Python2和 Python3都有哪些区别？

很多新同学在学习Python的过程当中，都会犹豫是学Python2还是Python3呢，小编这里给大家整理了一下关于Python2和Python3都有哪些区别，一起看看吧，希望对迷茫的同学有所帮助~

1.性能

Py3.0 运行 pystone benchmark 的速度比 Py2.5 慢 30%。Guido 认为 Py3.0 有极大的优化空间，在字符串和整形操作上可以取得很好的优化结果。Py3.1 性能比 Py2.5 慢 15%，还有很大的提升空间。

2.编码

Py3.X 源码文件默认使用 utf-8 编码

3. 语法

1）去除了<>，全部改用!=

2）去除``，全部改用 repr()

3）关键词加入 as 和 with，还有 True，False，None

4）整型除法返回浮点数，要得到整型结果，请使用//

5）加入 nonlocal 语句。使用 noclocal x 可以直接指派外围（非全局）变量

6）去除 print 语句，加入 print()函数实现相同的功能。同样的还有 exec 语句，已经改为exec()函数

7）改变了顺序操作符的行为，例如 x

8）输入函数改变了，删除了 raw_input，用 input 代替：

2.X:guess = int(raw_input('Enter an integer : ')) # 读取键盘输入的方法

3.X:guess = int(input('Enter an integer : '))

9）去除元组参数解包。不能 def(a, (b, c)):pass 这样定义函数了

10）新式的 8 进制字变量，相应地修改了 oct()函数。

11）增加了 2 进制字面量和 bin()函数

12）扩展的可迭代解包。在 Py3.X 里，a, b, *rest = seq 和 *rest, a = seq 都是合法的，只要求两点：rest 是 list，对象和 seq 是可迭代的。

13）新的 super()，可以不再给 super()传参数，

14）新的 metaclass 语法：

class Foo(*bases, **kwds):
pass

15）支持 class decorator。用法与函数 decorator 一样：

4. 字符串和字节串

1）现在字符串只有 str 一种类型，但它跟 2.x 版本的 unicode 几乎一样。

2）关于字节串，请参阅“数据类型”的第 2 条目

5.数据类型

1）Py3.X 去除了 long 类型，现在只有一种整型——int，但它的行为就像 2.X 版本的 long

2）新增了 bytes 类型，对应于 2.X 版本的八位串，定义一个 bytes 字面量的方法如下：

str 对象和 bytes 对象可以使用.encode() (str -> bytes) or .decode() (bytes ->str)方法相互转化。

3）dict 的.keys()、.items 和.values()方法返回迭代器，而之前的 iterkeys()等函数都被废弃。同时去掉的还有dict.has_key()，用 in 替代它吧

6.面向对象

1）引入抽象基类（Abstraact Base Classes，ABCs）。

2）容器类和迭代器类被 ABCs 化。

3）迭代器的 next()方法改名为__next__()，并增加内置函数 next()，用以调用迭代器的__next__()方法

4）增加了@abstractmethod 和 @abstractproperty 两个 decorator，编写抽象方法（属性）更加方便。

7.异常

1）所以异常都从 BaseException 继承，并删除了 StardardError

2）去除了异常类的序列行为和.message 属性

3）用 raise Exception(args)代替 raise Exception, args 语法

4）捕获异常的语法改变，引入了 as 关键字来标识异常实例

5）异常链，因为__context__在 3.0a1 版本中没有实现

8.模块变动

1）移除了cPickle模块，可以使用pickle模块代替。最终我们将会有一个透明高效的模块。

2）移除了 imageop 模块

3）移除了 audiodev, Bastion, bsddb185, exceptions, linuxaudiodev, md5, MimeWriter,mimify, popen2,rexec, sets, sha, stringold, strop, sunaudiodev, timing 和 xmllib 模块

4）移除了 bsddb 模块(单独发布，可以从 http://www.jcea.es/programacion/pybsddb.htm获取)

5）移除了 new 模块

6）os.tmpnam()和 os.tmpfile()函数被移动到 tmpfile 模块下

7）tokenize 模块现在使用 bytes 工作。主要的入口点不再是 generate_tokens，而是tokenize.tokenize()

9.其它

1）xrange() 改名为 range()，要想使用 range()获得一个 list，必须显式调用：

list(range(10)) [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

2）bytes 对象不能 hash，也不支持 b.lower()、b.strip()和 b.split()方法，但对于后两者可以使用 b.strip(b’ \n\t\r \f’)和 b.split(b’ ‘)来达到相同目的

3）zip()、map()和 filter()都返回迭代器。而 apply()、 callable()、coerce()、execfile()、reduce()和 reload ()函数都被去除了现在可以使用 hasattr()来替换callable(). hasattr()的语法如：hasattr(string, ‘name’)

4） string.letters 和 相 关 的 .lowercase 和 .uppercase 被去除 ， 请改用string.ascii_letters 等

5）如果 x < y 的不能比较，抛出 TypeError 异常。2.x 版本是返回伪随机布尔值的

6）__getslice__系列成员被废弃。a[i:j]根据上下文转换为 a.getitem(slice(I, j))或 __setitem__和 __delitem__调用

7）file 类被废弃

Python近段时间一直涨势迅猛，在各大编程排行榜中崭露头角，得益于它多功能性和简单易上手的特性，让它可以在很多不同的工作中发挥重大作用。

正因如此，目前几乎所有大中型互联网企业都在使用 Python 完成各种各样的工作，比如Web应用开发、自动化运维、人工智能领域、网路爬虫、科学计算、游戏开发等领域均已离不开Python。

特别是在和数据相关的领域，比如数据科学、数据分析、机器学习等领域的首选语言都是Python！

我们可以看到，随着数字经济发展按下“快进键”，擅长Python的大数据人才越来越受企业青睐，不仅招聘需求量大，就业薪资也非常高！

据《新职业——大数据工程技术人员就业景气现状分析报告》显示，预计2025年前大数据人才需求仍保持 30%-40% 的增速，行业人才需求量达到 250 万 。

此前，BOSS直聘研究院发布的《 2022 年春季就业市场趋势观察》指出，受到 2021 年政策调控的影响，互联网行业的高速扩张开始降温。

2022年春季，互联网行业的招聘规模虽然仍然保持增长，同比增速为 13% ，但处于 2019 年以来的低点，而求职激烈程度则高于往年。

整体上看，核心的技术和产品类岗位仍然保持着较为密集的人才需求，主要的互联网技术方向上人才需求均有增长，而运营和销售类岗位的求职者竞争则明显加剧。

《报告》也指出，从岗位招聘和投递的供求对比来看，互联网核心的技术/测试/运维仍保持着较为密集的人才需求，主要体现在企业对以人工智能、数字孪生为代表的高技术岗位的需求，此类岗位同比保有两位数的高增长，相关从业者仍有较大的择业空间与机会。而产品/运营/策划、销售/商务/售前、客服/审核/售后等岗位的求职竞争随着互联网“降本增效”进一步加剧。

猎聘发布的《2022未来人才就业趋势报告》也指出，大数据排名第四，年薪达到25万多，比2018年同期上涨4.87万。

大数据的处理技术迫在眉睫，近年来各国政府和全球学术界都掀起了一场大数据技术的革命，众人纷纷积极研究大数据的相关技术。很多国家都把大数据技术研究上升到了国家战略高度，提出了一系列的大数据技术研发计划，从而推动政府机构、学术界、相关行业和各类企业对大数据技术进行探索和研究。

可以说大数据是一种宝贵的战略资源，其潜在价值和增长速度正在改变着人类的工作、生活和思维方式。可以想象，在未来，各行各业都会积极拥抱大数据，积极探索数据挖掘和分析的新技术、新方法，从而更好地利用大数据。当然，大数据并不能主宰一切。大数据虽然能够发现“是什么”，却不能说明“为什么”;大数据提供的是些描述性的信息，而创新还是需要人类自己来实现。

根据《数据时代2025》白皮书预测：2025年，全球数据量将达到史无前例的163ZB 。

Kevin Kelly曾经这样预言：“大数据时代，没有人能够成为旁观者，数据将横扫一切。”。

随着大数据的不断普及，未来将会有更多的行业与之相结合，从而创造出更多的就业岗位，无论是比较火的金融、互联网等行业，还是像医疗、教育、城市规划等方面，都将需要大量的大数据人才。

薪资高、缺口大，自然成为职场人的“薪”选择！

任何学习过程都需要一个科学合理的学习路线，才能够有条不紊的完成我们的学习目标。Python+大数据所需学习的内容纷繁复杂，难度较大，为大家整理了一个全面的Python+大数据学习路线图，帮大家理清思路，攻破难关！

Python+大数据学习路线图详细介绍

第一阶段 大数据开发入门

学前导读：从传统关系型数据库入手，掌握数据迁移工具、BI数据可视化工具、SQL，对后续学习打下坚实基础。

1.大数据数据开发基础MySQL8.0从入门到精通

MySQL是整个IT基础课程，SQL贯穿整个IT人生，俗话说，SQL写的好，工作随便找。本课程从零到高阶全面讲解MySQL8.0，学习本课程之后可以具备基本开发所需的SQL水平。

2022最新MySQL知识精讲+mysql实战案例_零基础mysql数据库入门到高级全套教程

第二阶段 大数据核心基础

学前导读：学习Linux、Hadoop、Hive，掌握大数据基础技术。

2022版大数据Hadoop入门教程
Hadoop离线是大数据生态圈的核心与基石，是整个大数据开发的入门，是为后期的Spark、Flink打下坚实基础的课程。掌握课程三部分内容：Linux、Hadoop、Hive，就可以独立的基于数据仓库实现离线数据分析的可视化报表开发。

2022最新大数据Hadoop入门视频教程，最适合零基础自学的大数据Hadoop教程

第三阶段 千亿级数仓技术

学前导读：本阶段课程以真实项目为驱动，学习离线数仓技术。

数据离线数据仓库，企业级在线教育项目实战（Hive数仓项目完整流程）
本课程会、建立集团数据仓库，统一集团数据中心，把分散的业务数据集中存储和处理 ；目从需求调研、设计、版本控制、研发、测试到落地上线，涵盖了项目的完整工序 ；掘分析海量用户行为数据，定制多维数据集合，形成数据集市，供各个场景主题使用。

大数据项目实战教程_大数据企业级离线数据仓库，在线教育项目实战（Hive数仓项目完整流程）

第四阶段 PB内存计算

学前导读：Spark官方已经在自己首页中将Python作为第一语言，在3.2版本的更新中，高亮提示内置捆绑Pandas；课程完全顺应技术社区和招聘岗位需求的趋势，全网首家加入Python on Spark的内容。

1.python入门到精通（19天全）

python基础学习课程，从搭建环境。判断语句，再到基础的数据类型，之后对函数进行学习掌握，熟悉文件操作，初步构建面向对象的编程思想，最后以一个案例带领同学进入python的编程殿堂。

全套Python教程_Python基础入门视频教程，零基础小白自学Python必备教程

2.python编程进阶从零到搭建网站

学完本课程会掌握Python高级语法、多任务编程以及网络编程。

Python高级语法进阶教程_python多任务及网络编程，从零搭建网站全套教程

3.spark3.2从基础到精通

Spark是大数据体系的明星产品，是一款高性能的分布式内存迭代计算框架，可以处理海量规模的数据。本课程基于Python语言学习Spark3.2开发，课程的讲解注重理论联系实际，高效快捷，深入浅出，让初学者也能快速掌握。让有经验的工程师也能有所收获。

Spark全套视频教程，大数据spark3.2从基础到精通，全网首套基于Python语言的spark教程

4.大数据Hive+Spark离线数仓工业项目实战

通过大数据技术架构，解决工业物联网制造行业的数据存储和分析、可视化、个性化推荐问题。一站制造项目主要基于Hive数仓分层来存储各个业务指标数据，基于sparkSQL做数据分析。核心业务涉及运营商、呼叫中心、工单、油站、仓储物料。

全网首次披露大数据Spark离线数仓工业项目实战，Hive+Spark构建企业级大数据平台