Python 3.8 新功能【新手必学】

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

Python 3.8 是 Python 编程语言的最新主要版本，它包含许多新功能和优化。

Python 3.8

Python 3.8 的一些新功能包括：

1. 海象运算符

PS:很多人在学习Python的过程中，往往因为没有好的教程或者没人指导从而导致自己容易放弃，为此我建了个Python交流.裙：一久武其而而流一思（数字的谐音）转换下可以找到了，里面有最新Python教程项目可拿,不懂的问题多跟里面的人交流，都会解决哦！

在这个新版本中，我们有一种新的赋值运算符，称为 Walrus 运算符 := 。该运算符的优点是可以在一行中设置和返回变量。例如：

Code:

sample_data = [

{“id”: 1, “name”: “Srijan”},

{“id”: 2, “name”: “Abhishek”},

{“id”: 3, “name”: “Dilip”},

{“id”: 4, “name”: “Vishal”},

{“id”: 4, “name”: None},

]

print(“With Python 3.8 Walrus Operator:”)

for entry in sample_data:

    if name := entry.get(“name”):

        print(f’Found name = {name}’)

print(“Without Walrus operator:”)

for entry in sample_data:

    name = entry.get(“name”)

    if name:

        print(f’Found name = {name}’)Output:

With Python 3.8 Walrus Operator:

Found name = “Srijan”

Found name = “Abhishek”

Found name = “Dilip”

Found name = “Vishal”

Without Walrus operator:

Found name = “Srijan”

Found name = “Abhishek”

Found name = “Dilip”

Found name = “Vishal”

2. 仅限位置形参

现在，在定义方法的参数时可以使用特殊的标记「/」，以指定该函数仅接受标记左侧的位置参数。此处的「/」标记表示 x，y 和 z 的值只能在位置上传递，而不能使用关键字参数。

Code:

def func1(x,y,z=None,/):

    r = x + y

    if z is not None:

        r -= z

    return r

print(func1(2, 5)) #7

print(func1(2, 5, 3)) #4

print(func1(x=2, y=10)) #TypeError

print(func1(2, 10, z=3)) #TypeError

3. f-string 支持「=」

现在，你可以在 f-string 中使用「=」运算符来获取并打印值。
这意味着现在我们可以在 f-string 中执行算术运算了。

a=5

b=6

print(f'sum={a+b}') #11

4. * 新语法警告 **

Python 为缺少逗号引入了新的警告消息，在这个新版本中的错误消息。解释器会抛出这个有用的警告信息，这将有助于用户快速找到自己的错误。

list1=[[0,1] [2,3]] #这将给出缺少逗号和TypeError的SyntaxWarning。

SyntaxWarning

5. 可逆字典

reversed() 现在可用于字典。Python 已经开始从 3.7 开始保留 Dictionary 中插入键的顺序，但现在在 3.8 中，您也可以反转它。

dict1={'a':5,'b':6}

print(dict1)    #{'a': 5, 'b': 6}

print(list(reversed(dict1)))    ['b', 'a']

6. 多处理共享内存

使用多处理，可以跨 Python 的所有实例全局共享和访问数据。这将大大加快数据的保存、存储、访问和传输。

7. 创建 pickle 文件的新协议

Python 中的 Pickle 主要用于序列化和反序列化数据，以及可以在其他地方使用的代码。在这个新版本中，Python 将默认使用 Protocol 4，您也可以将 Protocol 5 与之一起使用。这将使 Api 得到充分利用，从而提高性能。
对于在数据科学领域工作的人来说，这是一个令人兴奋的消息，因为即使在空间较低或有限的服务器上，这也能很好地与 Django 和 Flask 一起工作。