爬虫（108）Python 3.8的超酷新功能（接近一万字，请耐心享用，而且建议收藏）
在Python中的最新版本发布！自夏季以来，Python 3.8已在beta版本中可用，但在2019年10月14日，第一个正式版本已准备就绪。现在，我们所有人都可以开始使用新功能并从最新改进中受益。
Python 3.8带来了什么？该文档很好地概述了新功能。但是，本文将更深入地介绍一些最大的变化，并向您展示如何利用Python 3.8。
在本文中，您将了解：
使用赋值表达式简化一些代码结构
在自己的函数中强制仅位置参数
指定更精确的类型提示
使用f字符串进行更简单的调试
除了少数例外，Python 3.8对早期版本进行了许多小的改进。在本文结尾处，您将看到许多不那么引人注意的更改，并讨论了一些使Python 3.8比其先前版本更快的优化。最后，您将获得有关升级到新版本的一些建议。
房间里的海象：赋值表达
Python 3.8中最大的变化是赋值表达式的引入。它们使用新的符号（:=）编写。该运算符通常被称为海象运算符，因为它类似于海象的侧面的象牙和海象牙。
赋值表达式使您可以在同一表达式中赋值并返回一个值。例如，如果要分配给变量并打印其值，则通常需要执行以下操作：
>>> walrus = False
>>> print(walrus)
False在Python 3.8中，可以使用walrus运算符将这两个语句合并为一个：
>>> print(walrus := True)
True分配表达式使您可以分配True给walrus，并立即打印该值。但是请记住，如果没有它，海象运算符不会做任何不可能的事情。它只会使某些构造更加方便，并且有时可以更清楚地传达代码的意图。
一种显示海象运算符优势的模式是while循环，您需要在循环中初始化和更新变量。例如，以下代码要求用户输入直到输入quit：
inputs = list()
current = input("Write something: ")
while current != "quit":
inputs.append(current)
current = input("Write something: ")此代码不理想。您正在重复该input()语句，并且需要以某种方式将其添加current到列表中，然后再询问用户。更好的解决方案是设置一个无限while循环，然后使用它break来停止循环：
inputs = list()
while True:
current = input("Write something: ")
if current == "quit":
break
inputs.append(current)此代码与上面的代码等效，但是避免了重复，并且以某种方式使行保持更合理的顺序。如果使用赋值表达式，则可以进一步简化此循环：
inputs = list()
while (current := input("Write something: ")) != "quit":
inputs.append(current)这会将测试移回应有的while行。但是，该行现在发生了几件事，因此需要花费更多的精力才能正确地阅读它。对于海象运算符何时有助于使您的代码更具可读性，请做出最佳判断。
PEP 572描述了赋值表达式的所有细节，包括将其引入语言的一些原理，以及如何使用海象运算符的几个示例。
仅位置参数
内置函数float()可用于将文本字符串和数字转换为float对象。考虑以下示例：
>>> float("3.8")
3.8
>>> help(float)
class float(object)
| float(x=0, /)
|
| Convert a string or number to a floating point number, if possible.
[...]仔细看看的签名float()。注意/参数后的斜杠（）。这是什么意思？
注意：有关该/符号的深入讨论，请参阅PEP 457-仅位置参数的符号。
事实证明，虽然float()调用了一个参数，x但不允许使用其名称：
>>> float(x="3.8")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: float() takes no keyword arguments使用时float()，只允许按位置而不是关键字指定参数。在Python 3.8之前，此类仅位置参数仅适用于内置函数。没有简单的方法来指定参数在您自己的函数中应该仅位置：
>>> def incr(x):
... return x + 1
...
>>> incr(3.8)
4.8
>>> incr(x=3.8)
4.8这是可能的模拟位置-only参数使用*args，但是这是不够灵活，不易阅读，并迫使你实现自己的参数解析。在Python 3.8中，您可以/用来表示必须由位置指定之前的所有参数。您可以重写incr()为仅接受位置参数：
>>> def incr(x, /):
... return x + 1
...
>>> incr(3.8)
4.8
>>> incr(x=3.8)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: incr() got some positional-only arguments passed as
keyword arguments: 'x'通过/在之后添加x，您可以将其指定x为仅位置参数。您可以将常规参数与仅位置参数结合使用，方法是将常规参数放在斜杠之后：
>>> def greet(name, /, greeting="Hello"):
... return f"{greeting}, {name}"
...
>>> greet("Łukasz")
'Hello, Łukasz'
>>> greet("Łukasz", greeting="Awesome job")
'Awesome job, Łukasz'
>>> greet(name="Łukasz", greeting="Awesome job")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: greet() got some positional-only arguments passed as
keyword arguments: 'name'在中greet()，斜线放在name和之间greeting。这意味着它name是仅位置参数，greeting而是可以通过位置或关键字传递的常规参数。
乍一看，仅位置参数似乎有点局限性，与Python关于可读性重要性的口号背道而驰。您可能会发现在很多情况下仅位置参数可以改善您的代码。
但是，在正确的情况下，仅位置参数可以在设计函数时提供一定的灵活性。首先，当您的参数具有自然顺序但很难给其提供良好的描述性名称时，仅位置参数才有意义。
使用仅位置参数的另一个可能的好处是，您可以更轻松地重构函数。特别是，您可以更改参数的名称，而不必担心其他代码取决于这些名称。
仅位置参数很好地补充了仅关键字参数。在任何版本的Python 3中，都可以使用星号（*）指定仅关键字的参数。任何参数后 *，必须使用关键字来指定：
>>>
>>> def to_fahrenheit(*, celsius):
... return 32 + celsius * 9 / 5
...
>>> to_fahrenheit(40)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: to_fahrenheit() takes 0 positional arguments but 1 was given
>>> to_fahrenheit(celsius=40)
104.0celsius 是仅关键字的参数，因此，如果您尝试根据不含关键字的位置进行指定，Python会引发错误。
您可以通过按/和分隔此顺序的顺序来组合仅位置，常规和仅关键字的参数*。在以下示例中，text是仅位置参数，border是具有默认值的常规参数，并且width是具有默认值的仅关键字参数：
>>> def headline(text, /, border="♦", *, width=50):
... return f" {text} ".center(width, border)
...由于text仅位置定位，因此您不能使用关键字text：
>>> headline("Positional-only Arguments")
'♦♦♦♦♦♦♦♦♦♦♦ Positional-only Arguments ♦♦♦♦♦♦♦♦♦♦♦♦'
>>> headline(text="This doesn't work!")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: headline() got some positional-only arguments passed as
keyword arguments: 'text'border另一方面，既可以指定关键字，也可以不指定关键字：
>>> headline("Python 3.8", "=")
'=================== Python 3.8 ==================='
>>> headline("Real Python", border=":")
':::::::::::::::::: Real Python :::::::::::::::::::'最后，width必须使用关键字指定：
>>> headline("Python", "🐍", width=38)
'🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍 Python 🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍🐍'
>>> headline("Python", "🐍", 38)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: headline() takes from 1 to 2 positional arguments
but 3 were given您可以在PEP 570中阅读有关仅位置参数的更多信息。
更多精确类型
此时，Python的键入系统已经相当成熟。但是，在Python 3.8中，添加了一些新功能typing以允许更精确的键入：
文字类型
打字字典
最终对象
通讯协定
Python支持可选的类型提示，通常作为代码上的注释：
def double(number: float) -> float:
return 2 * number在此示例中，您说number应为a float，并且double()函数也应返回a float。但是，Python将这些注释视为hints。它们不会在运行时强制执行：
>>> double(3.14)
6.28
>>> double("I'm not a float")
"I'm not a floatI'm not a float"double()"I'm not a float"即使不是，也愉快地接受作为参数float。有些库可以在运行时使用类型，但这不是Python的类型系统的主要用例。
相反，类型提示允许静态类型检查器对Python代码进行类型检查，而无需实际运行脚本。这让人想起编译器捕获其他语言（如Java，Rust和Crystal）的类型错误。此外，类型提示可作为代码的文档，使其更易于阅读，并改善IDE中的自动完成功能。
注意：有几种可用的静态类型检查器，包括Pyright，Pytype和Pyre。在本文中，您将使用Mypy。您可以使用以下方法从PyPI安装Mypy pip：
$ python -m pip install mypy从某种意义上说，Mypy是Python类型检查器的参考实现，并在 Jukka Lehtasalo的领导下由Dropbox开发。Python的创建者Guido van Rossum是Mypy团队的成员。
您可以在原始PEP 484和Python类型检查（指南）中找到有关类型提示的更多信息。
Python 3.8已接受并包含了四个有关类型检查的新PEP。您将看到其中每个的简短示例。
PEP 586介绍了该Literal类型。Literal它有点特殊，因为它代表一个或多个特定值。一种使用情况Literal是，当使用字符串参数描述特定行为时，能够精确地添加类型。考虑以下示例：
# draw_line.py
def draw_line(direction: str) -> None:
if direction == "horizontal":
... # Draw horizontal line
elif direction == "vertical":
... # Draw vertical line
else:
raise ValueError(f"invalid direction {direction!r}")
draw_line("up")该程序将通过静态类型检查器，即使"up"方向无效。类型检查器仅检查"up"是字符串。在这种情况下，更精确地说direction必须是文字字符串"horizontal"或文字字符串"vertical"。使用Literal，您可以精确地做到这一点：
# draw_line.py
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")通过将允许的值暴露direction给类型检查器，现在可以警告该错误：
$ mypy draw_line.py
draw_line.py:15: error:
Argument 1 to "draw_line" has incompatible type "Literal['up']";
expected "Union[Literal['horizontal'], Literal['vertical']]"
Found 1 error in 1 file (checked 1 source file)基本语法为Literal[<literal>]。例如，Literal[38]表示文字值38。您可以使用来表示多个文字值之一Union：
Union[Literal["horizontal"], Literal["vertical"]]由于这是一个相当普遍的用例，因此您可以（并且应该应该）使用更简单的表示法Literal["horizontal", "vertical"]。在向中添加类型时，您已经使用了后者draw_line()。如果您仔细查看上面Mypy的输出，您会发现它在Union内部将较简单的表示法转换为表示法。
在某些情况下，函数的返回值的类型取决于输入参数。一个示例open()可能根据的值返回文本字符串或字节数组mode。这可以通过重载来处理。
以下示例显示了计算器的骨架，该计算器可以将答案返回为正数（38）或罗马数字（XXXVIII）：
# calculator.py
from typing import Union
ARABIC_TO_ROMAN = [(1000, "M"), (900, "CM"), (500, "D"), (400, "CD"),
(100, "C"), (90, "XC"), (50, "L"), (40, "XL"),
(10, "X"), (9, "IX"), (5, "V"), (4, "IV"), (1, "I")]
def _convert_to_roman_numeral(number: int) -> str:
"""Convert number to a roman numeral string"""
result = list()
for arabic, roman in ARABIC_TO_ROMAN:
count, number = divmod(number, arabic)
result.append(roman * count)
return "".join(result)
def add(num_1: int, num_2: int, to_roman: bool = True) -> Union[str, int]:
"""Add two numbers"""
result = num_1 + num_2
if to_roman:
return _convert_to_roman_numeral(result)
else:
return result该代码具有正确的类型提示：的结果add()将为str或int。然而，通常此代码将用文字称为True或False作为价值to_roman在这种情况下，你会喜欢的类型检查来推断是否准确str或int返回。可以和以下命令Literal一起使用@overload：
# calculator.py
from typing import Literal, overload, Union
ARABIC_TO_ROMAN = [(1000, "M"), (900, "CM"), (500, "D"), (400, "CD"),
(100, "C"), (90, "XC"), (50, "L"), (40, "XL"),
(10, "X"), (9, "IX"), (5, "V"), (4, "IV"), (1, "I")]
def _convert_to_roman_numeral(number: int) -> str:
"""Convert number to a roman numeral string"""
result = list()
for arabic, roman in ARABIC_TO_ROMAN:
count, number = divmod(number, arabic)
result.append(roman * count)
return "".join(result)
@overload
def add(num_1: int, num_2: int, to_roman: Literal[True]) -> str: ...
@overload
def add(num_1: int, num_2: int, to_roman: Literal[False]) -> int: ...
def add(num_1: int, num_2: int, to_roman: bool = True) -> Union[str, int]:
"""Add two numbers"""
result = num_1 + num_2
if to_roman:
return _convert_to_roman_numeral(result)
else:
return result添加的@overload签名将帮助您的类型检查器进行推断str或int根据的字面值to_roman。注意，省略号（...）是代码的文字部分。它们在重载签名中代表功能主体。
作为补充Literal，PEP 591引入了Final。该限定符指定不应重新分配，重新定义或覆盖变量或属性。以下是输入错误：
from typing import Final
ID: Final = 1
...
ID += 1Mypy将突出显示该行ID += 1，并注意您Cannot assign to final name "ID"。这为您提供了一种确保代码中的常量永远不会更改其值的方法。
另外，还有一个@final装饰器可以应用于类和方法。装饰了的类@final不能被子类化，而@final方法不能被子类覆盖：
from typing import final
@final
class Base:
...
class Sub(Base):
...Mypy将使用错误消息标记此示例Cannot inherit from final class "Base"。要了解有关Final和的更多信息@final，请参阅PEP 591。
第三PEP允许更多的特定类型的提示是PEP 589，其引入TypedDict。可以使用类似于typed的符号来指定字典中键和值的类型NamedTuple。
传统上，字典使用注释Dict。问题在于，这仅允许键的一种类型和值的一种类型，通常导致诸如的注释Dict[str, Any]。例如，考虑一个字典，该字典注册有关Python版本的信息：
py38 = {"version": "3.8", "release_year": 2019}对应的值为version字符串，而release_year为整数。无法使用精确表示Dict。使用new TypedDict，您可以执行以下操作：
from typing import TypedDict
class PythonVersion(TypedDict):
version: str
release_year: int
py38 = PythonVersion(version="3.8", release_year=2019)然后，类型检查器将能够推断出py38["version"]类型为str，而类型py38["release_year"]为int。在运行时，a TypedDict是常规的dict，照常忽略类型提示。您也可以TypedDict纯粹用作注释：
py38: PythonVersion = {"version": "3.8", "release_year": 2019}Mypy会告知您任何值的类型错误，还是使用了未声明的键。有关更多示例，请参见PEP 589。
Mypy已经支持协议已有一段时间了。但是，官方验收仅在2019年5月发生。
协议是形式化Python对鸭子输入的支持的一种方式：
当我看到一只鸟走路像鸭子，游泳像鸭子，嘎嘎像鸭子一样时，我称那只鸟为鸭子。（来源）
鸭式打字允许您例如阅读.name具有.name属性的任何对象，而无需真正关心对象的类型。支持打字系统似乎违反直觉。通过结构子类型化，仍然有可能了解鸭子的类型。
例如，您可以定义一个协议Named，该协议可以识别具有.name属性的所有对象：
from typing import Protocol
class Named(Protocol):
name: str
def greet(obj: Named) -> None:
print(f"Hi {obj.name}")在这里，greet()只要定义了.name属性，就可以使用任何对象。有关协议的更多信息，请参见PEP 544和Mypy文档。
使用f字符串进行更简单的调试
f字符串是在Python 3.6中引入的，已经非常流行。它们可能是仅在3.6版及更高版本上支持Python库的最常见原因。f字符串是格式化的字符串文字。您可以通过以下方式识别它f：
>>> style = "formatted"
>>> f"This is a {style} string"
'This is a formatted string'使用f字符串时，可以将变量甚至表达式括在花括号内。然后将在运行时对它们进行评估，并将其包含在字符串中。一个f字符串中可以包含多个表达式：
>>> import math
>>> r = 3.6
>>> f"A circle with radius {r} has area {math.pi * r * r:.2f}"
'A circle with radius 3.6 has area 40.72'在最后一个表达式中{math.pi * r * r:.2f}，您还使用了格式说明符。格式说明符与表达式之间用冒号分隔。
.2f表示该区域的格式为带有2个小数的浮点数。格式说明符与相同.format()。有关允许的格式说明符的完整列表，请参见官方文档。
在Python 3.8中，可以在f字符串中使用赋值表达式。只需确保用括号将赋值表达式括起来即可：
>>> import math
>>> r = 3.8
>>> f"Diameter {(diam := 2 * r)} gives circumference {math.pi * diam:.2f}"
'Diameter 7.6 gives circumference 23.88'但是，Python 3.8中真正的f-news是新的调试说明符。现在=，您可以在表达式的末尾添加，它将同时打印该表达式及其值：
>>> python = 3.8
>>> f"{python=}"
'python=3.8'这是个捷径，通常在交互式工作或添加打印语句来调试脚本时最有用。在早期版本的Python中，您需要对变量或表达式进行两次拼写才能获得相同的信息：
>>> python = 3.7
>>> f"python={python}"
'python=3.7'您可以在周围添加空格=，并照常使用格式说明符：
>>> name = "Eric"
>>> f"{name = }"
"name = 'Eric'"
>>> f"{name = :>10}"
'name = Eric':>10格式说明称，name10字符串中应右对齐。=同样适用于更复杂的表达式：
>>> f"{name.upper()[::-1] = }"
"name.upper()[::-1] = 'CIRE'"有关f字符串的更多信息，请参见Python 3的f字符串：改进的字符串格式语法（指南）。
Python指导委员会
从技术上讲，Python的治理不是语言功能。然而，Python的3.8是Python的第一个版本下没有发展仁慈的独裁的吉多·范罗苏姆。Python语言现在由一个由五个核心开发人员组成的指导委员会管理：
巴里华沙
布雷特·坎农
卡罗尔·威林
吉多·范·罗苏姆（Guido van Rossum）
尼克·科格兰
通往Python新治理模型的道路是自组织方面的有趣研究。吉多·范·罗苏姆（Guido van Rossum）在1990年代初期创立了Python，并被亲切地称为Python的仁慈生命独裁者（BDFL）。多年来，通过Python增强提案（PEP）做出了关于Python语言的越来越多的决定。尽管如此，Guido仍在所有新语言功能上都拥有最终决定权。
在对赋值表达式进行了漫长而漫长的讨论之后，Guido 在2018年7月宣布他将退出BDFL职位（这次是真实的）。他故意没有指定继任者。相反，他要求核心开发人员团队弄清楚今后应该如何管理Python。
幸运的是，PEP流程已经很完善，因此使用PEP讨论并决定新的治理模型是很自然的。到2018年秋季，人们提出了几种模式，包括选举新的BDFL（更名为审判官重大影响决策官：GUIDO），或在没有集中领导的情况下转向基于共识和投票的社区模式。2018年12月，在核心开发人员投票后选择了指导委员会模型。
PyCon 2019上的Python指导委员会。从左到右：Barry Warsaw，Brett Cannon，Carol Willing，Guido van Rossum和Nick Coghlan（图片来源：Geir Arne Hjelle）
指导委员会由上面列出的Python社区的五个成员组成。在每个主要的Python版本发布之后，将选举一个新的指导委员会。换句话说，Python 3.8发行后将进行选举。
尽管这是一次公开选举，但可以预计，即使不是全部，大多数首届指导委员会也将连任。指导委员会具有决定Python语言的广泛权力，但应努力尽可能少地行使这些权力。
您可以在PEP 13中阅读有关新治理模型的所有信息，而PEP 8000中介绍了决定新模型的过程。有关更多信息，请参阅PyCon 2019主题演讲，并在Talk Python To Me和Changelog播客上收听Brett Cannon 。您可以在GitHub上关注指导委员会的更新。
其他很酷的功能
到目前为止，您已经看到有关Python 3.8新增功能的头条新闻。但是，还有许多其他变化也很酷。在本节中，您将快速了解其中的一些。
importlib.metadata
Python 3.8的标准库中提供了一个新模块：importlib.metadata。通过此模块，您可以访问有关Python安装中已安装软件包的信息。连同其配套模块一起importlib.resources，importlib.metadata改进了旧版的功能pkg_resources。
例如，您可以获得有关pip以下信息：
>>> from importlib import metadata
>>> metadata.version("pip")
'19.2.3'
>>> pip_metadata = metadata.metadata("pip")
>>> list(pip_metadata)
['Metadata-Version', 'Name', 'Version', 'Summary', 'Home-page', 'Author',
'Author-email', 'License', 'Keywords', 'Platform', 'Classifier',
'Classifier', 'Classifier', 'Classifier', 'Classifier', 'Classifier',
'Classifier', 'Classifier', 'Classifier', 'Classifier', 'Classifier',
'Classifier', 'Classifier', 'Requires-Python']
>>> pip_metadata["Home-page"]
'https://pip.pypa.io/'
>>> pip_metadata["Requires-Python"]
'>=2.7,!=3.0.*,!=3.1.*,!=3.2.*,!=3.3.*,!=3.4.*'
>>> len(metadata.files("pip"))
668当前安装的版本pip是19.2.3。metadata()可以访问您可以在PyPI上看到的大多数信息。例如，您可以看到此版本的pip需要Python 2.7或Python 3.5或更高版本。使用files()，您将获得构成pip程序包的所有文件的清单。在这种情况下，几乎有700个文件。
files()返回Path对象列表。这些使您可以使用方便的方式查看软件包的源代码read_text()。以下示例__init__.py从realpython-reader包装中打印出：
>>> [p for p in metadata.files("realpython-reader") if p.suffix == ".py"]
[PackagePath('reader/__init__.py'), PackagePath('reader/__main__.py'),
PackagePath('reader/feed.py'), PackagePath('reader/viewer.py')]
>>> init_path = _[0] # Underscore access last returned value in the REPL
>>> print(init_path.read_text())
"""Real Python feed reader
Import the `feed` module to work with the Real Python feed:
>>> from reader import feed
>>> feed.get_titles()
['Logging in Python', 'The Best Python Books', ...]
See https://github.com/realpython/reader/ for more information
"""
# Version of realpython-reader package
__version__ = "1.0.0"
...您还可以访问包依赖关系：
>>> metadata.requires("realpython-reader")
['feedparser', 'html2text', 'importlib-resources', 'typing']requires()列出软件包的依赖关系。您可以看到，realpython-reader例如，它feedparser在后台用于阅读和解析文章提要。
importlib.metadata PyPI上有一个可用的反向端口，可在早期版本的Python上运行。您可以使用安装它pip：
$ python -m pip install importlib-metadatatry:
from importlib import metadata
except ImportError:
import importlib_metadata as metadata
...有关更多信息，请参阅文档importlib.metadata
新的和改进的math和statistics函数
Python 3.8对现有的标准库软件包和模块进行了许多改进。math在标准库中有一些新功能。math.prod()与内置相似sum()，但对于乘法：
>>> import math
>>> math.prod((2, 8, 7, 7))
784
>>> 2 * 8 * 7 * 7
784这两个语句是等效的。prod()当您已经将因子存储在迭代器中时，将更易于使用。
另一个新功能是math.isqrt()。您可以isqrt()用来查找平方根的整数部分：
>>> import math
>>> math.isqrt(9)
3
>>> math.sqrt(9)
3.0
>>> math.isqrt(15)
3
>>> math.sqrt(15)
3.8729833462074179的平方根是3。您可以看到它isqrt()返回整数结果，而math.sqrt()始终返回a float。15的平方根几乎是3.9。请注意，将答案isqrt() 截断为下一个整数，在这种情况下为3。
最后，您现在可以更轻松地使用标准库中的n维点和向量。您可以使用来找到两点之间的距离math.dist()，以及使用来找到向量的长度math.hypot()：
>>> import math
>>> point_1 = (16, 25, 20)
>>> point_2 = (8, 15, 14)
>>> math.dist(point_1, point_2)
14.142135623730951
>>> math.hypot(*point_1)
35.79106033634656
>>> math.hypot(*point_2)
22.02271554554524这使得使用标准库更容易处理点和向量。但是，如果要对点或向量进行许多计算，则应签出NumPy。
该statistics模块还具有几个新功能：
statistics.fmean()计算float数字的平均值。
statistics.geometric_mean()计算float数字的几何平均值。
statistics.multimode() 查找序列中最频繁出现的值。
statistics.quantiles()计算将数据以等概率分为n个连续区间的切点。
以下示例显示了正在使用的功能：
>>> import statistics
>>> data = [9, 3, 2, 1, 1, 2, 7, 9]
>>> statistics.fmean(data)
4.25
>>> statistics.geometric_mean(data)
3.013668912157617
>>> statistics.multimode(data)
[9, 2, 1]
>>> statistics.quantiles(data, n=4)
[1.25, 2.5, 8.5]在Python 3.8中，有了一个新statistics.NormalDist类，可以更轻松地处理高斯正态分布。
若要查看使用的例子NormalDist，你可以尝试比较新的速度statistics.fmean()和传统statistics.mean()：
>>> 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]
0.6445013221202459在这个例子中，你使用timeit来衡量的执行时间mean()和fmean()。为了获得可靠的结果，您可以让timeit每个功能执行100次，并为每个功能收集30个这样的时间样本。基于这些示例，您将创建两个NormalDist对象。请注意，如果您自己运行代码，则可能需要一分钟的时间来收集不同的时间样本。
NormalDist具有许多方便的属性和方法。请参阅文档以获取完整列表。检查.mean和.stdev，您会看到旧版本的statistics.mean()运行时间为0.826±0.078秒，而新版本的运行statistics.fmean()时间为0.0105±0.0009秒。换句话说，fmean()这些数据的速度要快80倍左右。
如果您需要使用Python而不是标准库提供的高级统计信息，请查看statsmodels和scipy.stats。
关于危险语法的警告
Python的SyntaxWarning可以警告可疑的语法，通常不是SyntaxError。Python 3.8添加了一些新功能，可以在编码和调试过程中为您提供帮助。
is和之间的区别==可能会造成混淆。为相等的值，后者检查，而is是True仅当对象是相同的。Python 3.8会警告您有关应使用==而不是的情况is：
>>> # Python 3.7
>>> version = "3.7"
>>> version is "3.7"
False
>>> # Python 3.8
>>> version = "3.8"
>>> version is "3.8"
<stdin>:1: SyntaxWarning: "is" with a literal. Did you mean "=="?
False
>>> version == "3.8"
True写长列表时，尤其是垂直格式化时，很容易错过逗号。忘记元组列表中的逗号将给出有关元组不可调用的混乱错误消息。Python 3.8还会发出警告，指出实际问题：
>>> [
... (1, 3)
... (2, 4)
... ]
<stdin>:2: SyntaxWarning: 'tuple' object is not callable; perhaps
you missed a comma?
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
TypeError: 'tuple' object is not callable该警告正确地将丢失的逗号标识为真正的罪魁祸首。
最佳化
Python 3.8进行了一些优化。一些使代码运行更快。其他减少了内存占用。例如，namedtuple与Python 3.7相比，在Python 3.8中查找a中的字段要快得多：
>>> 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你可以看到，查找.twitter在namedtuple30-40％，在Python 3.8快。从具有已知长度的可迭代对象初始化列表时，可以节省一些空间。这样可以节省内存：
>>> import sys
>>> # Python 3.7
>>> sys.getsizeof(list(range(20191014)))
181719232
>>> # Python 3.8
>>> sys.getsizeof(list(range(20191014)))
161528168在这种情况下，与3.7相比，该列表在Python 3.8中使用的内存减少了约11％。
其他优化包括的更高性能subprocess，更快的文件复制shutil，更高的默认性能pickle以及更快的operator.itemgetter操作。有关优化的完整列表，请参见官方文档。
那么，您是否应该升级到Python 3.8？
让我们从简单的答案开始。如果您想尝试这里看到的任何新功能，那么您确实需要能够使用Python 3.8。像pyenv和Anaconda这样的工具可以很容易地并排安装多个版本的Python。或者，您可以运行官方的Python 3.8 Docker容器。自己尝试使用Python 3.8没有任何弊端。
现在，对于更复杂的问题。您是否应该将生产环境升级到Python 3.8？您是否应该使自己的项目依赖于Python 3.8来利用这些新功能？
在Python 3.8中运行Python 3.7代码的问题应该很少。因此，升级环境以运行Python 3.8是非常安全的，并且您将能够利用新版本中进行的优化。Python 3.8的不同beta版本已经可用了几个月，因此希望可以解决大多数错误。但是，如果您想保守一点，可以坚持到第一个维护版本（Python 3.8.1）可用。
升级环境后，就可以开始尝试仅在Python 3.8中使用的功能，例如赋值表达式和仅位置参数。但是，您应该注意其他人是否依赖您的代码，因为这也会迫使他们也升级他们的环境。流行的库可能至少会在更长的一段时间内至少支持Python 3.6。
有关为Python 3.8准备代码的更多信息，请参见移植到 Python 3.8。
引用自
https://realpython.com/python38-new-features