是时候将你的Python版本升级到3.8了！为什么我选择Python3.8？

你是否还在使用Python3.7，3.6……甚至是更老的Python版本？

确实，尝试去使用一个比较“新”的Python版本存在一定风险，我们容易遇到一些问题：

• 生态，各种库的支持，兼容性……
• 不同版本的解释器存在差异，以前的项目还能不能继续使用是个问题……
• 新的特性或者功能太香，我实在忍不住更新了却遭遇到bug……

---

实际上，Python3.7的正式版最早发布于2018年06月15日，截止目前，Python3.7的最高版本是3.7.4（于2019年7月8日发布，距离现在的2020年7月已经有超过一年的时间！也就是已经停止更新一年了），所以我们基本可以说，它其实也并不算“新“了。

而Python3.8的首个正式版发布于2019年10月14日，目前已经持续维护将近一年，更新到了3.8.5版本（于2020年7月20日更新）。

根据Python官网，目前最新的Python版本为3.9，目前还处于测试中，预计将在今年的10月发布第一个正式版本：

分支版本	发布计划	维护状态	首个正式版本	终止更新	发布
3.9	PEP 596	bugfix	2020-10-05（时间未到）	待定	Łukasz Langa
3.8	PEP 569	bugfix	2019-10-14	2024-10	Łukasz Langa
3.7	PEP 537	security	2018-06-27	2023-06-27	Ned Deily
3.6	PEP 494	security	2016-12-23	2021-12-23	Ned Deily
3.5	PEP 478	security	2015-09-13	2020-09-13	Larry Hastings

在Python的官网上我们可以看到，Python3.7的Maintenance status（维护状态）为security，而Python3.8则是bugfix，在这里解释一下Python的几种维护状态：

维护状态	说明
features	功能预览版本（最不稳定），期间允许加入新功能、错误修复以及安全性修补
prerelease	预发行版本（较不稳定），期间允许进行对功能存在的问题进行修复、错误修复以及安全性修补
bugfix	正在维护的版本（稳定版），期间允许进行错误修复以及安全性修补，将会及时发布新的二进制文件
security	最稳定，到这里版本几乎已经固定了，期间只允许进行安全性修补，但是不会再发布新的二进制文件，最多可能更新源代码
end-of-life	终止维护，不在进行有关的发布

也就是说，处于bugfix状态，并且已经持续更新了将近一年的Python3.8实际上已经比较成熟，可以尝试在生产环境当中使用了。

当然，如果你对稳定性要求非常高，那么选择Python3.7或者其它维护状态为security的版本即可，因为除非遇到安全性的问题，它们几乎不会再进行更新了（比如Python3.7，至今已经一年没有进行更新），所以使用起来会更更更稳。

但是！Python3.8太香了！

一起来看看它的新变化，看完你肯定想用

---

Python3.8：近乎全方位的性能提升

数据来自Python官网

测试结果的单位是纳秒（数字越小，性能越好），可见Python3.8的性能提升几乎是全方位的

性能测试项	Python 3.3	Python 3.4	Python 3.5	Python 3.6	Python 3.7	Python 3.8
变量和属性读取性能	-	-	-	-	-	-
read_local	4.0	7.1	7.1	5.4	5.1	3.9
read_nonlocal	5.3	7.1	8.1	5.8	5.4	4.4
read_global	13.3	15.5	19.0	14.3	13.6	7.6
read_builtin	20.0	21.1	21.6	18.5	19.0	7.5
read_classvar_from_class	20.5	25.6	26.5	20.7	19.5	18.4
read_classvar_from_instance	18.5	22.8	23.5	18.8	17.1	16.4
read_instancevar	26.8	32.4	33.1	28.0	26.3	25.4
read_instancevar_slots	23.7	27.8	31.3	20.8	20.8	20.2
read_namedtuple	68.5	73.8	57.5	45.0	46.8	18.4
read_boundmethod	29.8	37.6	37.9	29.6	26.9	27.7
变量和属性写入性能	-	-	-	-	-	-
write_local	4.6	8.7	9.3	5.5	5.3	4.3
write_nonlocal	7.3	10.5	11.1	5.6	5.5	4.7
write_global	15.9	19.7	21.2	18.0	18.0	15.8
write_classvar	81.9	92.9	96.0	104.6	102.1	39.2
write_instancevar	36.4	44.6	45.8	40.0	38.9	35.5
write_instancevar_slots	28.7	35.6	36.1	27.3	26.6	25.7
数据结构读取性能	-	-	-	-	-	-
read_list	19.2	24.2	24.5	20.8	20.8	19.0
read_deque	19.9	24.7	25.5	20.2	20.6	19.8
read_dict	19.7	24.3	25.7	22.3	23.0	21.0
read_strdict	17.9	22.6	24.3	19.5	21.2	18.9
数据结构写入性能	-	-	-	-	-	-
write_list	21.2	27.1	28.5	22.5	21.6	20.0
write_deque	23.8	28.7	30.1	22.7	21.8	23.5
write_dict	25.9	31.4	33.3	29.3	29.2	24.7
write_strdict	22.9	28.4	29.9	27.5	25.2	23.1
堆栈、队列操作性能	-	-	-	-	-	-
list_append_pop	144.2	93.4	112.7	75.4	74.2	50.8
deque_append_pop	30.4	43.5	57.0	49.4	49.2	42.5
deque_append_popleft	30.8	43.7	57.3	49.7	49.7	42.8
Timing loop	-	-	-	-	-	-
loop_overhead	0.3	0.5	0.6	0.4	0.3	0.3

---

新的语法：海象运算符 :=

除了性能上的提升外，最值得一提的变化是，Python3.8中加入了新的语法，海象运算符：:=

海象运算符是一个赋值表达式，它能够减少我们的一些重复性操作，使得代码编写更加流畅、简洁易读。

• 一个简单的例子，首先这是在Python3.8以前的写法：

# 我有一个盒子，里面装着三样水果，并且装不下更多了
myBox = [ 'apple', 'banana', 'orange' ]

# 现在往里面装入新的水果
myBox.append('trump')

# 但是实际上，它之前已经装满了，再往里装就要爆炸了！

# 那么要进行判断，并且告诉我们，我们的盒子炸了：
if len(myBox) > 3:
    print('盒子炸了，最多只能装3样水果，而你却装了{}样！'.format(len(myBox)))

可以看到，我们在这个例子中使用了两次len(myBox)来获得盒子列表的长度，非常的麻烦。。。

好的，我们优化一下，使用一个变量存储盒子列表的长度：

# 我有一个盒子，里面装着三样水果，并且装不下更多了
myBox = [ 'apple', 'banana', 'orange', 'trump' ]

# 记录长度
size = len(myBox)

# 那么要进行判断，并且告诉我们，我们的盒子炸了：
if size > 3:
    print('盒子炸了，最多只能装3样水果，而你却装了{}样！'.format(szie))

很好！但是我又发现，我们虽然少写了一次len(myBox)，少调用了一次len()，但却又多写了三次size！

对于程序员而言，多写几个字很容易造成生理及精神上的疲劳，甚至造成心理上的创伤，导致抑郁，最后形成网抑云之类的严重症状。

万一这不是一个只有几行代码的小例子，而是一个天大的项目呢？那一定会写断手！幸好，海象运算符的出现防止了这一点：

# 现在可以这么写
myBox = [ 'apple', 'banana', 'orange', 'trump' ]

# 在这一步中，我们在判断myBox列表长度的同时又将其记录为了变量size
if (size := len(myBox)) > 3:
    print('盒子炸了，最多只能装3样水果，而你却装了{}样！'.format(szie))

是的！有了海象运算符，我们可以在判断过程中赋值新变量。

对比一下效率的提升：
原先的步骤是： 执行len(myBox) → 创建变量size → 访问size进行判断 → 访问size进行打印
现在变成了：执行len(myBox)创建变量size的同时进行判断 → 访问size进行打印

原本的四个步骤直接减少了两步。

---

• 下面的例子是数据筛选，我们需要帮助用户过滤掉不存在的学号，并找到不及格的学生：

一般写法：

# 学生表
# key为id（主键），value为学生对象（这里不写对象了，直接用dict方便表示）
students = {
    1: {'name': '小明', 'score': '及格'},
    3: {'name': '小红', 'score': '不及格'},
    4: {'name': '小绿', 'score': '不及格'}
}

# 尝试找到学号1-4，并且成绩为不及格的学生
# 学号2的那位实际上被开除了，但是用户并不知道
results = []
for stuId in range(1, 5):
    student = students.get(stuId) # 如果是不存在的key则会取到None
    if student and student['score'] == '不及格': # 需要过滤掉是None的值，并取不及格的学生
        results.append(student)

# 返回结果给用户
print(results)

使用海象运算符和列表推导式可以轻松完成这项工作：

print([student for stuId in range(1,5) 
  if (student := students.get(stuId)) and student['score'] == '不及格' ])

---

• 以及，当你希望连续获得用户输入，直到某个关键字时终止并给出结果时：

inputs = []

# 让用户输入任意个需要进行求和的数
while True:
    userInput = input('请输入数字或"求和"：')
    # 当输入为”求和“时结束循环
    if userInput == '求和':
        break
    inputs.append(int(userInput))

# 打印求和结果
print('求和的结果是：', sum(inputs))

使用海象操作符：

inputs = []

while (userInput := input('请输入数字或"求和"：')) != '求和':
    inputs.append(int(userInput))

print('求和的结果是：', sum(inputs))

---

• 或者，帮助你处理一个函数的返回数据，这里是一个网络请求的例子：

import requests

# 爬取数据，或者从某个api获得数据时，要对请求状态码进行验证
if (resp := requests.get('某地址')) and resp.status_code == 200:
    # 当请求成功（如状态码200）时进行处理
    pass

print(resp)

• 也可以这么写，会降低一些可读性。但是很爽。

import requests
if (resp := requests.get('某地址')).status_code != 200: pass

print(resp)

• 你也可以在传统的循环中使用，这里是循环10次打招呼：

count = 0
while (count := count + 1) <= 10:
    print('hello')

# 看看count的变化
print(count)

这里就不再举更多例子了，海象运算符还有更多用法等你发现

---

函数的新语法：形参限定符（仅限位置形参）

由于官方文档的名字有点晦涩难懂，所以“形参限定符”实际上是我自己起的名字……
但是它确实很好懂对不对。。！！

• 仅限位置形参 以及 仅限关键字形参：/ 和 *

它是一个新的函数形参语法，下面是仅限位置形参/的例子：

# 一个函数
def test(a, b, /, c):
    print(a, b, c)

# 进行测试
test('我是a', '我是b', '我是c') # 能够输出
test('我是a', '我是b', c = '我是c') # 能够输出
test('我是a', b = '我是b', c = '我是c') # 报错

上面的例子说明，在函数test的形参列表里，位于限定符/前面的参数是仅限位置形参：只能用固定位置对应的方式传参，而不能使用如： b = '我是b' 这样的键值对应的方式传参（叫做关键字形参）。

位于限定符/后面的参数既可以使用固定位置形参，也可以使用关键字形参。

---

对刚才的例子稍作修改，下面是仅限关键字形参限定符*：

# 对刚才的例子稍作修改
def test(a, b, /, c, *, d, e):
    print(a, b, c, d, e)

test('我是a', '我是b', c = '我是c', d = '我是d', e = '我是e') # 能够输出
test('我是a', '我是b', c = '我是c', d = '我是d',  '我是e') # 报错

也就是说，位于*后面的参数只能以关键字形参的方式传入。

并且，限定符与kwargs不冲突：

def test(a, b, /, **kwargs):
    print(a, b, kwargs)

test('我是a', '我是b', a = '我也是a', b = '我也是b', c = '我是c') # 能够输出

# 输出结果如下：
# 我是a 我是b {'a': '我也是a', 'b': '我也是b', 'c': '我是c'}

如果函数需要接受许多不确定的参数，那这确实是一个不错的特性

---

Python3.8对f-string的补充：说明符 =

什么是说明符呢，下面举这么一个字符串例子：

# 定义变量
data = ['哈哈', '嘻嘻']
count = len(data)

# 打印
print(f'{data=}, {count=}')

• 打印结果是：data=['哈哈', '嘻嘻'], count=2

可以看出，在说明符=左侧的表达式运算结果或者变量将被输出到说明符的右侧，也就是用：变量名称或表达式结果 = 变量的值或表达式结果 的这种格式进行打印输出。

比如一个表达式的例子：

a = 1
b = 2

# 打印
print(f'{a+b=}')

• 打印结果是：a+b=3

是不是很有趣。。。

并且，它可以帮你规范打印格式：

a = 1023
b = 1

# 打印
print(f'{a+b=:,d}')

• 打印的结果是：a+b=1,024

自动加上了千分位逗号。。。够意思了

---

关于Python3.8更详细的变化可以在Python官网查看：

• 详细的可以看官网文档：Python3.8有什么新变化？
• 或者更详细的更新日志：Python3.8更新日志

---

关于升级到Python3.8

只能够下载新的安装包进行全新安装，无法平滑升级

• Python下载地址：https://www.python.org/downloads/

安装新版本后将旧的环境变量改到新的Python路径即可完成升级！

---

关于库的迁移

建议重新安装所有的库，而不是将旧版本的库直接移动到新版本（虽然也可以这么做！）

可以使用pip freeze > req.txt 将当前python解释器所安装的库全部导出到txt

升级完python后使用 pip install -r req.txt 一键安装

---

关于Spyder

spyder是一个我爱用的 Python IDE，它由python + pyqt编写。

断点、交互式编码、变量管理器、代码分析、ipython、cython控制台……
查看dataframe、在控制台显示图片它都能做到，以及有更多的功能等你解锁……

调代码，做测试，搞分析，非常好用！选中一片代码，按下F9即可运行选中的代码片段……
并且它是开源的，已有5000+star：https://github.com/spyder-ide/spyder

现在，它能够很好的支持Python3.8了，而安装也十分容易：

pip install spyder

安装后使用命令行启动

spyder3

我不得不吐槽的是，实际上我们安装的是最新的spyder4，但是启动名称还是叫spyder3？这是不是有点钦定的感觉。。

• 值得注意的是，使用pip安装的spyder不会自动创建桌面快捷方式，需要我们手动进行创建：

使用pip安装spyder后，spyder3.exe位于你Python路径下的Scripts目录中，将其发送到桌面快捷方式，并设置图标即可。

图标的位置如下（Python38是你安装Python的路径）：
D:\Python38\Lib\site-packages\spyder\windows\spyder.ico

---

我最终还是没能抗下诱惑，准备升级到Python3.8……

我已经升级了，确实很好用，产品经理很爱我