自從很久以前改用了python3,語言層面的特徵變化就相對較小了，然而對於每一個版本，Python都會添加一些新函數。
隨着Python3.8於2019年10月發佈，我發現自己使用的是這種語言的一些特性，關於Python每個版本新增的特性，有如下
- 3.5-類型註解
- 3.6-異步
- 3.7-數據類
- 3.8-海象算子
- 3.9-字典聯合運算符和泛型類型提示
以上所有的這些，我都會在代碼庫中使用到。
oapbox演講：如果你仍在工作或項目中使用舊版本的Python，不要害怕升級！你的舊代碼仍然可以工作，而且你將從Python的新特性中獲益！
免責聲明：如果你仍然使用Python2.7，在這種情況下，我知道你很有可能不會升級。
下面我將回顧（快速）我最喜歡的一些特性，我希望你可以在你的代碼中使用。
它們是：類型註解、數據類、字典聯合運算符、海象算子。
在這第一部分，我主要介紹：類型註解，海象算子。
Python 3.5
從Python 3開始，Typing就成爲了一個特性。因爲我們是開發人員，而不是歷史學家，所以Typing將提供類型註解和類型提示。
Python不需要爲變量指定類型，這是我如此熱愛這門語言的部分原因。清晰易讀的語法，可以用20多種不同的方法編寫一個解決方案，但仍能得到相同的結果。
但後來隨着應用程序的增長，或者回頭看看你幾個月或幾年沒碰過的代碼，或者去閱讀別人寫的代碼。
這種情況下，你就會意識到變量不指定類型對你來說沒有啥好處。
Typing 可以幫助你解決這個問題，這也是TypeScript如此流行的原因。
from typing import List
def print_cats(cats: List[str]) -> None:
for cat in cats:
print(f"{cat} has a name with {len(cat)} letters.")
class Cat(object):
def __init__(self, name: str, age: int, **attrs):
self.cattributes = {
"name": name,
"age": age,
**attrs
}
cats = "this still works w/o type annotation!"
cats: List[str] = ["Meowie", "Fluffy", "Deathspawn"]
# 不是字符串列表，Python不會檢查
cats2: List[str] = [Cat("Meowie", 2), Cat("Deathspawn", 8)]
print_cats(cats)
print_cats(cats2) # 失敗這將返回：
Meowie has a name with 6 letters.
Fluffy has a name with 6 letters.
Deathspawn has a name with 10 letters.
--------------------------------------------
...
TypeError: object of type 'Cat' has no len()
類型註解在這裏並沒有起到任何作用，那爲什麼要使用它們呢？因爲在創建變量cats並用List[str]時，很明顯分配的數據應該與該結構相匹配，因此對於具有複雜類型的可維護代碼來說，這將變得更加有用。
from typing import List
class Cat(object):
def __init__(self, name: str, age: int, **attrs):
self.cattributes = {
"name": name,
"age": age,
**attrs
}
# 創建類型變量
Cats: type = List[Cat]
def print_cats(cats: Cats) -> None:
for cat in cats:
name: str = cat.cattributes.get("name")
print(f"{name} has a name with {len(name)} letters.")
cats = [Cat("Meowie", 2), Cat("Deathspawn", 8)]
print_cats(cats)
輸出：
Meowie has a name with 6 letters.
Deathspawn has a name with 10 letters.
在函數/方法定義中鍵入參數稱爲類型暗示，而且類型甚至不必是Python數據類型或來自typing模塊。例如最後一行提示性字符串是完全合法的：
import pandas as pd
cols = ["name", "age", "gender"]
data = [["Meowie", 2, "female"],
["Fluffy", 5, "male"],
["Deathspawn", 8, "rather not say"]]
df: pd.DataFrame = pd.DataFrame()
df: "name (string), age (integer), gender (string)" = \
pd.DataFrame(data, columns=cols)在數據處理管道中，如果有很多複雜類型的變量，那這樣的操作可能會很有用，因爲你可能搞不清楚讀取的數據是什麼結構，你會試圖把它們弄清楚。在IDE上鼠標懸停在變量上會有類型提示的信息，而不是一個簡單的pandas.DataFrame提示。
額外的好處是：在python4中，前向引用可以開箱即用，這意味着你可以對尚未定義的類型進行註解。我們現在仍然可以利用這種優勢，在文件頂部編寫from future import annotations，然後執行以下操作：
from __future__ import annotations
class Food:
"""
Food是合法的，即使沒有類別的定義。
"""
def __init__(self, ingred_1: Food, ingred_2: Food) -> None:
self.ingred_1 = ingred_1
self.ingred_2 = ingred_2
原生類型註解-3.9
內置泛型類型是3.9中的一個特性，我們不需要從typing中導入以向泛型數據類型添加參數。從3.7版開始，使用from futures import annotations就可以使用這種方法，但這是因爲它阻止了在運行時計算類型引用。
這個功能讓我很興奮。在3.8中我將typing導入每個模塊，或者導入在公共模塊中。
示例（信貸：PEP 585）：
>>> l = list[str]()
[]
>>> list is list[str]
False
>>> list == list[str]
False
>>> list[str] == list[str]
True
>>> list[str] == list[int]
False
>>> isinstance([1, 2, 3], list[str])
TypeError: isinstance() arg 2 cannot be a parameterized generic
>>> issubclass(list, list[str])
TypeError: issubclass() arg 2 cannot be a parameterized generic
>>> isinstance(list[str], types.GenericAlias)
True
def find(haystack: dict[str, list[int]]) -> int:
...
海象算子-3.8
海象有眼睛:，然後有牙齒=。
:=是Python3.8中新增的賦值表達式。
complicated = {
"data": {
"list": [1,2,3],
"other": "stuff"
}
}
if (nums := complicated.get('data').get('list')):
print(nums)
結果：
1
2
3
如果沒有海象，會有更多的代碼行。
...
nums = complicated.get('data').get('list')
if nums:
print(nums)
由於控制流語句在編程中經常使用，使用海象算子可以簡化代碼。
來自PEP 572：
這樣的命名錶達式的值與合併表達式的值的結果是相同的，但附加的作用是目標被賦給了該值
換言之，用一個表達式表達了兩個語句。
在我複製/粘貼PEP指南的同時，這裏還有一些規範中的示例，我認爲它們是很好的示例。迫不及待地想嘗試一下海象算子來理解列表。
# #處理匹配正則表達式
if (match := pattern.search(data)) is not None:
# 匹配後...
# 一個更直觀易寫的循環
while chunk := file.read(8192):
process(chunk)
# 重用一個計算成本很高的值
[y := f(x), y**2, y**3]
# 在理解filter語句及其輸出之間共享子表達式
filtered_data = [y for x in data if (y := f(x)) is not None]結論
最近對Python語言的添加提供了一些相當不錯的特性以供實踐。我希望你覺得typing和海象算子對你的編程是有用。
參考鏈接：https://towardsdatascience.com/whats-new-in-python-2020-part-1-c101939c8800