参数，`multiply`，需要两个参数：

```
$ computebot negate 5
-5
$ computebot multiply 2 3
6
```

```
import argparse

parser = argparse.ArgumentParser()
subparsers = parser.add_subparsers()
```

`add_subparsers()` 方法创建一个对象，你可以向其添加子命令。唯一需要记住的技巧是，你需要添加通过 `set_defaults()` 调用的子命令：

```
negate  = subparsers.add_parser("negate")
negate.set_defaults(subcommand="negate")
negate.add_argument("number", type=float)
```

```
multiply  = subparsers.add_parser("multiply")
multiply.set_defaults(subcommand="multiply")
multiply.add_argument("number1", type=float)
multiply.add_argument("number2", type=float)
```

我最喜欢的一个 `argparse` 功能是，因为它把解析和运行分开，测试解析逻辑特别令人愉快。

```
parser.parse_args(["negate", "5"])
```

```
    Namespace(number=5.0, subcommand='negate')
```

```
parser.parse_args(["multiply", "2", "3"])
```

```
    Namespace(number1=2.0, number2=3.0, subcommand='multiply')
```

### contextlib.contextmanager

上下文是 Python 中一个强大的工具。虽然很多人 _使用_ 它们，但编写一个新的上下文常常看起来像一门黑暗艺术。有了 `contextmanager` 装饰器，你所需要的只是一个一次性的生成器。

编写一个打印出做某事所需时间的上下文，就像这样简单：

```
import contextlib, timeit

@contextlib.contextmanager
def timer():
    before = timeit.default_timer()
    try:
        yield
    finally:
        after = timeit.default_timer()
        print("took", after - before)
```
你可以这样使用：


```
import time

with timer():
    time.sleep(10.5)
```

```
    took 10.511025413870811`
```

### functools.lru_cache

有时，在内存中缓存一个函数的结果是有意义的。例如，想象一下经典的问题：“有多少种方法可以用 25 美分、1 美分、2 美分和 3 美分可以来换取 1 美元？”

这个问题的代码可以说是非常简单：

```
def change_for_a_dollar():
    def change_for(amount, coins):
        if amount == 0:
            return 1
        if amount < 0 or len(coins) == 0:
            return 0
        some_coin = next(iter(coins))
        return (
            change_for(amount, coins - set([some_coin]))
            +
            change_for(amount - some_coin, coins)
        )
    return change_for(100, frozenset([25, 10, 5, 1]))
```

在我的电脑上，这需要 13ms 左右：

```
with timer():
    change_for_a_dollar()
```

```
    took 0.013737603090703487`
```

事实证明，当你计算有多少种方法可以做一些事情，比如用 50 美分找钱，你会重复使用相同的硬币。你可以使用 `lru_cache` 来避免重复计算。

```
import functools

def change_for_a_dollar():
    @functools.lru_cache
    def change_for(amount, coins):
        if amount == 0:
            return 1
        if amount < 0 or len(coins) == 0:
            return 0
        some_coin = next(iter(coins))
        return (
            change_for(amount, coins - set([some_coin]))
            +
            change_for(amount - some_coin, coins)
        )
    return change_for(100, frozenset([25, 10, 5, 1]))
```

```
with timer():
    change_for_a_dollar()
```

```
    took 0.004180959425866604`
```

一行的代价是三倍的改进。不错。

### 欢迎来到 2011 年

尽管 Python 3.2 是在 10 年前发布的，但它的许多特性仍然很酷，而且没有得到充分利用。如果你还没使用，那么将他们添加到你的工具箱中。

--------------------------------------------------------------------------------

via: https://opensource.com/article/21/5/python-32

作者：[Moshe Zadka][a]
选题：[lujun9972][b]
译者：[geekpi](https://github.com/geekpi)
校对：[wxy](https://github.com/wxy)

本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出

[a]: https://opensource.com/users/moshez
[b]: https://github.com/lujun9972
[1]: https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/lenovo-thinkpad-laptop-concentration-focus-windows-office.png?itok=-8E2ihcF (Woman using laptop concentrating)