Tutorial

Switch-Case ทิพย์บน Python 3.10 ในที่สุด ก็มีสักที

By Arnon Puitrakul - 11 ตุลาคม 2021

Switch-Case ทิพย์บน Python 3.10 ในที่สุด ก็มีสักที

เวลาเราสอน Python หลาย ๆ คนที่เคยเขียนโปรแกรมภาษาอื่น ๆ อย่างพวก C มาก่อนแล้ว ก็จะถามว่า พี่ แล้ว Python ไม่มี Switch Case เหมือนใน C เหรอ ใช่แล้ว มันไม่มีแหละ ก็ต้อง if ไป แต่วันนี้ Python 3.10 ออก Release เต็มแล้ว และมี Feature ใหม่ที่ถามหากันทั่วคือ Switch Case หรือที่ฝั่ง Python เองเรียกว่า Pattern Matching เรามาลองใช้งานกันขำ ๆ

ปล. การจะใช้งาน Pattern Matching เราจะต้องใช้ Python 3.10 หรือสูงกว่านะ ถ้าใช้ Conda ก็สร้าง Environment ใหม่ไว้ลองได้เลย

Pattern Matching

selected_option = input('Please input the option')

match selected_option:
    case 1:
    	print('Order has selected')
    case 2:
    	print('Admin mode has selected')
    case _:
    	print('Bye')

Syntax ของมันทำมาในรูปแบบตัวอย่างด้านบนคือ จะเริ่มด้วยคำว่า match ก่อน แล้วตามด้วยตัวแปรที่เราต้องการจะตรวจสอบ จากนั้น ใน Block จะเป็นแต่ละเคสแล้วว่ามันจะเป็นอะไร เช่น case 1 ก็คือถ้า selected_option เป็น 1 มันก็จะทำงานใน Sub-Block ของ Case 1 เลยทันทีเป็นแบบนี้ไปเรื่อย ๆ จน Case สุดท้ายที่เราใส่ Underscore เอาไว้ คือ ถ้ามันไม่เข้า Case ไหนเลย ก็ให้มันทำงาน Case นี้ไปแค่นั้น อันนี้มันเป็นแค่น้ำจิ้มเท่านั้น ลองไปดูเคสที่อร่อยกว่านี้ดีกว่า

prediction_result_container = [[2,1,0], [1,7], [6]]

for prediction_result in prediction_result_container :
    switch prediction_result :
        case [x] :
            print(f"Result contains single element is {x}")
        case [x,y] :
            print(f"Result contains 2 elements are {x} and {y}")
        case [x,10] :
            print(f"Result contains 2 element but one of them is not exists ({x})")
        case [x,y,z] :
            print(f"Result contains 3 elements are {x}, {y} and {z}")
        
Result contains 3 elements are 2, 1 and 0
Result contains 2 elements are 1 and 7
Result contains single element is 6

เราทำให้ Advance ขึ้น เรายกตัวอย่างว่า ตอนที่เราทำ Model Inference ออกมาแล้ว เราอาจจะ Filter ค่าความมั่นใจออกมาว่าถ้าเกิน 80% ให้ดึงออกมา ไม่สนว่ามีกี่ตัว ทำให้เราได้ ตัวแปร prediction_result_container เข้ามา จากนั้น เราก็อาจจะอยากให้โปรแกรมมันแสดงว่า มันได้กี่ Element ที่น่าจะใช่ และ มีอะไรบ้างออกมา

หรือใน Case ที่ 3 จากด้านบน เราจะเห็นว่า เรา Matching ด้วยกฏที่เพิ่มเข้าไปอีกว่าถ้ามันเป็น List ที่มี 2 Elements อยู่ด้านใน และตัวสุดท้ายเป็น 10 ให้มันทำใน Block ได้ ทำให้ใน Pattern Matching มันทำได้ตามชื่อจริง ๆ คือ เราสามารถบอกมันได้ด้วยว่า Pattern มันจะหน้าตาเป็นอย่างไร เช่นในตัวอย่างด้านบน เราเช็คเลยว่า มันเป็น List ที่มีกี่ Element และให้มัน Assign เก็บไว้ในตัวแปรเลย เพื่อให้เราสามารถเข้าถึงภายในแต่ละ Case ได้เลย

สรุป

Pattern Matching ไม่ได้ทำให้เราทำอะไรใหม่ได้มากหรอก แต่มันทำให้การเขียน Code มันสะอาดมากขึ้นจากเดิมที่เราใช้ If-Condition แล้วมันยาว ๆ ไม่สวยเท่าไหร่พอมี Pattern Matching มา มันก็ทำให้เราเขียนออกมาได้ดูดี อ่านง่ายกว่าเดิมเยอะ ถือว่าเป็น ของเล่นใหม่ เป็น Switch-Case on Steroid มาก ๆ ใน Python 3.10 ที่เรา Hype กับมันมาก ๆ ตัวนึงเลยทีเดียว

Read Next...

จัดการข้อมูลบน Pandas ยังไงให้เร็ว 1000x ด้วย Vectorisation

จัดการข้อมูลบน Pandas ยังไงให้เร็ว 1000x ด้วย Vectorisation

เวลาเราทำงานกับข้อมูลอย่าง Pandas DataFrame หนึ่งในงานที่เราเขียนลงไปให้มันทำคือ การ Apply Function เข้าไป ถ้าข้อมูลมีขนาดเล็ก มันไม่มีปัญหาเท่าไหร่ แต่ถ้าข้อมูลของเราใหญ่ มันอีกเรื่องเลย ถ้าเราจะเขียนให้เร็วที่สุด เราจะทำได้โดยวิธีใดบ้าง วันนี้เรามาดูกัน...

ปั่นความเร็ว Python Script เกือบ 700 เท่าด้วย JIT บน Numba

ปั่นความเร็ว Python Script เกือบ 700 เท่าด้วย JIT บน Numba

Python เป็นภาษาที่เราใช้งานกันเยอะมาก ๆ เพราะความยืดหยุ่นของมัน แต่ปัญหาของมันก็เกิดจากข้อดีของมันนี่แหละ ทำให้เมื่อเราต้องการ Performance แต่ถ้าเราจะบอกว่า เราสามารถทำได้ดีทั้งคู่เลยละ จะเป็นยังไง เราขอแนะนำ Numba ที่ใช้งาน JIT บอกเลยว่า เร็วขึ้นแบบ 700 เท่าตอนที่ทดลองกันเลย...

Humanise the Number in Python with "Humanize"

Humanise the Number in Python with "Humanize"

หลายวันก่อน เราทำงานแล้วเราต้องการทำงานกับตัวเลขเพื่อให้มันอ่านได้ง่ายขึ้น จะมานั่งเขียนเองก็เสียเวลา เลยไปนั่งหา Library มาใช้ จนไปเจอ Humanize วันนี้เลยจะเอามาเล่าให้อ่านกันว่า มันทำอะไรได้ แล้วมันล่นเวลาการทำงานของเราได้ยังไง...

ทำไม 0.3 + 0.6 ถึงได้ 0.8999999 กับปัญหา Floating Point Approximation

ทำไม 0.3 + 0.6 ถึงได้ 0.8999999 กับปัญหา Floating Point Approximation

การทำงานกับตัวเลขทศนิยมบนคอมพิวเตอร์มันมีความลับซ่อนอยู่ เราอาจจะเคยเจอเคสที่ เอา 0.3 + 0.6 แล้วมันได้ 0.899 ซ้ำไปเรื่อย ๆ ไม่ได้ 0.9 เพราะคอมพิวเตอร์ไม่ได้มองระบบทศนิยมเหมือนกับคนนั่นเอง บางตัวมันไม่สามารถเก็บได้ เลยจำเป็นจะต้องประมาณเอา เราเลยเรียกว่า Floating Point Approximation...