!python --version
Python 3.8.0rc1
Python 3.8 是 Python 的一个重要版本。以下是一些新特性的汇总。
让我们从一条新的语法规则开始：
Python 现在允许你在表达式内部创建变量（例如列表推导式的主体）。
def f(x):
for k in range(10000000):
x*x*x/x+x+x+x+x
return x
x = 2
# Reuse a value that's expensive to compute
%timeit [y := f(x), y**2, y**3]
# Without reuse
%timeit [f(x), f(x)**2, f(x)**3]
1.78 s ± 13.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
5.45 s ± 93.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
PEP强烈不鼓励在“裸露”的表情中这样做。参见：例外情况
这里还有一条新的语法规则：
这个问题让我很困惑，直到我向下滚动到语法部分才明白，所以我们来看看它的实际应用：
def prelaunch_func(foo, bar, baz=None):
print(f"\nFoo:{foo}\nBar:{bar}\nBaz:{baz}")
def pep570_func(foo, /, bar, baz=None):
print(f"\nFoo:{foo}\nBar:{bar}\nBaz:{baz}")
/调用签名中的` pep570_func<` 表示仅位置参数的结束位置。这些函数将让我们看到 PEP 570 带来的实际差异。
prelaunch_func(foo=1, bar=2, baz=3)
Foo:1
Bar:2
Baz:3
# Violating positional-only
pep570_func(foo=1, bar=2, baz=3)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-4-9e9851275486> in <module>
1 # Violating positional-only
----> 2 pep570_func(foo=1, bar=2, baz=3)
TypeError: pep570_func() got some positional-only arguments passed as keyword arguments: 'foo'
# This is fine, as bar is right of the "/" in the call signature
pep570_func(1, bar=2, baz=3)
Foo:1
Bar:2
Baz:3
# This was wrong before PEP-570 of course
pep570_func(foo=1, 2, baz=3)
File "<ipython-input-6-adcd14865e94>", line 2
pep570_func(foo=1, 2, baz=3)
^
SyntaxError: positional argument follows keyword argument
我最喜欢这个 PEP 的一点是，它还允许你使用带有默认值的位置参数，如下所示：
def pep570_func(foo, bar=None, baz=1, /):
print(f"\nFoo:{foo}\nBar:{bar}\nBaz:{baz}")
pep570_func(10)
Foo:10
Bar:None
Baz:1
# But don't mistake them for kwargs
pep570_func(10, bar=1)
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-8-05c1c4b07ca6> in <module>
1 # But don't mistake them for kwargs
----> 2 pep570_func(10, bar=1)
TypeError: pep570_func() got some positional-only arguments passed as keyword arguments: 'bar'
更多详情请参阅 PEP：PEP-570
现在我们来谈谈并行数据处理：
3.8 版本中的两项重要改进受到了dask等库的启发，这些库旨在解决进程间数据传递的问题。其中一项改进是创建了一个新版本，pickle该版本可以使用零拷贝缓冲区在进程间传递数据对象，从而实现更高效的内存共享。
这些第三方序列化方案的共同点在于生成一个对象元数据流（包含类似 pickle 格式的被序列化对象信息）和一个单独的零拷贝缓冲区对象流，用于存储大型对象的有效载荷。需要注意的是，在这种方案中，诸如整数之类的小对象可以与元数据流一起转储。改进方案还可以包括根据数据类型和布局对大型数据进行机会性压缩，例如 Dask 的做法。
本 PEP 旨在使 pickle 能够以某种方式使用，即以单独的零拷贝缓冲区流来处理大数据，从而使应用程序能够以最佳方式处理这些缓冲区。
该类别中的另一项重大改进是进程拥有了一个新的内存共享接口：SharedMemory`and` SharedMemoryManager。文档中提供了一个非常精彩的示例：
import multiprocessing
from multiprocessing.managers import SharedMemoryManager
# Arbitrary operations on a shared list
def do_work(shared_list, start, stop):
for idx in range(start, stop):
shared_list[idx] = 1
# Example from the docs
with SharedMemoryManager() as smm:
sl = smm.ShareableList(range(2000))
# Divide the work among two processes, storing partial results in sl
p1 = multiprocessing.Process(target=do_work, args=(sl, 0, 1000))
p2 = multiprocessing.Process(target=do_work, args=(sl, 1000, 2000))
p1.start()
p2.start() # A multiprocessing.Pool might be more efficient
p1.join()
p2.join() # Wait for all work to complete in both processes
total_result = sum(sl) # Consolidate the partial results now in sl
# `do_work` set all values to 1 in parallel
print(f"Total of values in shared list: {total_result}")
Total of values in shared list: 2000
这些改进能否为并行操作库开辟一条通往成功的道路，还有待观察。无论如何，这令人振奋。点击SharedMemory 此处查看详情。
现在我们来看一些静态类型检查的内容：
类型提示无法处理嵌套字典，数据类也无法很好地解析为 JSON，因此 Python 现在将支持对具有已知键集的字典进行一些静态类型检查。请看下面的脚本：
# scripts/valid_589.py
from typing import TypedDict
class Movie(TypedDict):
name: str
year: int
# Cannonical assignment of Movie
movie: Movie = {'name': 'Wally 2: Rise of the Garbage Bots', 'year': 2055}
mypy不会出现任何问题，因为字典是某种类型的有效实现。
!mypy scripts/valid_589.py
[1m[32mSuccess: no issues found in 1 source file[m
现在来看下面这个无效的脚本——它的值类型错误：
# scripts/invalid_values_589.py
from typing import TypedDict
class Movie(TypedDict):
name: str
year: int
def f(m: Movie):
return m['year']
f({'year': 'wrong type', 'name': 12})
!mypy scripts/invalid_values_589.py
scripts/invalid_values_589.py:10: [1m[31merror:[m Incompatible types (expression has type [m[1m"str"[m, TypedDict item [m[1m"year"[m has type [m[1m"int"[m)[m
scripts/invalid_values_589.py:10: [1m[31merror:[m Incompatible types (expression has type [m[1m"int"[m, TypedDict item [m[1m"name"[m has type [m[1m"str"[m)[m
[1m[31mFound 2 errors in 1 file (checked 1 source file)[m
您还可以使用构造函数检查缺失值、无效字段，或者创建TypedDict接受缺失值的字段。total=False
3.8 版本还将实现最终性。我们可以阻止对象被重写或继承。@final装饰器可以与定义一起使用class来阻止继承，而Final类型可以阻止重写。以下是 PEP 中的两个示例：
# Example 1, inheriting a @final class
from typing import final
@final
class Base:
...
class Derived(Base): # Error: Cannot inherit from final class "Base"
...
# Example 2, overriding an attribute
from typing import Final
class Window:
BORDER_WIDTH: Final = 2.5
...
class ListView(Window):
BORDER_WIDTH = 3 # Error: can't override a final attribute
最终性可以应用于方法、属性和继承。请查看PEP 591中的所有特性。
如果函数期望的参数 s 位于某个范围内，那么类型提示调用签名def f(k: int):就帮不上忙了。它需要一个来自特定字符串集合的参数。这时 s 就派上用场了！intopenmode: strLiteral
# scripts/problematic_586.py
def problematic_586(k: int):
if k < 100:
return k
else:
raise ValueError('Gotta be less than 100')
problematic_586(144)
!mypy scripts/problematic_586.py
[1m[32mSuccess: no issues found in 1 source file[m
相反，我们可以将一个值传递Literal给参数的类型提示k。
# scripts/valid_586.py
from typing import Literal
def valid_586(k: Literal[0, 1, 2, 99]):
if k < 100:
return k
else:
return float(k)
valid_586(43)
!mypy scripts/valid_586.py
scripts/valid_586.py:8: [1m[31merror:[m Argument 1 to [m[1m"valid_586"[m has incompatible type [m[1m"Literal[43]"[m; expected [m[1m"Union[Literal[0], Literal[1], Literal[2], Literal[99]]"[m[m
[1m[31mFound 1 error in 1 file (checked 1 source file)[m
使用起来有一些细微差别Literal，所以如果您决定进一步探索，请从PEP-586开始。
就是这样！我暂时不会写关于 CPython 特性的文章，因为坦白说，我希望在对 CPython 整体及其特性有更深入的了解之后再去写。
感谢阅读！
PS：如果您想尝试本博客中的任何示例，或者想在不安装的情况下试用 Python 3.8，我已在下方提供了本博客的源代码仓库。其中包含一个 Dockerfile，可以快速启动一个 Python 3.8 JupyterLab 环境。
CharlesDLandau / python38_blog这是本博客的源代码仓库，其中还包含一个 Dockerfile，用于直接启动 Python 3.8，而无需在本地安装。具体如下：
//建造
docker build -t < img_tag > .
//在* nix
上运行
docker run -p 8888:8888 -it --rm -v $( PWD ) :/code --name dev < img_tag >
//在 Windows 上运行
docker run -p 8888:8888 -it --rm -v %CD%:/code --name dev < img_tag >
如果一切顺利，系统会提示您将 URL 复制到浏览器中，该 URL 将指向本地端口 8888，并附带一个令牌以授权访问 Jupyter 实例。