Nota

¡Ayúdanos a traducir la documentación oficial de Python al Español! Puedes encontrar más información en Como contribuir. Ayuda a acercar Python a más personas de habla hispana.

Qué hay de nuevo en Python 2.4

Autor

A.M. Kuchling

Este artículo explica las nuevas funcionalidades en Python 2.4.1 lanzadas el 30 de marzo de 2005.

Python 2.4 es un lanzamiento de término medio. Esto significa que no se han introducido grandes cambios como en la versión 2.2 de Python pero si son más significativas que la versión 2.3. Lo más relevante de estas nuevas funcionalidades son los decoradores y generadores de expresiones, la mayor parte del resto de los cambios son a la librería estándar.

De acuerdo al registro de cambios CVS , han sido aplicados 481 parches y 502 bugs han sido corregidos entre las versiones 2.3 y 2.4 de Python. Es posible que ambas cifras no concuerden con la realidad, podrían estar subestimadas.

Este artículo no pretende proveer una especificación completa y detallada de cada funcionalidad nueva, en vez de esto, se provee una breve descripción de las nuevas características. Para obtener más información se debe consultar la documentación oficial de Python 2.4, tal como la librería de referencia de Python y el manual de referencia de Python. Otra fuente de información es PEP (guía de estilo-mejoras de python) para buscar información sobre la implementación y fundamentación del diseño.

PEP 218: Objetos conjunto integrados

Python 2.3 introdujo el módulo sets , implementaciones del lenguaje C de tipos de datos han sido agregados al core de Python como dos nuevos tipos integrados. set (iterable) y frozenset (iterable) . Ellos proveen operaciones de alto rendimiento para pruebas de pertenencia, eliminar datos duplicados de una secuencia y operaciones matemáticas como: uniones, intersecciones, diferencias y diferencias simétricas.

>>> a = set('abracadabra')              # form a set from a string
>>> 'z' in a                            # fast membership testing
False
>>> a                                   # unique letters in a
set(['a', 'r', 'b', 'c', 'd'])
>>> ''.join(a)                          # convert back into a string
'arbcd'

>>> b = set('alacazam')                 # form a second set
>>> a - b                               # letters in a but not in b
set(['r', 'd', 'b'])
>>> a | b                               # letters in either a or b
set(['a', 'c', 'r', 'd', 'b', 'm', 'z', 'l'])
>>> a & b                               # letters in both a and b
set(['a', 'c'])
>>> a ^ b                               # letters in a or b but not both
set(['r', 'd', 'b', 'm', 'z', 'l'])

>>> a.add('z')                          # add a new element
>>> a.update('wxy')                     # add multiple new elements
>>> a
set(['a', 'c', 'b', 'd', 'r', 'w', 'y', 'x', 'z'])
>>> a.remove('x')                       # take one element out
>>> a
set(['a', 'c', 'b', 'd', 'r', 'w', 'y', 'z'])

La función de conjuntos integrados frozenset() es una versión inmutable de set(). Como es inmutable y hashable (su valor no cambia), se puede usar como una llave de diccionario o como parte de otro set.

El módulo set sets se encuentra en la librería estándar y puede ser útil si se desea usar una subclase de Set o ImmutableSet No existen planes de deprecación del módulo.

Ver también

PEP 218 - Agregando tipo de objeto integrado set

Originalmente propuesto por Greg Wilson e implementado finalmente por Raymond Hettinger.

PEP 237: Unificando enteros largos y enteros

El prolongado proceso de transición para este PEP que comenzó en Python 2.2 ha dado un paso más adelante en Python 2.4. En la versión 2.3 ciertas operaciones de enteros podían comportarse diferente después de lanzar la unificación del tipo de dato int-long entregando alertas FutureWarning y retornando valores limitados a 32 o 64 bits dependiendo de su plataforma. En la versión 2.4 estas expresiones ya no producen alertas y en vez de eso entrega un resultado diferente que suele ser un entero largo.

Las expresiones problemáticas son principalmente desplazamientos a la izquierda y constantes largas de hexadecimales y octales. Por ejemplo, 2 << 32 entrega una alerta en la versión 2.3 y evalúa 0 en plataformas 32-bit. Ahora en Python 2.4 la expresión retorna la respuesta correcta, 8589934592.

Ver también

PEP 237 - Unificando enteros largos y enteros

PEP original escrito por Moshe Zadka y GvR. Los cambios a la versión 2.4 fueron implementados por Kalle Svensson.

PEP 289: Expresiones generadoras

La función de iterador introducida en Python 2.2 y el módulo itertools facilitan la escritura de programas que recorren grandes conjuntos de datos sin tener todo el conjunto de datos en la memoria al mismo tiempo. Las listas de comprensión no encajan muy bien en esta imagen porque producen un objeto de lista de Python que contiene todos los elementos. Esto inevitablemente lleva todos los objetos a la memoria, lo que puede ser un problema si su conjunto de datos es muy grande. Al tratar de escribir un programa de estilo funcional, sería natural escribir algo como:

links = [link for link in get_all_links() if not link.followed]
for link in links:
    ...

en vez de

for link in get_all_links():
    if link.followed:
        continue
    ...

La primera forma es mas concisa y quizás mas legible pero en caso de trabajar con un gran número largo de objetos podría ser necesario el escribir una segunda línea para evitar tener los objetos enlazados en memoria al mismo tiempo.

Las expresiones generadoras trabajan de forma similar a las listas por comprensión pero no materializan la lista completa, en vez de eso se crea un generador que retornará los elementos uno a uno. El siguiente ejemplo podría ser escrito como:

links = (link for link in get_all_links() if not link.followed)
for link in links:
    ...

Los generadores de expresiones siempre tienen que ser escritos dentro de paréntesis como en el ejemplo descrito arriba. Los paréntesis señalan una llamada a la función que también se puede contar, entonces si se necesita crear un iterador que inmediatamente pasara a una función se podría escribir:

print sum(obj.count for obj in list_all_objects())

Las expresiones generadoras difieren de las listas de comprensión por pequeñas diferencias. La mas notable es que la variable del loop (obj en el ejemplo de arriba) no es accesible fuera de la expresión generadora. Las listas de comprensión dejan la variable asignada a su último valor, en versiones futuras de Python esto será cambiado en lo que respecta a hacer que las listas de comprensión coincidan con las expresiones de los generadores.

Ver también

PEP 289 - Expresiones generadoras

Propuesto por Raymond Hettinger e implementada por Jiwon Seo con los primeros esfuerzos dirigidos por Hye-Shik Chang.

PEP 292: Sustituciones simples de cadenas de caracteres

Algunas nuevas clases en la librería estándar proveen un mecanismo alternativo para sustituir variables dentro de cadenas de caracteres, este estilo de sustituciones puede ser mejor por aplicaciones donde usuarios sin experiencia necesitan editar plantillas.

La manera usual de sustituir variables por el nombre es con el operador % :

>>> '%(page)i: %(title)s' % {'page':2, 'title': 'The Best of Times'}
'2: The Best of Times'

Cuando se escriben plantillas con cadenas de caracteres puede ser muy fácil olvidar el uso de i or s después de cerrar paréntesis. Esto no es un problema grande si se está dentro de un módulo de Python pues al correr el código se lanza el siguiente mensaje de error «Unsupported format character» ValueError y el problema se resuelve. Sin embargo, tengamos en cuenta una aplicación como Mailman donde una plantilla de caracteres o traducciones son editadas por usuarios que no están familiarizados con Python. La sintaxis de como formatear las cadenas de caracteres es complicada de explicar para ciertos usuarios y si ellos cometen un error es una dificultad el entregar retroalimentación y ayuda.

PEP 292 agrega una clase Template al módulo string al módulo que usa $ para indicar una sustitución:

>>> import string
>>> t = string.Template('$page: $title')
>>> t.substitute({'page':2, 'title': 'The Best of Times'})
'2: The Best of Times'

Si una llave falta en el diccionario, el método substitute() lanzará una KeyError. También el método safe_substitute() que ignora las llaves faltantes:

>>> t = string.Template('$page: $title')
>>> t.safe_substitute({'page':3})
'3: $title'

Ver también

PEP 292 - Sustituciones simples de cadenas de caracteres

Escrito e implementado por Barry Warsaw.

PEP 318: Decoradores para funciones y métodos

Python 2.2 extendió el modelo de objeto de Python añadiendo métodos estáticos y métodos de clase pero no se extendió la sintaxis de Python para proveer alguna nueva forma de definir métodos estáticos o de clase. En vez de eso se tenía que escribir la palabra clave def de manera usual y pasar el método resultante a la staticmethod() o a la classmethod() que podía agrupar la función como método de un nuevo tipo. El código podría verse como esto:

class C:
   def meth (cls):
       ...

   meth = classmethod(meth)   # Rebind name to wrapped-up class method

Si el método era muy largo, era muy probable el perder o olvidar la invocación classmethod() dentro del cuerpo de la función.

La intención era siempre agregar alguna sintaxis que hicieran las definiciones mas entendibles pero al tiempo del lanzamiento de la versión 2.2 una buena sintaxis no era clara. Al día de hoy una buena sintaxis aun no es clara pero los usuarios están preguntando por formas más fáciles de acceder a las características, entonces una nueva funcionalidad sintáctica ha sido añadida para satisfacer esta necesidad.

La nueva característica es llamada decoradores de funciones. El nombre proviene de la idea de que classmethod(), staticmethod() son amigos y guardan información adicional en un objeto de una función. ellos están decorando funciones con mas detalles.

La notación proviene de Java y usa el '@' símbolo arroba como un indicador. Usando la nueva sintaxis el ejemplo descrito arriba podría ser escrito de la siguiente forma:

class C:

   @classmethod
   def meth (cls):
       ...

El @classmethod es un atajo para meth=classmethod(meth). De forma general si se tiene lo siguiente:

@A
@B
@C
def f ():
    ...

Es el equivalente para el siguiente código de pre decorador:

def f(): ...
f = A(B(C(f)))

Los decoradores deben agregarse en una línea antes de la definición de la función, un decorador por línea y no puede estar en la misma línea donde se usa la palabra def para comenzar una función, por ejemplo @A def f(): ... es incorrecto. Solo se puede decorar una definición de función tanto al nivel de módulo o dentro de una clase pero no puedes decorar definiciones de clase.

Un decorador es simplemente una función que toma la función a ser decorada como un argumento y retorna tanto la misma función o un nuevo objeto. El valor de retorno del decorador no necesita ser llamado (como típicamente se cree) si no que los decoradores podrán ser aplicados al resultado. Es fácil escribir sus propios decoradores. El siguiente ejemplo agrega un atributo a la función objetiva:

>>> def deco(func):
...    func.attr = 'decorated'
...    return func
...
>>> @deco
... def f(): pass
...
>>> f
<function f at 0x402ef0d4>
>>> f.attr
'decorated'
>>>

Como un ejemplo un poco mas realista, el siguiente decorador revisa si el argumento entregado es un entero:

def require_int (func):
    def wrapper (arg):
        assert isinstance(arg, int)
        return func(arg)

    return wrapper

@require_int
def p1 (arg):
    print arg

@require_int
def p2(arg):
    print arg*2

Un ejemplo en PEP 318 contiene una versión mas elegante de esta idea donde deja que usted elija específicamente el tipo y revisa el tipo de retorno.

Los decoradores de funciones pueden tomar argumentos. Si los argumentos son provistos, el decorador de la función es llamado con solo esos argumentos y retorna un nuevo decorador de función, esta función debe tomar una función sola y retorna una función como previamente se ha descrito. En otras palabras @A @B @C(args) comienza:

def f(): ...
_deco = C(args)
f = A(B(_deco(f)))

Conseguir que esto resulte correcto puede ser un acertijo pero tampoco es muy dificultoso.

Un pequeño cambio relacionado hace el atributo func_name de la función modificable. Este atributo es usado para desplegar nombres de funciones en el rastreo, entonces los decoradores cambia el nombre de cualquier nueva función que es construida y retornada.

Ver también

PEP 318 Decoradores para funciones, métodos y clases

Escrito por Kevin D.Smith, Jim Jewett y Skip Montanaro. Varias personas escribieron parches sobre la implementación de los decoradores de funciones, pero el único que fue chequeado fue #979728 por Mark Russell.

https://wiki.python.org/moin/PythonDecoratorLibrary

Esta pagina de wiki contiene múltiples ejemplos de decoradores.

PEP 322: Iteración inversa

Una nueva función de conjuntos integrados, reversed(seq) toma una secuencia y retorna un iterador que recorre los elementos de la secuencia en orden inverso.:

>>> for i in reversed(xrange(1,4)):
...    print i
...
3
2
1

Comparado con el uso tradicional de la segmentación tal como range(1,4)[::-1] la función reversed() es fácil de leer, se ejecuta mas rápido y usa sustancialmente menos memoria.

Señalar que la función reversed() solo acepta secuencias, no iteradores arbitrarios. Si se quiere revertir un iterador, primero se debe convertir a una lista usando la función list().:

>>> input = open('/etc/passwd', 'r')
>>> for line in reversed(list(input)):
...   print line
...
root:*:0:0:System Administrator:/var/root:/bin/tcsh
  ...

Ver también

PEP 322 - Iteración inversa

Escrita e implementada por Raymond Hettinger.

PEP 324: Nuevo módulo de subproceso

La librería estándar provee un cierto número de formas de ejecutar un subproceso, ofreciendo diferentes funcionalidades y diferentes niveles de complejidad. os.system(command) es fácil de usar pero lento (esto corre un proceso a nivel de interprete de comandos)y peligroso (se tiene que ser cuidadoso con no considerar los metacaracteres usados en el intérprete) El módulo popen2 ofrece clases que pueden capturar la salida estándar y el error estándar del subproceso, pero el nombre puede ser confuso. El módulo subprocess deja esto mas claro proveyendo una interface unificada que ofrece todas las funcionalidades que usted necesita.

En vez de popen2 que es una colección de clases el subprocess contiene una sola clase llamada Popen cuyo constructor soporta un número de diferentes argumentos de palabra clave:

class Popen(args, bufsize=0, executable=None,
            stdin=None, stdout=None, stderr=None,
            preexec_fn=None, close_fds=False, shell=False,
            cwd=None, env=None, universal_newlines=False,
            startupinfo=None, creationflags=0):

args es comúnmente una secuencia de cadenas de caracteres que podrán ser los argumentos del programa ejecutado como un subproceso. (Si el argumento shell es verdadero, args puede ser una cadena de caracteres que serán pasados directamente a la shell para su interpretación, tal como os.system() lo hace.)

stdin, stdout, y stderr especifican que flujos de entrada, salida y error serán utilizados. Se puede proceder un objeto de archivo o un archivo de descripción o se puede usar la constante subprocess.PIPE para crear un enlace entre el subproceso y el proceso principal.

El constructor tiene un número de opciones útiles:

  • close_fds requiere que todos los descriptores de archivos sean cerrados antes de correr el subproceso.

  • cwd especifica el directorio operativo donde el subproceso será ejecutado (por defecto, cualquiera que sea el directorio principal)

  • env es un diccionario donde se especifican las variables de entorno.

  • preexec_fn es una función que es llamada antes de que el proceso hijo sea llamado.

  • universal_newlines abre el flujo de entrada y salida del hijo usando la característica de Python universal newlines .

Una vez que se ha creado la instancia de la Popen se puede llamar al método wait() para poner en pausa hasta que el subproceso ha terminado, el método poll() comprueba si se ha salido sin pausar o el uso de communicate(data) envía la cadena de caracteres data a la entrada estándar del subproceso. Y el uso de communicate(data) que lee cualquier dato que el subproceso ha enviado a la salida estándar, retornando una tupla (stdout_data, stderr_data).

call() es un atajo que pasa estos argumentos a lo largo del constructor de la clase Popen, espera por el comando para completar la secuencia y retorna el código de estatus del subproceso. Esto puede servir como un análogo mas seguro de os.system():

sts = subprocess.call(['dpkg', '-i', '/tmp/new-package.deb'])
if sts == 0:
    # Success
    ...
else:
    # dpkg returned an error
    ...

El comando es invocado sin el uso del interprete de comandos. Si se desea usar el intérprete se puede agregar shell=True como un argumento de palabra clave y proveer una cadena de caracteres en vez de una secuencia:

sts = subprocess.call('dpkg -i /tmp/new-package.deb', shell=True)

La guía de estilo de Python toma varios ejemplos de línea de comandos y código python y muestra como estos son traducidos en el código python subprocess. Leer esta sección de la guía de estilo es altamente recomendado.

Ver también

PEP 324 - subprocess - Nuevo módulo de procesos

Escrito e implementado por Peter Åstrand, con asistencia de Frederik Lundh y otros.

PEP 327: Tipo de dato decimal

Python siempre ha soportado números de punto flotante (FP), basados ​​en el tipo subyacente C double, como un tipo de datos. Sin embargo, aunque la mayoría de los lenguajes de programación proporcionan un tipo de punto flotante, muchas personas (incluso los programadores) no saben que los números de punto flotante no representan ciertas fracciones decimales con precisión. El nuevo tipo Decimal puede representar estas fracciones con precisión, hasta un límite de precisión especificado por el usuario.

¿Por qué se necesita Decimal?

Las limitaciones surgen de la representación usada para los números de punto flotante. Los números de punto flotante están hechos de tres componentes:

  • El signo, el cual es positivo o negativo.

  • El significando o mantisa el cual es el un dígito binario seguido de su parte fraccional. Por ejemplo, 1.01 en notación base 2 es 1 + 0/2 + 1/4 o 1.25 en notación decimal.

  • El exponente, que indica dónde se encuentra el punto decimal en el número representado.

Por ejemplo, el número 1.25 tiene un signo positivo, una mantisa de valor 1.01 (en binario) y un exponente de 0 (el punto decimal no necesita ser desplazado. El números 5 tiene el mismo signo y significando pero, el exponente es 2 porque el significando es multiplicado por 4 (2 elevado a la potencia del exponente 2), 1.25 * 4 es igual a 5.

Los sistemas modernos generalmente brindan soporte de coma flotante que se ajusta a un estándar llamado IEEE 754. El tipo double de C generalmente se implementa como un número IEEE 754 de 64 bits, que usa 52 bits de espacio para la mantisa. Esto significa que los números solo se pueden especificar con 52 bits de precisión. Si está tratando de representar números cuya expansión se repite sin cesar, la expansión se corta después de 52 bits. Desafortunadamente, la mayoría del software necesita producir resultados en base 10, y las fracciones comunes en base 10 a menudo son decimales repetidos en binario. Por ejemplo, 1.1 decimal es binario 1.0001100110011 ...; .1 = 1/16 + 1/32 + 1/256 más un número infinito de términos adicionales. IEEE 754 tiene que cortar ese decimal repetido infinitamente después de 52 dígitos, por lo que la representación es un poco inexacta.

Algunas veces se puede ver esta inexactitud cuando el número es impreso por pantalla:

>>> 1.1
1.1000000000000001

La inexactitud no siempre es visible cuando se imprime el número porque el punto flotante a decimal y conversión a cadena de texto es entregada por la librería C y la mayoría de las librerías C tratan de producir una salida sensible. Incluso si no es mostrado, la inexactitud sigue ahí y las operaciones subsecuentes pueden agrandar el error.

Para muchas aplicaciones esto no importa. Si estoy trazando puntos y mostrándolos en el monitor la diferencia entre 1.1 y 1.1000000000000001 es muy pequeña para ser visible. Los reportes a menudo limitan la salida de un cierto número de decimales y si se redondea el número a dos o tres e incluso a 8 decimales, el error nunca aparece. Sin embargo, para las aplicaciones donde esto importa, es una cantidad de trabajo importante el personalizar los cálculos aritméticos.

Es por eso que el tipo de clase Decimal fue creada.

El tipo de clase Decimal

Un nuevo módulo, decimal, fue añadido a la librería estándar de Python. Esta contiene dos clases, Decimal y Context. Las instancias de la clase decimal Decimal representan números y la instancia de la Context son usadas para condensar varios ajustes como la precisión y el modo de redondeo por defecto.

Las instancias de la clase Decimal son inmutables como los números enteros y números de punto flotante en Python, una vez han sido creadas no se puede cambiar el valor de lo que la instancia representa. Las instancias de la Decimal pueden ser creados desde números enteros o cadenas de texto:

>>> import decimal
>>> decimal.Decimal(1972)
Decimal("1972")
>>> decimal.Decimal("1.1")
Decimal("1.1")

También se pueden proveer tuplas que contentan el signo, la mantisa representada como una tupla de números decimales y el exponente:

>>> decimal.Decimal((1, (1, 4, 7, 5), -2))
Decimal("-14.75")

Precaución: El signo bit es un valor booleano entonces 0 es positivo y 1 es negativo.

Convertir desde números de punto flotante posee un pequeño problema, el punto flotante representa 1.1 y se convierte en número decimal como 1.1 o por 1.1 mas cualquier inexactitud que se introduzca? La decisión fue evitar el problema y dejar tal conversión fuera de la API. En su lugar se debe convertir el número de punto flotante en una cadena con la precisión deseada y pasar la cadena al constructor Decimal :

>>> f = 1.1
>>> decimal.Decimal(str(f))
Decimal("1.1")
>>> decimal.Decimal('%.12f' % f)
Decimal("1.100000000000")

Una vez que se tiene la instancia de la clase Decimal se pueden realizar las operaciones matemáticas de rigor. Una limitación, la exponenciación requiere un exponente expresado en tipo de dato entero:

>>> a = decimal.Decimal('35.72')
>>> b = decimal.Decimal('1.73')
>>> a+b
Decimal("37.45")
>>> a-b
Decimal("33.99")
>>> a*b
Decimal("61.7956")
>>> a/b
Decimal("20.64739884393063583815028902")
>>> a ** 2
Decimal("1275.9184")
>>> a**b
Traceback (most recent call last):
  ...
decimal.InvalidOperation: x ** (non-integer)

Se puede combinar la instancia de la clase Decimal con enteros pero no con números de punto flotante:

>>> a + 4
Decimal("39.72")
>>> a + 4.5
Traceback (most recent call last):
  ...
TypeError: You can interact Decimal only with int, long or Decimal data types.
>>>

Los números en la clase Decimal pueden ser usados con los módulos math y cmath pero es preciso aclarar que ellos serán inmediatamente convertidos a números de punto flotante antes de realizar la operación, resultando en una posible perdida de precisión y exactitud. También obtendrá un número de punto flotante y no una clase Decimal:

>>> import math, cmath
>>> d = decimal.Decimal('123456789012.345')
>>> math.sqrt(d)
351364.18288201344
>>> cmath.sqrt(-d)
351364.18288201344j

Las instancias de la clase Decimal poseen un método sqrt() que retorna una clase Decimal pero si se necesita otro tipo de cosas como funciones trigonométricas se tendrían que implementar:

>>> d.sqrt()
Decimal("351364.1828820134592177245001")

El tipo de clase Context

Las instancias de la Context encapsulan varios ajustes para operaciones con decimales:

  • atributo prec es la precisión del número de decimales.

  • El atributo rounding especifica el modo de redondeo. El módulo decimal tiene constantes para varias posibilidades, ROUND_DOWN, ROUND_CEILING, ROUND_HALF_EVEN y varias otras.

  • El atributo traps es un diccionario que especifica lo que sucede al encontrar ciertas condiciones de error: Ya sea una excepción lanzada o un valor es retornado. algunos ejemplos de errores son las divisiones por cero, perdida de precisión o desbordamiento.

Hay un contexto predeterminado local de subprocesos disponible llamando a la función getcontext(), se puede cambiar las propiedades de este contexto para alterar la precisión por defecto, redondear o manejar trampas. el siguiente ejemplo muestra el efecto de cambiar la precisión del contexto por defecto:

>>> decimal.getcontext().prec
28
>>> decimal.Decimal(1) / decimal.Decimal(7)
Decimal("0.1428571428571428571428571429")
>>> decimal.getcontext().prec = 9
>>> decimal.Decimal(1) / decimal.Decimal(7)
Decimal("0.142857143")

Las acciones por defecto para condiciones de error se puede seleccionar, ya sea que el módulo pueda retornar un valor especial como un infinito o un valor no numérico NaN o se pueden lanzar excepciones:

>>> decimal.Decimal(1) / decimal.Decimal(0)
Traceback (most recent call last):
  ...
decimal.DivisionByZero: x / 0
>>> decimal.getcontext().traps[decimal.DivisionByZero] = False
>>> decimal.Decimal(1) / decimal.Decimal(0)
Decimal("Infinity")
>>>

La instancia de la clase Context también tiene varios métodos para formatear números tales como to_eng_string() y to_sci_string().

Para mas información, revisar la documentación para el módulo decimal el cual incluye un tutoría de inicio rápido y una referencia.

Ver también

PEP 327 - Tipo de dato decimal

Escrito por Facundo Batista e implementado por Facundo Batista, Eric Price, Raymond Hettinger, Aahz y Tim Peters.

http://www.lahey.com/float.htm

El articulo usa código Fortran para ilustrar varios de los problemas que la inexactitud de los puntos flotantes pueden causar.

http://speleotrove.com/decimal/

Una descripción de una representación basada en decimales. Esta representación ha sido propuesta como un estándar y subyace al nuevo tipo de dato decimal en Python. La mayor parte de este material fue escrita por Mike Cowlishaw, diseñador del lenguaje Rexx.

PEP 328: Importaciones multilínea

Un pequeño cambio en el lenguaje ha sido una modificación a una sintaxis confusa que ha sido cambiada para hacer mas fácil el agregar varios nombres en un módulo. En una declaración from module import names, names es una secuencia de nombres separados por comas. Si la sentencia es muy larga, se puede ya sea escribir múltiples sentencias import desde el mismo módulo o se pueden usar barras invertidas para escapar de los términos de línea como esto:

from SimpleXMLRPCServer import SimpleXMLRPCServer,\
            SimpleXMLRPCRequestHandler,\
            CGIXMLRPCRequestHandler,\
            resolve_dotted_attribute

La sintaxis cambió en Python 2.4 y es simplemente el permitir poner los nombres dentro de paréntesis. Python ignora nuevas líneas dentro de una expresión entre paréntesis por lo que las barras invertidas ya no se necesitan:

from SimpleXMLRPCServer import (SimpleXMLRPCServer,
                                SimpleXMLRPCRequestHandler,
                                CGIXMLRPCRequestHandler,
                                resolve_dotted_attribute)

La convención de estilo también propone que todas las declaraciones usando import son importaciones absolutas, con el siguiente carácter . indica una importación relativa. Esta parte de la convención de estilo no fue implementada para Python 2.4 pero fue completada para la versión 2.5.

Ver también

PEP 328 - Importaciones multi línea y absolutas/relativas

Escrita por Aahz. Importaciones multi línea fueron implementadas por Dima Dorfman.

PEP 331: Conversiones locales-independientes números flotantes/cadenas de texto

Los módulos locale deja que el software de Python seleccione varias conversiones y despliegue convenciones que están localizadas en un país particular o lenguaje. Sin embargo, el módulo es cuidadoso en no cambiar el local numérico porque la implementación de Python requería que la configuración regional numérica permaneciera establecida en la configuración regional 'C' . A menudo, esto se debía a que el código utilizaba la función atof() de la biblioteca C.

No configurar la configuración regional numérica causaba problemas para las extensiones que usaban librerías externas de C, sin embargo, porque no configuraban la correcta configuración. El ejemplo mas patente fue GTK+, cuya interfaz de usuario no mostraba números en la ubicación actual.

La solución descrita en la convención de estilo es añadir tres nuevas funciones a la API de python que ejecuta solo conversiones a ASCII, ignorando las configuraciones locales:

  • PyOS_ascii_strtod(str, ptr) y PyOS_ascii_atof(str, ptr) convierten una cadena en C double.

  • PyOS_ascii_formatd(buffer, buf_len, format, d) convierte un double en una cadena ASCII.

El código para estas funciones proviene desde la librería GLib (https://developer.gnome.org/glib/stable/) cuyos desarrolladores amablemente han residenciado las funciones relevantes y las han donado a la fundación de software Python. El módulo locale ahora puede cambiar la configuración local, dejando que las extensiones como GTK¿ produzcan los resultados correctos.

Ver también

PEP 331 Conversiones Local-Independiente flotante/cadena de texto

Escrito por Christian R. Reis, e implementado por Gustavo Carneiro.

Otros cambios en el lenguaje

Aquí están todos los cambios que Python 2.4 ha hecho al core del lenguaje Python.

  • Fueron añadidos decoraciones para funciones (PEP 318).

  • Funciones de conjuntos integrados set() y frozenset() fueron añadidas (PEP 218). Otras nuevas funciones de conjuntos integrados incluyen la función reversed(seq) (PEP 322).

  • Generador de expresiones fueron añadidas (PEP 289).

  • Algunas expresiones numéricas ya no retornan valores restringidos a 32 o 64 bits (PEP 237).

  • Se puede poner entre paréntesis una lista de nombres en la declaración from module import names (PEP 328).

  • El método dict.update() ahora acepta el mismo argumento que el constructor de la dict. Esto incluye cualquier tipo de mapeo, iterable pares de clave/valor y argumentos de palabra clave. (Contribución de Raymond Hettinger)

  • Los métodos de cadena de caracteres ljust(), rjust() y center() ahora toman un argumento de tipo opcional para especificar un carácter de relleno que no sea un espacio. (Contribución de Raymond Hettinger).

  • Cadenas de caracteres también han ganado un método rsplit() que funciona como el método split() pero divide desde el final de la cadena de caracteres. (Contribución de Sean Reifschneider)

    >>> 'www.python.org'.split('.', 1)
    ['www', 'python.org']
    'www.python.org'.rsplit('.', 1)
    ['www.python', 'org']
    
  • Tres parámetros de argumentos de palabra clave cmp, key y reverse fueron añadidos al método de listas sort(). Estos parámetros hacen algunos usos comunes del método sort() mas simple. Todos estos parámetros son opcionales.

    Para el parámetro cmp el valor debe ser una función comparativa que toma dos parámetros y retorna -1, 0 o + 1 dependiendo de como compare los parámetros. Esta función será usada para ordenar la lista. Previamente esto era el único parámetro que podía ser entregado al sort().

    key debe ser una función con un solo parámetro que toma un elemento de la lista y retorna una llave de comparación para el elemento. Entonces la lista es ordenado usando las claves de comparación. El siguiente ejemplo ordena una lista sin distinción de mayúsculas ni minúsculas:

    >>> L = ['A', 'b', 'c', 'D']
    >>> L.sort()                 # Case-sensitive sort
    >>> L
    ['A', 'D', 'b', 'c']
    >>> # Using 'key' parameter to sort list
    >>> L.sort(key=lambda x: x.lower())
    >>> L
    ['A', 'b', 'c', 'D']
    >>> # Old-fashioned way
    >>> L.sort(cmp=lambda x,y: cmp(x.lower(), y.lower()))
    >>> L
    ['A', 'b', 'c', 'D']
    

    El ultimo ejemplo el cual usa el parámetro cmp es la antigua forma de ejecutar el orden sin distinción de mayúsculas y minúsculas. Funciona pero es mas lento en vez de usar el parámetro key. El uso de key llama al método lower() una vez para cada elemento de la lista mientras el uso de cmp lo llamara dos veces para cada comparación, entonces al usar * key * se guardan las llamadas del método lower().

    Para funciones de clave sencillas y comparativas es a menudo posible el obviar la palabra clave lambda usando un método sin ligar en reemplazo. El siguiente ejemplo de orden sin importar mayúsculas ni minúsculas es mejor escrito como se muestra:

    >>> L.sort(key=str.lower)
    >>> L
    ['A', 'b', 'c', 'D']
    

    Finalmente el parámetro reverse toma un valor de tipo booleano. Si el valor es verdadero la lista será ordenada de forma inversa. En vez de L.sort(); L.reverse() ahora se puede escribir L.sort(reverse=True).

    Los resultados del ordenamiento ahora están garantizados que son estables. Esto significa que dos entradas con iguales claves serán retiradas en el mismo orden en que fueron ingresadas. Por ejemplo se puede ordenar una lista de personas por el nombre y entonces ordenarla por edad, resultando en una lista ordenada donde las personas con la misma edad están en el mismo orden por nombre.

    (Todos los cambios al método sort() fueron realizados por Raymond Hettinger.)

  • Se tiene una nueva función incorporada sorted(iterable) que trabaja como el método in situ list.sort() que se puede usar en expresiones. Las diferencias son:

  • el dato de entrada puede ser algún iterable;

  • se ordena una copia recién formada, manteniendo el original intacto y

  • la expresión retorna una nueva copia ordenada

    >>> L = [9,7,8,3,2,4,1,6,5]
    >>> [10+i for i in sorted(L)]       # usable in a list comprehension
    [11, 12, 13, 14, 15, 16, 17, 18, 19]
    >>> L                               # original is left unchanged
    [9,7,8,3,2,4,1,6,5]
    >>> sorted('Monty Python')          # any iterable may be an input
    [' ', 'M', 'P', 'h', 'n', 'n', 'o', 'o', 't', 't', 'y', 'y']
    
    >>> # List the contents of a dict sorted by key values
    >>> colormap = dict(red=1, blue=2, green=3, black=4, yellow=5)
    >>> for k, v in sorted(colormap.iteritems()):
    ...     print k, v
    ...
    black 4
    blue 2
    green 3
    red 1
    yellow 5
    

    (Contribución de Raymond Hettinger.)

  • Operaciones de números enteros no lanzaran una excepción OverflowWarning. La advertencia sobre OverflowWarning desaparecerá en Python 2.5.

  • Se añadió al interprete una nueva opción de cambio -m la cual toma un nombre, busca el módulo correspondiente en sys.path y corre el módulo como script. Ahora por ejemplo se puede correr el perfilador de Python con python -m profile. (Contribución de Nick Coghlan)

  • La expresión eval(expr, globals, locals) la función execfile(filename, globals, locals) y la sentencia exec ahora aceptan cualquier tipo de mapeo para parámetros locales. Previamente esto era parte de un diccionario de Python. (Contribución de Raymond Hettinger.)

  • La función incorporada zip() y la función itertools.izip() ahora retornan una lista hacia si se llama sin argumentos. Previamente estos lanzaban una excepción de tipo TypeError. Esto lo hace mas apropiado de usar con listas de argumentos de longitud variable:

    >>> def transpose(array):
    ...    return zip(*array)
    ...
    >>> transpose([(1,2,3), (4,5,6)])
    [(1, 4), (2, 5), (3, 6)]
    >>> transpose([])
    []
    

    (Contribución de Raymond Hettinger.)

  • Encontrar un error al importar un módulo ya no deja un objeto de módulo parcialmente inicializado en sys.modules. El objeto de módulo incompleto que se deja atrás engañaría a las importaciones posteriores del mismo módulo para que tuvieran éxito, lo que generaría errores confusos. (Reparado por Tim Peters.)

  • None`es ahora una constante, el código que une un nuevo valor con el nombre :const:`None es ahora un error de sintaxis (Contribución de Raymond Hettinger)

Optimizaciones

  • Los bucles internos para separar listas y tuplas fueron optimizados y ahora corren un tercio mas rápido. Los bucles internos para diccionarios también fueron optimizados resultando en una mejora en el rendimiento para keys(), values(), items(), iterkeys(), itervalues(), y iteritems(). (Contribución de Raymond Hettinger)

  • El mecanismo para mejorar y contraer listas fue optimizada para efectos de velocidad y eficiencia en la utilización de recursos. Anexar y quitar elementos de una lista es ahora mas rápido debido al código mas eficiente y al menos frecuente uso de la función subyacente realloc(). Las listas por comprensión también son beneficiadas, el método list.extend() fue también optimizado y ya no convierte mas el argumento en una lista temporal antes de extender la lista base. (Contribución de Raymond Hettinger)

  • Las funciones list(), tuple(), map(), filter() y zip() ahora corren mucho mas rápido con argumentos no secuenciales que ahora suministra el método __len__(). (Contribución Raymond Hettinger.)

  • Los métodos list.__getitem__(), dict.__getitem__() y dict.__contains__() ahora son implementados como objetos de la clase method_descriptor en vez de los objetos de la clase wrapper_descriptor . Este acceso dobla el rendimiento y hace que sea mas apropiado para ser usado como argumentos de:map(mydict.__getitem__, keylist). (Contribución de Raymond Hettinger)

  • Adicionalmente se ha agregado a un nuevo código de operación LIST_APPEND esto simplifica la generación de código a nivel de byte para las listas por comprensión y las agiliza en aproximadamente un tercio.

  • El optimizador de código a nivel de byte ha sido mejorado para producir código a nivel de byte mas corto y rápido. Esto resulta en código mas legible. (Contribución de Raymond Hettinger)

  • La concatenación de cadenas de texto en la declaración de s = s + "abc" and s += "abc" ahora son ejecutadas de forma mas eficiente en ciertas circunstancias. Esta optimizaciones no serán mostradas en otras implementaciones de Python tales como Python, entonces no se debe utilizar, es mejor seguir utilizando el método join() de cadenas de caracteres si se quiere mantener la eficiencia de concatenar un largo número de cadenas de caracteres. (Contribución de Armin Rigo.)

El resultado de las optimizaciones de la versión 2.4 es que tomando Python 2.4 como punto de referencia corre alrededor de un 5% mas rápido que Python 2.3 y un 35% mas rápido que Python 2.2 (pystone no es particularmente un buen punto de referencia pero es el mas usado para medir rendimiento en Python. Sus propias aplicaciones pueden mostrar beneficios mas grandes o mínimos desde Python 2.4)

Módulos nuevos, mejorados y obsoletos

Como es usual, la librería estándar de Python recibió un número de mejoras y corrección de errores. Aquí hay una lista parcial de los cambios mas notables, ordenados alfabéticamente por nombre de módulo. Consulte el archivo Misc/NEWS en la estructura del directorio para una completa lista de los cambios o se puede buscar a través del registro CVS para obtener todos los detalles.

  • El módulo asyncore y la función loop() ahora tiene un parámetro count que permite ejecutar un limitado número de pases mediante el bucle. El valor predeterminado sigue siendo el bucle para siempre.

  • El módulo base64 ahora tiene un soporte mas completo RFC 3548 para Base64, Base32 y Base16 para codificación y descodificación, incluyendo procesos de convertir caracteres a minúsculas y alfabetos alternativos. (Contribución de Barry Warsaw)

  • El módulo bisect ahora tiene una implementación C subyacente para mejorar el rendimiento. (Contribuido por Dmitry Vasiliev.)

  • Las colecciones CJKCodecs de códecs de Asia oriental, mantenidas por Hye-Shik Chang, se integraron en 2.4. Las nuevas codificaciones son:

  • Chino (PRC): gb2312, gbk, gb18030, big5hkscs, hz

  • Chino (República de China): big5, cp950

  • Japonés: cp932, euc-jis-2004, euc-jp, euc-jisx0213, iso-2022-jp,

    iso-2022-jp-1, iso-2022-jp-2, iso-2022-jp-3, iso-2022-jp-ext, iso-2022-jp-2004, shift-jis, shift-jisx0213, shift- jis-2004

  • Coreano: cp949, euc-kr, johab, iso-2022-kr

  • Se agregaron algunas otras codificaciones nuevas: HP Roman8, ISO_8859-11, ISO_8859-16, PCTP-154 y TIS-620.

  • Los códecs UTF-8 y UTF-16 ahora se adaptan mejor a la recepción de entradas parciales. Anteriormente, la clase StreamReader intentaba leer más datos, lo que hacía imposible reanudar la decodificación desde el flujo. El método read() ahora devolverá tantos datos como pueda y las llamadas futuras reanudarán la decodificación donde lo dejaron las anteriores. (Implementado por Walter Dörwald.)

  • Hay un nuevo módulo collections para varios tipos de datos de recopilación especializados. Actualmente contiene solo un tipo, deque, una cola de dos extremos que admite la adición y eliminación de elementos de manera eficiente desde cualquier extremo:

    >>> from collections import deque
    >>> d = deque('ghi')        # make a new deque with three items
    >>> d.append('j')           # add a new entry to the right side
    >>> d.appendleft('f')       # add a new entry to the left side
    >>> d                       # show the representation of the deque
    deque(['f', 'g', 'h', 'i', 'j'])
    >>> d.pop()                 # return and remove the rightmost item
    'j'
    >>> d.popleft()             # return and remove the leftmost item
    'f'
    >>> list(d)                 # list the contents of the deque
    ['g', 'h', 'i']
    >>> 'h' in d                # search the deque
    True
    

    Varios módulos, como los módulos Queue y threading, ahora aprovechan collections.deque para mejorar el rendimiento. (Contribuido por Raymond Hettinger.)

  • Las clases de ConfigParser se han mejorado ligeramente. El método read() ahora devuelve una lista de los archivos que se analizaron correctamente y el método set() lanza TypeError si se pasa un argumento value que no es una cadena. (Contribuido por John Belmonte y David Goodger.)

  • El módulo curses ahora admite la extensión ncurses use_default_colors(). En plataformas donde el terminal admite transparencia, esto permite utilizar un fondo transparente. (Contribución de Jörg Lehmann.)

  • El módulo difflib ahora incluye una clase HtmlDiff que crea una tabla HTML que muestra una comparación lado a lado de dos versiones de un texto. (Contribuido por Dan Gass.)

  • El paquete email se actualizó a la versión 3.0, que eliminó varias API obsoletas y elimina la compatibilidad con versiones de Python anteriores a la 2.3. La versión 3.0 del paquete usa un nuevo analizador incremental para mensajes MIME, disponible en el módulo email.FeedParser. El nuevo analizador no requiere leer todo el mensaje en la memoria y no genera excepciones si un mensaje tiene un formato incorrecto; en su lugar, registra cualquier problema en el atributo defect del mensaje. (Desarrollado por Anthony Baxter, Barry Warsaw, Thomas Wouters y otros).

  • El módulo heapq se ha convertido a C. La mejora de diez veces resultante en la velocidad hace que el módulo sea adecuado para manejar grandes volúmenes de datos. Además, el módulo tiene dos funciones nuevas nlargest() y nsmallest() que usan montones para encontrar los N valores más grandes o más pequeños en un conjunto de datos sin el gasto de una clasificación completa. (Contribuido por Raymond Hettinger.)

  • El módulo httplib ahora contiene constantes para códigos de estado HTTP definidos en varios documentos RFC relacionados con HTTP. Las constantes tienen nombres como OK, CREATED, CONTINUE, y MOVED_PERMANENTLY; use pydoc para obtener una lista completa. (Contribuido por Andrew Eland.)

  • El módulo imaplib ahora es compatible con el comando THREAD de IMAP (aportado por Yves Dionne) y los nuevos métodos deleteacl() y myrights() (aportado por Arnaud Mazin).

  • El módulo itertools ganó una función groupby(iterable[, *func*]). El parámetro iterable is something that can be iterated over to return a stream of elements, and the optional func es una función que toma un elemento y devuelve un valor clave; si se omite, la clave es simplemente el elemento en sí. groupby() luego agrupa los elementos en subsecuencias que tienen valores coincidentes de la clave y devuelve una serie de 2 tuplas que contienen el valor de la clave y un iterador sobre la subsecuencia.

    Aquí hay un ejemplo para aclarar esto. La función key simplemente devuelve si un número es par o impar, por lo que el resultado de groupby() es devolver series consecutivas de números pares o impares.

    >>> import itertools
    >>> L = [2, 4, 6, 7, 8, 9, 11, 12, 14]
    >>> for key_val, it in itertools.groupby(L, lambda x: x % 2):
    ...    print key_val, list(it)
    ...
    0 [2, 4, 6]
    1 [7]
    0 [8]
    1 [9, 11]
    0 [12, 14]
    >>>
    

    groupby() se utiliza normalmente con entrada ordenada. La lógica para groupby() es similar al filtro Unix uniq, lo que lo hace útil para eliminar, contar o identificar elementos duplicados:

    >>> word = 'abracadabra'
    >>> letters = sorted(word)   # Turn string into a sorted list of letters
    >>> letters
    ['a', 'a', 'a', 'a', 'a', 'b', 'b', 'c', 'd', 'r', 'r']
    >>> for k, g in itertools.groupby(letters):
    ...    print k, list(g)
    ...
    a ['a', 'a', 'a', 'a', 'a']
    b ['b', 'b']
    c ['c']
    d ['d']
    r ['r', 'r']
    >>> # List unique letters
    >>> [k for k, g in groupby(letters)]
    ['a', 'b', 'c', 'd', 'r']
    >>> # Count letter occurrences
    >>> [(k, len(list(g))) for k, g in groupby(letters)]
    [('a', 5), ('b', 2), ('c', 1), ('d', 1), ('r', 2)]
    

    (Contribuido por Hye-Shik Chang.)

  • itertools también obtuvo una función denominada tee(iterator, N) que devuelve N independent iterators that replicate iterator. If N se omite, el valor predeterminado es 2.

    >>> L = [1,2,3]
    >>> i1, i2 = itertools.tee(L)
    >>> i1,i2
    (<itertools.tee object at 0x402c2080>, <itertools.tee object at 0x402c2090>)
    >>> list(i1)               # Run the first iterator to exhaustion
    [1, 2, 3]
    >>> list(i2)               # Run the second iterator to exhaustion
    [1, 2, 3]
    

    Tenga en cuenta que tee() debe mantener copias de los valores devueltos por el iterador; en el peor de los casos, es posible que deba conservarlos todos. Por lo tanto, esto debe usarse con cuidado si el iterador principal puede ejecutarse muy por delante del iterador final en un flujo largo de entradas. Si la separación es grande, entonces también podría usar list() en su lugar. Cuando los iteradores se siguen de cerca entre sí, tee() es ideal. Las posibles aplicaciones incluyen marcadores, ventanas o iteradores de anticipación. (Contribuido por Raymond Hettinger.)

  • Se agregaron varias funciones al módulo locale, como bind_textdomain_codeset() para especificar una codificación particular y una familia de funciones l*gettext() que devuelven mensajes en la codificación elegida. (Contribución de Gustavo Niemeyer.)

  • Se agregaron algunos argumentos de palabras clave a la función basicConfig() del paquete logging para simplificar la configuración del registro. El comportamiento predeterminado es registrar mensajes con error estándar, pero se pueden especificar varios argumentos de palabras clave para registrar en un archivo en particular, cambiar el formato de registro o establecer el nivel de registro. Por ejemplo:

    import logging
    logging.basicConfig(filename='/var/log/application.log',
        level=0,  # Log all messages
        format='%(levelname):%(process):%(thread):%(message)')
    

    Otras adiciones al paquete logging incluyen un método de conveniencia log(level, msg), así como una clase TimedRotatingFileHandler que rota sus archivos de registro en un intervalo cronometrado. El módulo ya tenía RotatingFileHandler, que rotaba los registros una vez que el archivo excedía un cierto tamaño. Ambas clases derivan de una nueva clase BaseRotatingHandler que se puede utilizar para implementar otros controladores rotativos.

    (Cambios implementados por Vinay Sajip.)

  • El módulo marshal ahora comparte cadenas internas al desempaquetar una estructura de datos. Esto puede reducir el tamaño de ciertas cadenas de pickle, pero el efecto principal es hacer que los archivos .pyc sean significativamente más pequeños. (Contribución de Martin von Löwis.)

  • La clase NNTP del módulo nntplib obtuvo los métodos description() y descriptions() para recuperar descripciones de grupos de noticias para un solo grupo o para un rango de grupos. (Contribución de Jürgen A. Erhard.)

  • Se agregaron dos nuevas funciones al módulo operator, attrgetter(attr) y itemgetter(index). Ambas funciones devuelven invocables que toman un solo argumento y devuelven el atributo o elemento correspondiente; estos llamables son excelentes extractores de datos cuando se utilizan con map() o sorted(). Por ejemplo:

    >>> L = [('c', 2), ('d', 1), ('a', 4), ('b', 3)]
    >>> map(operator.itemgetter(0), L)
    ['c', 'd', 'a', 'b']
    >>> map(operator.itemgetter(1), L)
    [2, 1, 4, 3]
    >>> sorted(L, key=operator.itemgetter(1)) # Sort list by second tuple item
    [('d', 1), ('c', 2), ('b', 3), ('a', 4)]
    

    (Contribución de Raymond Hettinger.)

  • El módulo optparse se actualizó de varias formas. El módulo ahora pasa sus mensajes a través de gettext.gettext(), lo que permite internacionalizar los mensajes de error y ayuda de Optik. Los mensajes de ayuda para las opciones ahora pueden incluir la cadena '%default', que será reemplazada por el valor predeterminado de la opción. (Contribuido por Greg Ward.)

  • El plan a largo plazo es desaprobar el módulo rfc822 en alguna versión futura de Python a favor del paquete email. Con este fin, la función email.Utils.formatdate() se ha modificado para que pueda utilizarse como reemplazo de rfc822.formatdate(). Es posible que desee escribir un nuevo código de procesamiento de correo electrónico con esto en mente. (Cambio implementado por Anthony Baxter).

  • Se agregó una nueva función urandom(n) al módulo os, que devuelve una cadena que contiene n bytes de datos aleatorios. Esta función proporciona acceso a fuentes de aleatoriedad específicas de la plataforma, como /dev/urandom en Linux o Windows CryptoAPI. (Contribuido por Trevor Perrin.)

  • Otra función nueva: os.path.lexists(path) devuelve verdadero si el archivo especificado por path exists, whether or not it’s a symbolic link. This differs from the existing ASDF01 function, which returns false if path es un enlace simbólico que apunta a un destino que no existe. (Contribuido por Beni Cherniavsky.)

  • Se agregó una nueva función getsid() al módulo posix que subyace al módulo os. (Contribuido por J. Raynor.)

  • El módulo poplib ahora admite POP sobre SSL. (Contribuido por Héctor Urtubia.)

  • El módulo profile ahora puede perfilar funciones de extensión C. (Contribuido por Nick Bastin.)

  • El módulo random tiene un nuevo método llamado getrandbits(N) que devuelve un entero largo N bits de longitud. El método randrange() existente ahora usa getrandbits() cuando corresponde, lo que hace que la generación de números aleatorios arbitrariamente grandes sea más eficiente. (Contribuido por Raymond Hettinger.)

  • El lenguaje de expresiones regulares aceptado por el módulo re se amplió con expresiones condicionales simples, escritas como (?(group)A|B). En su lugar, se utilizará group is either a numeric group ID or a group name defined with ASDF02 earlier in the expression. If the specified group matched, the regular expression pattern A will be tested against the string; if the group didn’t match, the pattern B. (Contribución de Gustavo Niemeyer.)

  • El módulo re ya no es recursivo, gracias a la enorme cantidad de trabajo de Gustavo Niemeyer. En un motor de expresión regular recursivo, ciertos patrones dan como resultado que se consuma una gran cantidad de espacio de pila de C y es posible desbordar la pila. Por ejemplo, si comparó una cadena de 30000 bytes de caracteres a con la expresión (a|b)+, se consumió un marco de pila por carácter. Python 2.3 intentó verificar el desbordamiento de la pila y generar una excepción RuntimeError, pero ciertos patrones podrían eludir la verificación y, si no tuvo suerte, Python podría segregar. El motor de expresiones regulares de Python 2.4 puede coincidir con este patrón sin problemas.

  • El módulo signal ahora realiza una verificación de errores más estricta en los parámetros de la función signal.signal(). Por ejemplo, no puede establecer un controlador en la señal SIGKILL; las versiones anteriores de Python aceptarían silenciosamente esto, pero 2.4 lanzará una excepción RuntimeError.

  • Se agregaron dos nuevas funciones al módulo socket. socketpair() devuelve un par de sockets conectados y getservbyport(port) busca el nombre del servicio para un número de puerto determinado. (Contribuido por Dave Cole y Barry Warsaw.)

  • La función sys.exitfunc() ha quedado obsoleta. El código debe usar el módulo atexit existente, que maneja correctamente la llamada a múltiples funciones de salida. Finalmente, sys.exitfunc() se convertirá en una interfaz puramente interna, a la que solo accederá atexit.

  • El módulo tarfile ahora genera archivos tar en formato GNU de forma predeterminada. (Contribución de Lars Gustäbel.)

  • El módulo threading ahora tiene una forma elegante y sencilla de admitir datos locales de subprocesos. El módulo contiene una clase local cuyos valores de atributo son locales para diferentes subprocesos.

    import threading
    
    data = threading.local()
    data.number = 42
    data.url = ('www.python.org', 80)
    

    Otros subprocesos pueden asignar y recuperar sus propios valores para los atributos number y url. Puede crear una subclase de local para inicializar atributos o agregar métodos. (Contribuido por Jim Fulton.)

  • El módulo timeit ahora deshabilita automáticamente la recolección de basura periódica durante el ciclo de temporización. Este cambio hace que los tiempos consecutivos sean más comparables. (Contribuido por Raymond Hettinger.)

  • El módulo weakref ahora admite una variedad más amplia de objetos, incluidas funciones de Python, instancias de clases, conjuntos, frozensets, deques, matrices, archivos, sockets y objetos de patrones de expresión regular. (Contribuido por Raymond Hettinger.)

  • El módulo xmlrpclib ahora admite una extensión de múltiples llamadas para transmitir múltiples llamadas XML-RPC en una sola operación HTTP. (Contribuido por Brian Quinlan.)

  • Se han eliminado los módulos mpz, rotor y xreadlines.

cookielib

La biblioteca cookielib admite el manejo del lado del cliente para las cookies HTTP, reflejando el soporte de cookies del lado del servidor del módulo Cookie. Las cookies se almacenan en frascos de galletas; la biblioteca almacena de forma transparente las cookies ofrecidas por el servidor web en el tarro de cookies y recupera la cookie del tarro cuando se conecta al servidor. Al igual que en los navegadores web, los objetos de política controlan si las cookies se aceptan o no.

Para almacenar cookies entre sesiones, se proporcionan dos implementaciones de tarros de cookies: una que almacena cookies en formato Netscape para que las aplicaciones puedan usar los archivos de cookies de Mozilla o Lynx, y otra que almacena cookies en el mismo formato que la biblioteca libwww de Perl.

urllib2 se ha cambiado para interactuar con cookielib: HTTPCookieProcessor administra un tarro de cookies que se utiliza al acceder a las URL.

Este módulo fue una contribución de John J. Lee.

doctest

El módulo doctest se sometió a una refactorización considerable gracias a Edward Loper y Tim Peters. Las pruebas pueden ser tan simples como ejecutar doctest.testmod(), pero las refactorizaciones permiten personalizar el funcionamiento del módulo de varias formas.

La nueva clase DocTestFinder extrae las pruebas de las cadenas de documentos de un objeto dado:

def f (x, y):
    """>>> f(2,2)
4
>>> f(3,2)
6
    """
    return x*y

finder = doctest.DocTestFinder()

# Get list of DocTest instances
tests = finder.find(f)

La nueva clase DocTestRunner luego ejecuta pruebas individuales y puede producir un resumen de los resultados:

runner = doctest.DocTestRunner()
for t in tests:
    tried, failed = runner.run(t)

runner.summarize(verbose=1)

El ejemplo anterior produce la siguiente salida:

1 items passed all tests:
   2 tests in f
2 tests in 1 items.
2 passed and 0 failed.
Test passed.

DocTestRunner usa una instancia de la clase OutputChecker para comparar la salida esperada con la salida real. Esta clase toma varios indicadores diferentes que personalizan su comportamiento; Los usuarios ambiciosos también pueden escribir una subclase completamente nueva de OutputChecker.

El comprobador de salida predeterminado proporciona una serie de funciones útiles. Por ejemplo, con el indicador de opción doctest.ELLIPSIS, una elipsis (...) en la salida esperada coincide con cualquier subcadena, lo que facilita la adaptación de salidas que varían en formas menores:

def o (n):
    """>>> o(1)
<__main__.C instance at 0x...>
>>>
"""

Otra cadena especial, <BLANKLINE>, coincide con una línea en blanco:

def p (n):
    """>>> p(1)
<BLANKLINE>
>>>
"""

Otra nueva capacidad es producir una visualización de estilo diff de la salida especificando doctest.REPORT_UDIFF (diferencias unificadas), doctest.REPORT_CDIFF (diferencias de contexto), o doctest.REPORT_NDIFF Indicadores de opción (estilo delta). Por ejemplo:

def g (n):
    """>>> g(4)
here
is
a
lengthy
>>>"""
    L = 'here is a rather lengthy list of words'.split()
    for word in L[:n]:
        print word

Al ejecutar las pruebas de la función anterior con doctest.REPORT_UDIFF especificado, obtiene el siguiente resultado:

**********************************************************************
File "t.py", line 15, in g
Failed example:
    g(4)
Differences (unified diff with -expected +actual):
    @@ -2,3 +2,3 @@
     is
     a
    -lengthy
    +rather
**********************************************************************

Cambios en la API de Build y C

Algunos de los cambios en el proceso de compilación de Python y en la API de C son:

  • Se agregaron tres nuevas macros de conveniencia para valores de retorno comunes de funciones de extensión: Py_RETURN_NONE, Py_RETURN_TRUE, y Py_RETURN_FALSE. (Contribuido por Brett Cannon.)

  • Otra macro nueva, Py_CLEAR, reduce el recuento de referencias de obj y establece obj en el puntero nulo. (Aportado por Jim Fulton.)

  • Una nueva función, PyTuple_Pack(N, obj1, obj2, ..., objN), construye tuplas a partir de una lista de argumentos de longitud variable de objetos Python. (Contribuido por Raymond Hettinger.)

  • Una nueva función, PyDict_Contains(d, k), implementa búsquedas rápidas de diccionarios sin enmascarar las excepciones que surgen durante el proceso de búsqueda. (Contribuido por Raymond Hettinger.)

  • La macro Py_IS_NAN(X) retorna 1 si su argumento flotante o doble X es un NaN. (Aportado por Tim Peters.)

  • El código C puede evitar el bloqueo innecesario mediante el uso de la nueva función PyEval_ThreadsInitialized() para saber si se ha realizado alguna operación de subproceso. Si esta función devuelve falso, no se necesitan operaciones de bloqueo. (Contribuido por Nick Coghlan.)

  • Una nueva función, PyArg_VaParseTupleAndKeywords(), es la misma que PyArg_ParseTupleAndKeywords() pero toma un va_list en lugar de varios argumentos. (Contribuido por Greg Chapman.)

  • Un nuevo indicador de método, METH_COEXISTS, permite que una función definida en ranuras coexista con un PyCFunction que tiene el mismo nombre. Esto puede reducir a la mitad el tiempo de acceso para un método como set.__contains__(). (Contribuido por Raymond Hettinger.)

  • Python ahora se puede construir con perfiles adicionales para el intérprete en sí, con la intención de ayudar a las personas que desarrollan el núcleo de Python. Proporcionar - enable-profiling al configure script le permitirá perfilar el intérprete con gprof, y proporcionar el - with-tsc switch permite la creación de perfiles utilizando el registro de contador de marcas de tiempo del Pentium. Tenga en cuenta que el conmutador - with-tsc tiene un nombre ligeramente incorrecto, porque la función de creación de perfiles también funciona en la plataforma PowerPC, aunque la arquitectura del procesador no llama a ese registro» el registro TSC «. (Contribuido por Jeremy Hylton.)

  • El tipo tracebackobject ha sido renombrado a PyTracebackObject.

Cambios específicos del puerto

  • El puerto de Windows ahora se construye bajo MSVC ++ 7.1 y también con la versión 6. (Contribuido por Martin von Löwis).

Portar a Python 2.4

Esta sección enumera los cambios descritos anteriormente que pueden requerir cambios en su código:

  • Los desplazamientos a la izquierda y las constantes hexadecimales / octales que son demasiado grandes ya no activan un FutureWarning y devuelven un valor limitado a 32 o 64 bits; en su lugar, devuelven un entero largo.

  • Operaciones de números enteros no lanzaran una excepción OverflowWarning. La advertencia sobre OverflowWarning desaparecerá en Python 2.5.

  • La función de conjunto integrado zip() y la itertools.izip() ahora retornan una lista hacia en vez de lanzar una excepción de tipo TypeError si son llamados sin argumentos.

  • Ya no puede comparar las instancias date y datetime proporcionadas por el módulo datetime. Dos instancias de clases diferentes ahora siempre serán desiguales, y las comparaciones relativas (<, >) lanzarán un TypeError.

  • dircache.listdir() ahora pasa excepciones a la persona que llama en lugar de devolver listas vacías.

  • LexicalHandler.startDTD() solía recibir los identificadores públicos y del sistema en el orden incorrecto. Esto ha sido corregido; las aplicaciones que se basan en el orden incorrecto deben corregirse.

  • fcntl.ioctl() ahora advierte si el argumento mutate se omite y es relevante.

  • El módulo tarfile ahora genera archivos de GNU tar-formato por defecto.

  • Encontrar un error al importar un módulo ya no deja un objeto de módulo parcialmente inicializado en sys.modules.

  • None ahora es una constante; El código que une un nuevo valor al nombre None ahora es un error de sintaxis.

  • La función signals.signal() ahora genera una excepción RuntimeError para ciertos valores ilegales; anteriormente estos errores pasaban silenciosamente. Por ejemplo, ya no puede configurar un controlador en la señal SIGKILL.

Agradecimientos

El autor desea agradecer a las siguientes personas por ofrecer sugerencias, correcciones y ayuda con varios borradores de este artículo: Koray Can, Hye-Shik Chang, Michael Dyck, Raymond Hettinger, Brian Hurt, Hamish Lawson, Fredrik Lundh, Sean Reifschneider, Sadruddin Rejeb.