-
Python 3.7 將引入 dataclass 裝飾器
import dataclasses @dataclasses.dataclass class InventoryItem: '''Class for keeping track of an item in inventory.''' name: str unit_price: float quantity_on_hand: int = 0 def total_cost(self) -> float: return self.unit_price * self.quantity_on_hand inv=InventoryItem('PYTHON','200',1) print(f"{inv.unit_price!r}")我們?nèi)サ袅?strong>init方法，以確保 data class 裝飾器可以添加它生成的對(duì)應(yīng)方法。不過，我們?cè)谶@個(gè)過程中失去了一些功能，我們的 Python 3.6 構(gòu)造函數(shù)不僅定義了所有的值，還試圖解析日期，我們?cè)鯓硬拍苡?data class 來做到這一點(diǎn)呢？
如果要覆蓋 init，我們將失去 data class 的優(yōu)勢(shì)，因此，如果要處理任何附加功能可以使用新的 dunder 方法：post_init，讓我們看看post_init方法對(duì)于我們的包裝類來說是什么樣子的：
def __post_init__(self): if type(self.release_date) is str: self.release_date = dateutil.parser.parse(self.release_date) if type(self.created) is str: self.created = dateutil.parser.parse(self.created) if type(self.edited) is str: self.edited = dateutil.parser.parse(self.edited)更多好東西
通過使用裝飾器的選項(xiàng)，可以為用例進(jìn)一步定制 data class，默認(rèn)選項(xiàng)是：
@dataclass(init=True, repr=True, eq=True, order=False, unsafe_hash=False, frozen=False)
init決定是否生成__init__ dunder 方法
repr決定是否生成__repr__ dunder方法
eq對(duì)__eq__ dunder 方法也是如此，它決定相等性檢查的行為（your_class_instance == another_instance）
order 實(shí)際上創(chuàng)建了四種 dunder 方法，它們確定所有檢查小于，and/or，大于的行為，如果將其設(shè)置為 true，則可以對(duì)對(duì)象列表進(jìn)行排序。
最后兩個(gè)選項(xiàng)確定對(duì)象是否可以被哈?；?，如果你想使用你的 class 的對(duì)象作為字典鍵的話，這是必要的。
python3.8 新特性
-
：=
引入賦值表達(dá)式，可以說是Python3.8 中最大的一個(gè)變化了。（:=）形似海象側(cè)牙，也被稱為“海象運(yùn)算符”。賦值表達(dá)式可以在統(tǒng)一表達(dá)式中賦值并返回值，比如下面的代碼，執(zhí)行給變量分配值，并打印這個(gè)值：
walrus = False print(walrus)可以改為
print(walrus:=True)應(yīng)用場(chǎng)景
inputs = list() while (current := input("Write something: ")) != "quit": inputs.append(current) 僅位置參數(shù)（Positional-Only Arguments）
def info(name):
print(name)
info(name='python') #python
info('python') #python
但是
def info(name，/):
print(name)
info(name='python'). #error
info('python') #python
通過在 name 之后加入 /，就可以指定 name 為 僅位置參數(shù)。常規(guī)參數(shù)與僅位置參數(shù)結(jié)合使用，可將常規(guī)參數(shù)放在 / 之后：
def info(name , / ,sex=1):
print(f'name={name},sex={sex}')
info('python')
info('python',sex=0)
還可以通過按 / 和分隔的順序組合僅位置、常規(guī)和僅關(guān)鍵字參數(shù) *，例如下段代碼中，text 是僅位置參數(shù)，border 是常規(guī)參數(shù)（值為默認(rèn)值），并且 width 是僅關(guān)鍵字參數(shù)（值為默認(rèn)值）：
def headline(text, /, border="?", *, width=50):
return f" {text} ".center(width, border)
**??**什么是僅關(guān)鍵字參數(shù)
-
詳細(xì)類型
def double(number: float) -> float: return int(2 * number) print(double(3.2))在此示例中，數(shù)字應(yīng)該是浮點(diǎn)數(shù)，并且double（）函數(shù)也應(yīng)該返回浮點(diǎn)數(shù)。但是，Python將這些注釋視為提示。它們不會(huì)在運(yùn)行時(shí)強(qiáng)制執(zhí)行：
from typing import Literal def draw_line(direction: Literal["horizontal", "vertical"]) -> None: if direction == "horizontal": ... # Draw horizontal line elif direction == "vertical": ... # Draw vertical line else: raise ValueError(f"invalid direction {direction!r}") draw_line("up") -
使用f字符串進(jìn)行更簡單的調(diào)試
f字符串是在Python 3.6中引入的
def add(a:int,b:int) ->None: print(f'{a = } {b=}') print(f'a={a}, b=') print(f'{a=} {b= :.2f}') # :.2f 可以控制輸出格式 add(3,4) def show(s:str) ->None: print(f'{s.upper()[::-1] = }') show('abc') #s.upper()[::-1] = 'CBA' -
新增和改進(jìn)的數(shù)學(xué)和統(tǒng)計(jì)功能
math.prod()
-
使用isqrt（）來找到平方根的整數(shù)部分
import math math.isqrt(15) #3 -
使用math.dist（）找到兩點(diǎn)之間的距離，并通過math.hypot（）找到向量的長度：
import math point_1 = (16, 25, 20) point_2 = (8, 15, 14) math.dist(point_1, point_2) math.hypot(*point_1)這使得使用標(biāo)準(zhǔn)庫更容易處理點(diǎn)和向量。但是，如果要對(duì)點(diǎn)或向量進(jìn)行許多計(jì)算，則應(yīng)簽出NumPy。 統(tǒng)計(jì)模塊還具有幾個(gè)新功能：
statistics.fmean（）計(jì)算浮點(diǎn)數(shù)的平均值。
statistics.geometric_mean（）計(jì)算浮點(diǎn)數(shù)的幾何平均值。
statistics.multimode（）查找序列中最頻繁出現(xiàn)的值。
statistics.quantiles（）計(jì)算用于將數(shù)據(jù)等概率分為n個(gè)連續(xù)區(qū)間的切點(diǎn)。import statistics data = [9, 3, 2, 1, 1, 2, 7, 9] statistics.fmean(data)4.25 -
在Python 3.8中，有一個(gè)新的statistics.NormalDist類，這使得高斯正態(tài)分布更加方便。
要查看使用NormalDist的示例，可以對(duì)新的statistics.fmean（）和傳統(tǒng)的statistics.mean（）的速度進(jìn)行比較：
import random >>> import statistics >>> from timeit import timeit >>> # Create 10,000 random numbers >>> data = [random.random() for _ in range(10_000)] >>> # Measure the time it takes to run mean() and fmean() >>> t_mean = [timeit("statistics.mean(data)", number=100, globals=globals()) ... for _ in range(30)] >>> t_fmean = [timeit("statistics.fmean(data)", number=100, globals=globals()) ... for _ in range(30)] >>> # Create NormalDist objects based on the sampled timings >>> n_mean = statistics.NormalDist.from_samples(t_mean) >>> n_fmean = statistics.NormalDist.from_samples(t_fmean) >>> # Look at sample mean and standard deviation >>> n_mean.mean, n_mean.stdev (0.825690647733245, 0.07788573997674526) >>> n_fmean.mean, n_fmean.stdev (0.010488564966666065, 0.0008572332785645231) >>> # Calculate the lower 1 percentile of mean >>> n_mean.quantiles(n=100)[0] 0.64450132212
-
優(yōu)化
Python 3.8進(jìn)行了一些優(yōu)化，有的讓代碼運(yùn)行得更快，有的優(yōu)化減少了內(nèi)存占用。例如，與Python 3.7相比，在Python 3.8中查找命名元組中的字段要快得多：
**python 簡單了解namedtuple**
namedtuple類位于collections模塊,有了namedtuple后通過屬性訪問數(shù)據(jù)能夠讓我們的代碼更加的直觀更好維護(hù)
namedtuple能夠用來創(chuàng)建類似于元祖的數(shù)據(jù)類型，除了能夠用索引來訪問數(shù)據(jù)，能夠迭代，還能夠方便的通過屬性名來訪問數(shù)據(jù)
from collections import namedtuple
Friend =namedtuple("Friend",['name','age','email'])
f1=Friend('giga',38,'gaga@qq.com')
print(f1)
print(f1.age)
print(f1.email)
f2=Friend(name='jjuu',email='eeee@qw.com',age=15)
print(f2)
name,age,email=f2
print(name,age,email)
優(yōu)化體現(xiàn)
>>>
>>> import collections
>>> from timeit import timeit
>>> Person = collections.namedtuple("Person", "name twitter")>>> raymond = Person("Raymond", "@raymondh")
>>> # Python 3.7
>>> timeit("raymond.twitter", globals=globals())
0.05876131607996285
>>> # Python 3.8
>>> timeit("raymond.twitter", globals=globals())
0.0377705999400132
可以看到，在Python 3.8中在namedtuple上查找.twitter的速度提高了30-40％。從具有已知長度的可迭代對(duì)象初始化列表時(shí)，可以節(jié)省一些空間。這樣可以節(jié)省內(nèi)存：
>>> import sys
>>> # Python 3.7
>>> sys.getsizeof(list(range(20191014)))
181719232
>>> # Python 3.8
>>> sys.getsizeof(list(range(20191014)))
161528168
本例中，該列表在Python 3.8中使用的內(nèi)存比Python 3.7少了大約11％。
-
所以，我們必須要更新到 Python3.8 嗎？
如果你想嘗鮮新功能，那是肯定要升級(jí)的。實(shí)際產(chǎn)品的開發(fā)環(huán)境需要升級(jí)到 Python3.8 嗎？首先，如果在 Python3.8 中運(yùn)行 3.7 版本代碼，問題應(yīng)該不會(huì)很大；Python3.8 的beta版本也試用幾個(gè)月了，也解決了不少問題，如果能升級(jí)到Python3.8，肯定也是安全的，還能在新版本中進(jìn)行優(yōu)化。
如果你想嘗試一下Python3.8，可以閱讀下的文檔，以幫助更好的完成移植
https://docs.python.org/3.8/whatsnew/3.8.html#porting-to-python-3-8
還有不能遺漏官方文檔：
