#!/usr/bin/env python
# coding: utf-8

# # Python 2和3的核心区别

# 不少企业的代码或实际项目升级Python版本的成本很高，所以保留了相当多的Python 2程序。为了阅读与运维这些程序，了解Python 2和3的一些核心区别十分重要

# ## 整数除法
# 
# - Python 2中，两个整数的运算结果只能是整数，对于除不尽的情况，Python 2会将结果向下取整，返回小于该结果的最大整数，如12/5的值为2。
# - Python 3中，除法返回浮点数，12/5的结果为2.4。

# In[1]:


12 / 5


# ## 整形与长整型
# 
# - Python 2中，当整数大于一定范围时，Python 2会自动将整数由整型转换为长整型（long），长整型以数字+L表示，如12345678765434567876543L。
# - Python 3中，长整型被取消，整数都是整型（int）

# In[2]:


12345678765434567876543


# In[3]:


type(12345678765434567876543)


# ## f字符串
# 
# - Python 3中，引入了f字符串进行格式化，可以在占位符中直接使用已有变量的表达式

# In[4]:


a = 100


# In[5]:


f"{a=}, a is {a}"


# ## 字符串类型
# 
# - Python 2中，str类型默认使用ASCII编码，unicode类型使用Unicode编码
# - Python 3中，str类型默认使用Unicode编码，bytes类型使用ASCII编码

# In[6]:


a = "中国"


# In[7]:


type(a)


# In[8]:


len(a)


# In[9]:


a = b'abc'


# In[10]:


type(a)


# ## 不同类型的比较
# 
# - Python 2中，支持，如字符串与数字可以比较大小
# - Python 3中，不支持，字符串与数字不可以比较大小

# In[11]:


# 3 > "abc" #会报错


# ## 字典键值对方法的返回类型
# 
# - Python 2中，.keys()、.values()、.items()方法返回列表
# - Python 3中，.keys()、.values()、.items()方法分别返回dict_keys、dict_values、dict_items类型

# In[12]:


a = {1: 1, 2: 4}


# In[13]:


a.keys(), a.values(), a.items()


# ## range(), map(), filter(), zip()函数返回值
# 
# - Python 2中，返回列表
# - Python 3中，返回一个迭代器对象

# In[14]:


range(5)


# In[15]:


zip([1,2,3], [4,5,6])


# ## ord(), chr()函数
# 
# - Python 2中，只支持ASCII字符码即0-255
# - Python 3中，支持所有Unicode码

# In[16]:


ord("我")


# In[17]:


chr(25105)


# ## round()函数
# 
# - Python 2中，数字5四舍五入到离0较远的一边	
# - Python 3中，数字5近似到偶数

# In[18]:


round(1.5)


# In[19]:


round(2.5)


# ## 迭代器对象的下一个值
# 
# - Python 2中，`.next()`方法
# - Python 3中，`.__next__()`方法

# In[20]:


a = [1, 2, 3]


# In[21]:


i = a.__iter__()


# In[22]:


i.__next__()


# ## pathlib模块
# 
# - Python 3中，新增pathlib模块，处理路径

# In[23]:


from pathlib import Path


# In[24]:


p = Path(".")


# In[25]:


p / "123.txt"


# ## urllib模块
# 
# - Python 2中，urllib和urllib2两个模块
# - Python 3中，功能移到urllib.request和urllib.parse两个子模块

# ## 运算符@
# 
# - Python 3中，矩阵乘法可以以运算符`@`实现：

# In[26]:


import numpy as np


# In[27]:


a = np.array([[1, 2], [3, 4]])


# In[28]:


a @ a


# In[29]:


a.dot(a)


# In[ ]: