Redação YTI&W-News
Python 3.15: Novidades e Melhorias
Python 3.15 é uma versão importante da linguagem de programação Python, que traz melhorias significativas em desempenho e funcionalidades. Uma das principais novidades é a melhoria do compilador JIT (Just-In-Time), que proporciona ganhos de desempenho de até 7-8% em algumas plataformas.
Compilador JIT
O compilador JIT é uma tecnologia que permite que o Python execute código em tempo de execução, em vez de interpretar-lo linha por linha. Isso pode levar a melhorias significativas em desempenho, pois o código pode ser otimizado para a plataforma em que está sendo executado.
PEPs
Os PEPs (Python Enhancement Proposals) são propostas de melhorias para a linguagem Python. Em Python 3.15, há várias PEPs importantes que foram implementadas, incluindo:
* PEP 822: Propõe a adição de dedented multiline strings (d-strings) ao Python. Isso permite que os desenvolvedores escrevam multiline strings de forma mais limpa e organizada.
* PEP 686: Propõe a adição de UTF-8 como o padrão de codificação para arquivos que não especificam uma codificação.
Outras Melhorias
Além das melhorias do compilador JIT e das PEPs, o Python 3.15 também traz outras melhorias importantes, incluindo:
* pandas 3.0: A versão 3.0 do pandas traz melhorias significativas em desempenho e funcionalidades, incluindo a adição de uma nova API para criar expressões.
* PyTorch 2.10: A versão 2.10 do PyTorch traz melhorias significativas em desempenho e funcionalidades, incluindo a adição de uma nova API para criar modelos.
# Exemplo de uso de d-strings
def get_help_message():
return d"""
Usage: app [options]
Options:
-h Show this help message
-v Enable verbose mode
"""
Essas são apenas algumas das novidades e melhorias do Python 3.15. Com essas melhorias, o Python se torna uma linguagem de programação ainda mais poderosa e flexível para desenvolvedores.
PEPs e Propostas
PEP 822: Dedented Multiline Strings
O PEP 822 propõe a adição de dedented multiline strings (d-strings) ao Python. Essas strings têm um prefixo `d` e permitem que as linhas sejam dedentadas automaticamente, utilizando a indentação da última linha como referência. Isso pode simplificar a escrita de multiline strings em código Python.
Exemplo
def get_help_message():
# Current approach
return textwrap.dedent("""\
Usage: app [options]
Options:
-h Show this help message
-v Enable verbose mode
""")
# Proposed d-string approach
return d"""
Usage: app [options]
Options:
-h Show this help message
-v Enable verbose mode
"""
O uso de d-strings pode tornar o código mais legível e fácil de manusear, especialmente em casos onde as linhas sejam longas ou complexas. Além disso, o PEP 822 visa melhorar a consistência e a padronização do código Python.
Impacto no Desenvolvimento
A adição de d-strings pode afetar o desenvolvimento em Python de várias maneiras:
* Melhoria na legibilidade e manutenção do código: com a possibilidade de dedentação automática, os desenvolvedores podem escrever código mais limpo e fácil de entender.
* Redução do tempo de desenvolvimento: com a simplificação da escrita de multiline strings, os desenvolvedores podem focar em outras tarefas e melhorar a produtividade.
* Maior consistência e padronização: o uso de d-strings pode ajudar a manter a consistência e padronização do código Python, o que é fundamental para a manutenção e evolução do ecossistema.
Em resumo, o PEP 822 é uma proposta importante para melhorar a experiência de desenvolvimento em Python, e sua adição ao Python pode ter um impacto positivo na produtividade, legibilidade e manutenção do código.
Notícias da PSF e Investimentos 📰
A Python Software Foundation (PSF) teve um mês movimentado com notícias importantes sobre investimentos em segurança, reconhecimento de membros e lançamento da pesquisa de desenvolvedores Python 2026.
Investimento em Segurança
A PSF anunciou que recebeu um investimento de US$ 1,5 milhão da Anthropic para melhorar a segurança do ecossistema Python. Esse investimento visa proteger os usuários do PyPI contra ataques de cadeia de suprimentos.
Reconhecimento de Membros
A PSF anunciou os novos membros do programa de Fellow para o quarto trimestre de 2025. Os membros reconhecidos incluem Chris Brousseau, Dave Forgac, Inessa Pawson, James Abel, Karen Dalton, Mia Bajić e Tatiana Andrea Delgadillo Garzofino.
Pesquisa de Desenvolvedores Python 2026
A PSF e a JetBrains lançaram a pesquisa de desenvolvedores Python 2026. A pesquisa visa entender a situação atual do Python e seu ecossistema. Os desenvolvedores podem participar da pesquisa em oito idiomas e ter a chance de ganhar um cartão-presente de US$ 100 da Amazon.
Atualizações de Bibliotecas e Ferramentas 🛠️
pandas 3.0: Uma Grande Lançamento Com Mudanças de Ruptura
Taking center stage, pandas 3.0.0 foi lançado em 21 de janeiro. Este primeiro grande lançamento em anos traz melhorias significativas, semântica limpa e melhorias de desempenho, além de mudanças de ruptura que afetarão a maioria dos usuários de pandas.
# Exemplo de código
import pandas as pd
# Mudanças de ruptura
# Strings agora inferem para str dtype em vez de object
df = pd.DataFrame({'A': [1, 2, 3]})
# Copia por escrita (CoW) semântica
df['B'] = df['A'] + 1
As mudanças de ruptura incluem:
- Dedicação de dtype de string por padrão: Strings agora inferem para str dtype em vez de object, fornecendo melhor segurança de tipo e desempenho.
- Copia por escrita (CoW) semântica: Todas as operações de indexação agora comportam-se como cópias, eliminando o comportamento de cópia/visualização imprevisível.
- Nova expressão de sintaxe pd.col(): Fornece uma forma mais limpa de criar expressões chamáveis para métodos como assign().
- Interface de capsule de Arrow Py: DataFrame.from_arrow() e Series.from_arrow() agora fornecem transferência de dados zero-cópia entre bibliotecas.
- Suporte a anti-junções: A função pd.merge() agora suporta a opção how=”left_anti”.
Django Bugfix Releases
O time do Django enviou lançamentos de correção de bugs em 6 de janeiro, com Django 5.2.10 e Django 6.0.1 agora disponíveis.
# Exemplo de código
from django.http import HttpResponse
# Correção de bug
def meu_view(request):
return HttpResponse('Olá, mundo!')
Polars 1.37: Melhorias de Desempenho e Python 3.10+ Obrigatório
Polars 1.37.0 chegou com melhorias de desempenho e uma mudança importante: o suporte ao Python 3.9 foi abandonado. Se você ainda está no Python 3.9, precisará atualizar antes de atualizar o Polars.
# Exemplo de código
import polars as pl
# Melhorias de desempenho
df = pl.DataFrame({'A': [1, 2, 3]})
df = df.sort('A')
PyTorch 2.10: Melhorias de Desempenho e Deprecação de TorchScript
PyTorch 2.10 chegou com melhorias de desempenho significativas e uma importante depreciação.
# Exemplo de código
import torch
# Melhorias de desempenho
x = torch.randn(1000)
y = torch.randn(1000)
z = x + y
Black 26.1.0: O Estilo 2026 Estável
Black 26.1.0 introduziu o estilo 2026 estável, estabilizando melhorias de formatação que anteriormente estavam em modo de pré-visualização:
- Força sempre uma linha em branco após declarações de importação.
- Detecção de docstring de módulo melhorada.
- Expressões de string multilinea mais compactas.
- Remoção de parênteses desnecessários ao redor de tipos de exceção múltiplos em cláusulas except.
- Formatação de comentários de tipo com espaçamento adequado.
Inteligência Artificial e Python
Na interseção entre inteligência artificial e Python, destacam-se o uso de ferramentas de codificação AI e a integração com bibliotecas e frameworks Python. A criação de ferramentas de codificação AI, como o Google Antigravity, permite que desenvolvedores construam soluções personalizadas para problemas complexos.
Ferramentas de Codificação AI
Algumas das ferramentas de codificação AI mais populares incluem:
Integração com Bibliotecas e Frameworks Python
As bibliotecas e frameworks Python, como PyTorch e TensorFlow, permitem que os desenvolvedores criem soluções de inteligência artificial escaláveis e eficientes. A integração dessas ferramentas com as ferramentas de codificação AI permite que os desenvolvedores criem soluções personalizadas para problemas complexos.
# Exemplo de uso do Google Antigravity para criar uma ferramenta de codificação AI
import antigravity
antigravity.show()
# Exemplo de uso do GitHub Copilot SDK para criar um agente de codificação AI
import github_copilot_sdk
copilot = github_copilot_sdk.Copilot()
copilot.create_agent()
Fonte de Referência: realpython.com.
Curadoria e Adaptação: Redação Yassutaro Developers.
Redação YTI&W-News
Notícias do universo do Desenvolvimento Web, dicas e tutoriais para Webmasters.
- Desenvolva Sem Complicações com Zero-Build 2 de março de 2026
- Domine Pull Requests e Contribua para Projetos de Código 2 de março de 2026
- Minifique seu código e otimize seu site 28 de fevereiro de 2026
- Crie Transições de Página Asíncronas em JavaScript Puro 28 de fevereiro de 2026
- Desenvolva Aplicações Seguras com Entidade Forte 27 de fevereiro de 2026
