F#5.0新特征总结

简介: F# 5.0随着.NET 5.0一起发布,.NET 5.0是为了让更多的开发人员能够将他们的.NET Framework代码和应用程序迁移到.NET5.0。它是.NET Framework和.NET Core核心的结合,旨在统一.NET平台。F# 5.0 引入了几个新特征,其中的字符串插值和统一切片行为是个人感觉非常实用的功能,这里重点介绍。

    当前的F#最新版本已经升级到5.0了,它随着.NET 5 SDK一起发布,也添加了不少新的特征。这些特征有的是非常强大的。下面会根据微软官网的F#说明文档进行详细的介绍。这里需要注意一下,新版本的F# 5.0 需要首先解决SDK升级或者重新安装的问题,并根据需要升级Visual Studio版本,否则可能会发现虽然安装了最新的 .NET 5 SDK,但是在Visual Studio新建项目时,无法选择到F# 5.0版本。

   1 环境准备

     首先从官网https://dotnet.microsoft.com/download 上下载 .NET 5.0 SDK,如下图所示。这里需要根据自身操作系统来决定下载什么版本,如果是Linux操作系统,需要下载Linux页签下的.NET 5.0 SDK,同理,MacOS操作系统则需要下载MacOS页签下的.NET 5.0 SDK 。

0.jpg     这里的演示环境是基于Visual Stuido 社区版(免费),其版本为16.10.2 ,如果比这个低的话,建议升级到此版本或者更高。Visual Stuido 是微软推出的一款非常强大的开发IDE,可以很好的提升我们开发代码的效率,并进行代码调试。

1(8).jpg

     当基本的软件环境搭建完成后,可以利用Visual Stuido 社区版新建一个F#控制台项目,并设置SDK版本为5.0。

2(5).jpg

     至此,我们就可以愉快的进行F# 5新特征体验了。

   2 F# 5 新特征演示

     首先,介绍一下字符串插值(String interpolation),它有的类似于C#或者JavaScript语言中的新特征。这个字符串插值是在字符串前利用特殊字符$来表示,且占位的字符为{变量名},这样就可以把定义的变量进行值的替换。另外,它还是至此调用当前上下文中定义的变量值或者方法,对数据进行处理。下面给出一个示例:

[<EntryPoint>]
letmainargv=//String interpolationletversion="5.0"letlng="F#"printfn$"Language : {lng}, Version: {version}"printfn$"pi = {System.Math.PI}"printfn$" 2 * 3 - 1 = { 2 * 3 - 1 }"

运行此示例,结果如下:

3(5).jpg

另外,这个特征还允许用%Type进行类型限定,如果编译器检测出类型不匹配,则在编码阶段即可抛出错误。如下图所示:

4(3).jpg

    由于变量version是一个字符串类型的值,这里的%d代码一个数值类型,因此不匹配,在编码阶段编译器就可以识别出错误,并用红色波浪线标注。最后,这个特征最牛的地方是可以运行字符类型的代码,这个功能太强了,虽然有一定的安全隐患。下面给出一个示例:

openSystemletaddxy=x+yletsquarex=x*x[<EntryPoint>]
letmainargv=//String interpolationletstr_code=$"""run code demo:    {
letstart=1lete=addstart2letoddSquaresxs=xs|>List.mapsquareletret=oddSquares [start..e]
sprintf"%O"ret    }
"""printfn$"{str_code}"0// return an integer exit code

    运行此程序,结果如下:

5(6).jpg

     其次,介绍一下切片(Slice)一致性,在F# 5.0之前,对于array,string , list 在特定的情况下,返回的切片结果可能是不一致的。而F# 5.0 后,这几种数据结构切片的行为是一致的。下面给出一个示例:

//切片一致性letlist01= [ 2..9 ]
letarray01= [|2..9|]
letstr01="23456789"leteList=list01.[1..3]
printfn$"{eList}"leteArray=array01.[1..3]
printfn$"%A{eArray}"leteString=str01.[1..3]
printfn$"{eString}"

运行此程序,结果如下:

6(4).jpg

    当然,F# 5 还支持反向索引(reverse indexes),下面给出示例:

//反向索引(reverse indexes)letxs= [1..10]
letlt=xs.[^1..]
printfn$"{lt}"//[9; 10]letlt=xs.[..^7] 
printfn$"{lt}"//[1; 2; 3]letlt=xs.[^3..^1]
printfn$"{lt}"//[7; 8; 9]

这个是一个preview功能,需要如下配置<LangVersion>preview</LangVersion>才能运行,如下所示:

<PropertyGroup><OutputType>Exe</OutputType><TargetFramework>net5.0</TargetFramework><LangVersion>preview</LangVersion><WarnOn>3390;$(WarnOn)</WarnOn></PropertyGroup>

最后,其他的新特征可以访问官网进行了解,网址为 https://docs.microsoft.com/en-us/dotnet/fsharp/whats-new/fsharp-50

相关文章
|
机器学习/深度学习 人工智能 测试技术
使用随机森林分类器对基于NDRE(归一化差异水体指数)的特征进行分类
使用随机森林分类器对基于NDRE(归一化差异水体指数)的特征进行分类
96 1
|
机器学习/深度学习 算法 数据可视化
浅析特征数据离散化的几种方法(上)
什么是离散化? 离散化就是把无限空间中有限的个体映射到有限的空间中去,以此提高算法的时空效率。通俗的说,离散化是在不改变数据相对大小的条件下,对数据进行相应的缩小。例如:
|
2月前
|
自然语言处理 数据挖掘
数据特征包括分布特征、统计特征、对比特征、帕累托特征和文本特征
数据特征包括分布特征、统计特征、对比特征、帕累托特征和文本特征
87 4
|
2月前
|
机器学习/深度学习 数据挖掘
数据特征
数据特征
59 1
|
4月前
|
机器学习/深度学习 PyTorch 算法框架/工具
VQ-VAE:矢量量化变分自编码器,离散化特征学习模型
VQ-VAE 是变分自编码器(VAE)的一种改进。这些模型可以用来学习有效的表示。本文将深入研究 VQ-VAE 之前,不过,在这之前我们先讨论一些概率基础和 VAE 架构。
123 10
|
6月前
|
机器学习/深度学习 存储 数据可视化
MambaOut:状态空间模型并不适合图像的分类任务
该论文研究了Mamba架构(含状态空间模型SSM)在视觉任务(图像分类、目标检测、语义分割)中的必要性。实验表明,Mamba在这些任务中效果不如传统卷积和注意力模型。论文提出,SSM更适合长序列和自回归任务,而非视觉任务。MambaOut(不带SSM的门控CNN块)在图像分类上优于视觉Mamba,但在检测和分割任务中略逊一筹,暗示SSM在这类任务中可能仍有价值。研究还探讨了Mamba在处理长序列任务时的效率和局部信息整合能力。尽管整体表现一般,但论文为优化不同视觉任务的模型架构提供了新视角。
105 2
|
机器学习/深度学习 算法 索引
逻辑回归与多项式特征:解密分类问题的强大工具
逻辑回归与多项式特征:解密分类问题的强大工具
分类问题的判别
分类问题的判别 自用
49 0
|
机器学习/深度学习 算法 开发者
特征生成(特征创建)
特征生成(特征创建)
|
机器学习/深度学习 自然语言处理 算法
稀疏特征和密集特征
在机器学习中,特征是指对象、人或现象的可测量和可量化的属性或特征。特征可以大致分为两类:稀疏特征和密集特征。
221 0