Python 的 2018 年终总结：发展状况回顾

Python 的2018 年终总结：发展状况回顾

这个月早些时候我在加拿大PyCon的演讲让我兴奋不已，在会议期间，我与许多聪明人交谈，似乎每个人都在谈论着同样的希望和痛苦。这是一个试图将社区中微弱的耳语合成一个单一的有凝聚力的帖子。

我爱Python。到目前为止，我在个人项目和专业项目中使用Python已经差不多10年了。我的工作是等量数据分析和快速原型设计，所以，Python很自然地成为一个很好的选择。Python最大的吸引人的地方就是，它有包含了几乎所有的库：机器学习，数据分析，重现性研究，可视化，云计算，Web API和控件。

这是一个令人惊异的团体，和他们在StackOverflow和GitHub上进行在线交互通常是一种乐趣，所以我决定回来。2015年，我的一个朋友正在我们学校组织加拿大PyCon，并把我拉进了志愿者行列。我发现这个社区的人都很友好，而且非常有创意(那些想要使用Python描述木头结构特征的人？？？)。今年，我想我应该回报一些，于是在我的家乡多伦多的PyCon上做了一次演讲。我被这个社区在短短3年里的发展所震惊。当我被告知我将在“舞厅”演讲时，我以为那只是一个房间的名字，结果比那要大一点。

和以前一样，我发现这个社区充满了聪明而有创造力的人。关于《专横的声音:用Python 揭露哈利波特中的性别偏见》的讨论就是一个很好的例子，(不考虑你对这个主题的看法)，这是一个滑稽而引人注目的标题。

然而，与任何工程的工作一样，Python是一个正在进行的工作。今天我们对语言的理解甚至和五年前都不一样了，所以那些在当时看起来很奇怪的事情现在不仅是可能的，

而且是合乎逻辑的。在这篇文章中，我想阐述我认为对这个社区有前途的发展方向，以及我希望看到它如何发展。

优点

许多好的项目要么在2018年着陆Python大陆，要么克服了它们发展的困难。以下是我最喜欢的：

JupyterLab

Jupyter笔记本是一个web应用程序，它可以在线执行Python(和其他语言)并查看结果，包括图形、经过修饰的表和标记格式的散文。它还自动保存即时结果(类似于一个REPL)，允许导出多种格式，并且还有上百个其他特性。想要更深入的了解，请参阅我的PyCon谈话。Jupyter笔记本在社区中应用非常广泛，尤其是在科研领域。Jupyter团队理所当然地获得了2017年的ACM软件系统奖。

Jupyterlab是对传统Jupyter笔记本的一个令人兴奋的改进版。它包括一些引人注目的特性，如单元格拖放、数据文件的内联查看(像CSV)、选项卡环境和一个更加以命令为中心的接口。它仍然感觉像是一个测试版，在Reveal.js幻灯片导出功能和单元格崩溃方面有一些小毛病，并不像预期的那样工作。但总的来说，它是一个好工具变得越来越好，越来越适合用户的复杂程度的完美例子。

Mypy

mypy是Python的一个静态类型检查工具，已经存在了一段时间。但是，它在今年变得非常好，甚至于你可以将它集成到你的生产项目中，作为git钩子或其他CI流程的

一部分。我发现它是对所有代码库的一个极其有用的补充，可以在我编写一行测试代码之前发现绝大多数错误。然而，这并非没有缺陷。在许多情况下，必须进行注释这让人感觉很麻烦,

__init__ (self, *args) -> None

以及其他我认为奇怪的地方。许多常用模块的类型库文件很缺乏，比如:

* flask

* msopack

* coloredlogs

* flask-restplus

* sqlalchemy

* nacl

在没有进行有效配置的情况下将其集成到你的CI系统中仍然是一个问题。-- ignore-missing-imports选项基本上是强制的。在将来，我希望它成为一个社区标准，为所有打算作为库的模块提供类型库文件。

Pipfile and pipenv

我真的很喜欢Pipfiles! Pipfiles实现了PEP508，这促使它替代了Python的依赖管理系统requirements.txt。

最顶层的动机是，和其他语言(如rust和javascript)的管理系统相比，使用pip的依赖管理系统感觉要陈旧。而pip/requirement.txt 的缺陷在社区中似乎人尽皆知，本文是我见过的唯一一篇对其缺陷进行列举的文章，而且比较贴近实际。我推荐你阅读一下，但是它太长了还是不要去读:

还没有关于requirements.txt的相应标准来具体说明它只是列出所有主要和次要的依赖项，还是有具体严格的要求?它包括固定的版本吗?另外，单独将开发环境需求分离出来是非常特别的做法。不同的小组开发不同的部分，所需要的环境需求也不一样，这样一来不利于软件的可再生构建。

保持依赖关系列表的最新需要先执行pip install $package，其次是pip freeze > requirements.txt, 这是一个非常笨拙的工作流，有很多问题。

开发管理生态系统由三个工具和标准(virtualenv、pip和requtrements .txt)组成，它们之间没有清晰的交互关系。既然你试图完成一项任务，为什么没有一种工具可以提供帮助呢?

进入pipenv。

Pipenv自动创建一个虚拟环境，在这个虚拟环境中安装和管理依赖关系，并保持Pipfile的更新。

虽然这个想法很好，但是使用它非常麻烦。在实际使用中，我遇到了很多问题，常常不得不回头使用以前的处理方法——例如使用显式的虚拟环境。我还发现锁定非常慢(部分问题源于setup.py标准，它是工具生态系统中许多其他问题的根源)。

f-strings

f-strings太棒了!许多人都写过关于f-strings优点的文章，从它们的自然语法到它们带来的性能改进。我觉得没有必要重复这些观点，我只想说这是一个神奇的功能，自从它们发布后我就一直在使用。

但它引入的一个麻烦就是是编写print语句和logging语句之间的不一致。logging 模块很棒，当关闭日志消息时，默认是不会格式化字符串。所以你可以这样写: x = 3

logging.debug(‘x=%d’,x)

如果将日志级别设置为DEBUG，则输出x=3，但如果将日志级别设置为更高，则甚至不会执行字符串插值。

这是因为logging.debug是一个函数，字符串作为参数传递。你可以在易读的C源代码中看到它是如何工作的。但是，如果你编写以下代码，这个功能就会消失:

x=3

1ogging.debug (f'x={x}')

无论日志级别如何，字符串插值都会发生。这在语言层面上是有意义的，但是在我的工作流程中实际的结果却是令人恼火的。调试代码时，我首先编写print语句，当一切正常时，我随后将它们转换为logging语句。因此，每个打印语句必须手工重写，