前言
當我們開始學習Python時，我們會養成一些不良編碼習慣，而更可怕的是我們連自己也不知道，
我們學習變成的程序中，大概有會這樣的經歷: 寫的代碼只能完成了一次作業，但后來再執行就會報錯或者失敗，令人感到懊惱，
或者偶然發現一個內置函式可以讓你的作業更輕松時，瞬間豁然開朗，
我們中的大多數人仍然有很多使用Python的壞習慣，這些習慣在我們學習python的前期就存在，今天你可以通過下面的章節來解
決它們，
1. 使用 import *
當我們為了省事，我們臨時加載包，使用:
1.from xyz import *
這不是一個好習慣，原因很多，僅舉幾個例子：
1.效率低下，如果該模塊有大量的物件，需要等待很長時間，直到所有的object都被匯入，
2.可能導致變數名之間的沖突，當你使用 *時，我們不知道匯入哪些物件以及它們的名字，
如何處理這個問題？匯入你打算使用的特定物件
1.# Using import * python學習交流Q群：906715085### 3.from math import * 5.print(floor(2.4)) 7.print(ceil(2.4)) 9.print(pi) 11.# Good 13.import math 15.from math import pi 17.print(math.floor(2.4)) 19.print(math.ceil(2.4)) 21.print(pi)
2. Try/Except：未在 "except "子句中指定例外情況
我已經忽略這個問題很長時間了～
在Pycharm中寫python時候，總是提示我錯誤，嗯，你懂的，就是那些丑陋的下劃線，我不應該使用 裸except，PEP 8指南中并
不推薦 裸except，
裸except的問題是它會捕捉SystemExit和KeyboardInterrupt例外，從而不能使用Control-C來中斷程式，
下次你使用try/except時，在 except子句中會報錯，
1.# Try - except 3.# 錯誤寫法 5.try: 7.driver.find_element(...) 9.except: 11.print("Which exception?") 13.# 提倡寫法 15.try: 17.driver.find_element(...) 19.except NoSuchElementException: 21.print("It's giving NoSuchElementException") 23.except ElementClickInterceptedException: 25.print("It's giving ElementClickInterceptedException")
3. 不使用Numpy進行數學計算
提倡我們主動使用已經成熟包，這樣寫可以使Python更簡潔、更有效率，
其中最應該用于數學計算的包是Numpy，Numpy可以幫助你比 for回圈更快地解決數學運算，
假設我們有一個 random_scores陣列，我們想得到沒有通過考試的人的平均分數（分數<60），讓我們嘗試用 for回圈來解決這個問題，
1.import numpy as np 3.random_scores = np.random.randint(1, 100, size=10000001) 5.# bad (solving problem with a for loop) 7.count_failed = 0 9.sum_failed = 0 11.for score in random_scores: 13. if score < 70: 15. sum_failed += score 17. count_failed += 1 19.print(sum_failed/count_failed)
現在讓我們用Numpy來解決這個問題，
1.# Good (solving problem using vector operations) 3.mean_failed = (random_scores[random_scores < 70]).mean() 5.print(mean_failed)
如果你同時運行兩者，你會發現Numpy更快，為什么呢？因為Numpy將我們的操作向量化了，
- 不關閉之前打開的檔案
大家都知道的好做法是，我們用Python打開的每個檔案都必須關閉，
這就是為什么我們每次處理檔案時都要使用 open, write/read, close，這很好，但是如果 write/read方法拋出一個例外，檔案就不會被關閉，
為了避免這個問題，我們必須使用 with陳述句，這樣，即使有例外，也會關閉該檔案，
1.# Bad 3.f = open('dataset.txt', 'w') 5.f.write('new_data') 7.f.close() 9.# Good 11.with open('dataset.txt', 'w') as f: 13.f.write('new_data')
5. 不遵循PEP8
PEP8是一份每個學習Python的人都應該閱讀的檔案，它提供了關于如何撰寫Python代碼的指南和最佳實踐(本文中的一些建議來
自PEP8)
對于那些剛接觸Python的人來說，這個準則可能會讓他們感到擔心，不過大可不必擔心，一些PEP8規則被納入IDE中（我就是這
樣知道 裸except規則的），
假設你在使用Pycharm，如果你寫的代碼沒有遵循PEP8的準則，你會看到下面圖片中那些難看的下劃線，
如果你把滑鼠懸停在下劃線上，你會看到關于如何修復它們的提示，
在我的例子中，我只需要在 ,和 :后面添加一個空格，
1.# Good 3.my_list = [1, 2, 3, 4, 5] 5.my_dict = {'key1': 'value1', 'key2': 'value2'} 7.my_name = "Frank"
我還把我的變數 x的名字改為 my_name，這不是Pycharm建議的，但PEP8建議使用容易理解的變數名，
6. 在處理字典時沒有正確使用.key和.values方法
我想大多數人都知道在使用字典時， .keys和 .values方法的作用，
如果你不知道的話，讓我們來看看，
1.dict_countries = {'USA': 329.5, 'UK': 67.2, 'Canada':
2.>>>dict_countries.keys()
3.dict_keys(['USA', 'UK', 'Canada'])
4.>>>dict_countries.values()
5.dict_values([329.5, 67.2, 38])
這里的問題，我們沒有理解并正確使用它們，
假設我們想回圈瀏覽 dictionary 并獲得 keys，你可能會使用 .keys 方法，但是你知道你可以通過在字典中回圈獲得鍵嗎？在這種
情況下，使用 .keys 將是不必要的，
1.# Not using .keys() properly 3.# Bad 5.for key in dict_countries.keys(): 7. print(key) 9.# Good 11.for key in dict_countries: 13. print(key)
另外，我們可能會想出一些變通的辦法來獲得字典的值，但這可以用 .items()方法輕松獲得，
1.# Not using .items() 3.# Bad 5.for key in dict_countries: 7. print(dict_countries[key]) 9.# Good 11.for key, value in dict_countries.items(): 13. print(key) 15. print(value)
7. 從不使用comprehensions(
當你想在一個已經定義好的序列的基礎上創建一個新的序列(串列、字典等)時，comprehension提供了一個更短的語法，
比如說我們想把我們的 countries串列中的所有元素都小寫，
雖然你可以用一個 for回圈來做這件事，但你可以用一個串列理解來簡化事情，
理解是非常有用的，但是不要過度使用它們! 記住 Python 的禪宗，“簡單比復雜好”，
1.# Bad 3.countries = ['USA', 'UK', 'Canada'] 5.lower_case = [] 7.for country in countries: 9. lower_case.append(country.lower()) 11.# Good (but don't overuse it!) 13.lower_case = [country.lower() for country in countries]
8. 使用range(len())
我們作為初學者最先學習的函式之一是 range和 len，所以難怪大多數人在回圈瀏覽串列時都有寫 range(len())的壞習慣，
假設我們有一個 countries, populations串列，如果我們想同時遍歷兩個串列，你可能會使用 range(len())，
1.# Using range(len()) 3.countries = ['USA', 'UK', 'Canada'] 5.populations = [329.5, 67.2, 38] 7.# Bad 9.for i in range(len(countries)): 11. country = countries[i] 13. population = populations[i] 15. print(f'{country} has a population of {population} million people')
雖然這可以完成作業, 但你可以使用 enumerate來簡化事情 (或者更好的是, 使用 zip函式來配對兩個串列中的元素)
1.# OK 3.for i, country in enumerate(countries): 5. population = populations[i] 7. print(f'{country} has a population of {population} million people') 9.# Much Better 11.for country, population in zip(countries, populations): 13. print(f'{country} has a population of {population} million people')
- 使用+運算子進行格式化
我們在Python中最先學會的東西之一可能是如何用 +運算子連接字串，
這是在 Python 中連接字串的一種有用但低效的方法，此外，它也不是那么好看–你需要連接的字串越多，你使用的+就越多，
你可以使用 f-string來代替這個運算子，
1.# Formatting with + operator 3.# Bad 5.name = input("Introduce Name: ") 7.print("Good Morning, " + name + "!") 9.# Good 11.name = input("Introduce Name: ") 13.print(f'Good Morning, {name}')
string最大的特點是，它不僅對連接有用，而且有不同的應用，
10. 使用默認的可變值
如果你把一個可變的值（如list）作為一個函式的默認引數，你會看到一些意想不到的結果，
1.# Bad 2.def my_function(i, my_list=[]): 3. my_list.append(i) 4. return my_list 5.>>> my_function(1) 6.[1] 7.>>> my_function(2) 8.[1, 2] 9.>>> my_function(3) 10.[1, 2, 3]
在上面的代碼中，每次我們呼叫 my_function函式時，串列my_list都會不斷保存之前呼叫的值（很可能我們想在每次呼叫函式時
啟動一個空串列）
為了避免這種行為，我們應該將這個 my_list引數設定為None，并加入下面的if子句，
1.# Good 2.def my_function(i, my_list=None): 3. if my_list is None: 4. my_list = [] 5. my_list.append(i) 6. return my_list 7.>>> my_function(1) 8.[1] 9.>>> my_function(2) 10.[2] 11.>>> my_function(3) 12.[3]
最后
今天的這篇文章到這里就結束了，喜歡的記得點贊收藏，更多的問題可以評論留言，看就就會回復的喲！！！
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/494171.html
標籤：Python