我們都喜歡 Python，因為它讓編程和理解變的更為簡單，但是一不小心，我們就會忽略規則，以非 Pythonic 方式撰寫一堆垃圾代碼，從而浪費 Python 這個出色的語言賦予我們的優雅，Python 的代碼風格是非常優雅、明確和簡單，在 Python 解釋器中執行 import this 你可以看到 Tim Peters 撰寫的 Python 之禪：
>>> import this
The Zen of Python, by Tim Peters
Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
Special cases aren't special enough to break the rules.
Although practicality beats purity.
Errors should never pass silently.
Unless explicitly silenced.
In the face of ambiguity, refuse the temptation to guess.
There should be one-- and preferably only one --obvious way to do it.
Although that way may not be obvious at first unless you're Dutch.
Now is better than never.
Although never is often better than *right* now.
If the implementation is hard to explain, it's a bad idea.
If the implementation is easy to explain, it may be a good idea.
Namespaces are one honking great idea -- let's do more of those!
這里我找了目前最好的中文版本：
美 優于 丑
明確 優于 隱晦
簡單 優于 復雜
復雜 也好過 繁復
扁平 優于 嵌套
稀疏 優于 擁擠
可讀性很重要
固然代碼實用與否 比潔癖更重要，
我們以為的特例也往往沒有特殊到必須打破上述規則的程度
除非刻意地靜默，否則不要無故忽視例外
如果遇到模棱兩可的邏輯，請不要自作聰明地瞎猜，
應該提供一種，且最好只提供一種，一目了然的解決方案
當然這是沒法一蹴而就的，除非你是荷蘭人[1]
固然，立刻著手 好過 永遠不做，
然而，永遠不做 也好過 不審慎思考一擼袖子就莽著干
如果你的實作很難解釋，它就一定不是個好主意
即使你的實作簡單到爆，它也有可能是個好辦法
命名空間大法好，不搞不是地球人！
[1]：本文作者 Tim peters 解釋說這里的荷蘭人指的是 Python 的作者 Guido van Rossum.
以下是用 Python 撰寫更好的代碼的 8 種方法：
一、忘掉類 C 語言風格
如果需要列印串列中的所有元素及其索引，你想到的第一件事是：
for i in range(len(arr)):
print(i, arr[i])
那么你仍然在撰寫 C 代碼，擺脫這一點，請牢記 Python 關鍵字 enumerate ，它索引串列/字串中的所有元素，并且支持設定索引的起始編號：
>>> for index, item in enumerate(['a','b','c']):
... print(index, item)
...
0 a
1 b
2 c
>>> for index, item in enumerate(['a','b','c'],1): #這里第二個引數可以設定起始編號
... print(index,item)
...
1 a
2 b
3 c
現在看起來更好了，而且更加 Pythonic，將串列轉換成字串呢？如果你這樣寫：
# The C way
string = ''
for i in arr:
string += i
就是 C 風格，如果使用 Python 的關鍵字 join，不僅效率更高，而且更優雅：
# The Python way
string = ''.join(arr)
就像 join 一樣 ，Python 有很多神奇的關鍵字，因此請不要為語言作業，而是使用該語言為你作業，
二、牢記 PEP8
我不是要求你完全遵循 PEP8，而是要求遵循其中的大多數規則，何況現在有很多自動格式化的工具，足以讓你的代碼更加美觀，我們的 Python 之父也說過：閱讀代碼的頻率遠遠高于寫代碼的頻率，他是如此的正確！因此代碼的可讀性非常重要，
你是否對自己曾經寫過的代碼感到好奇？為什么這么寫，這句話為什么在這？好吧，PEP8 是大多數這類問題的答案，盡管代碼注釋是個好方法，但是代碼的風格也需要加以調整，比如變數 i ， j ， count 等即使第一次出現時寫了注釋，也不能保證后面你仍然記得住，這樣來看就浪費了寶貴的時間，
任何普通的程式員都可以撰寫計算機可以理解的代碼，只有好的程式員可以撰寫人類可以理解的代碼，
首選 CamelCase 作為類， UPPER_WITH_UNDERSCORES 作為常量，而 lower_with_underscores 作為變數，方法和模塊名稱，即使使用，也要避免使用單一名稱功能 lambda ，
三、善用推導式
常用的推導式有：串列推導式，集合推導式，字典推導式，先說下串列推導式，
串列推導式就是當我們需要基于一個已有的串列創建新的串列時，所使用的語法格式，串列推導式包含以下四個部分：
1、一個輸入序列(Input Sequence) 2、一個變數，代表著輸入序列的一個成員(Variable) 3、一個可選的判定運算式，表達這個變數滿足的條件(Optional Predicate ) 4、一個輸出序列，根據 2 和 3 生成一個輸出序列(Output Expression)
比如有個串列既有數字，又有字符，現在需要計算數字的平方，并將結果放在新的串列中，如果不用串列推導式，寫出的代碼就是這樣的：
# bad code
a_list = [1, ‘4’, 9, ‘a’, 0, 4]
squared_ints = []
for item in a_list:
if type(item) == types.IntType:
squared_ints.append(item**2)
如果使用串列推導式，只需要兩行代碼，非常的優雅：
a_list = [1, ‘4’, 9, ‘a’, 0, 4]
squared_ints = [ e**2 for e in a_list if type(e) == types.IntType ]
當然，如果你喜歡 map 和 filter，你還可以這樣做，當時這是不推薦的，因為可讀性不好：
map(lambda e: e**2, filter(lambda e: type(e) == types.IntType, a_list))
比如集合推導式的使用：
給定輸入
names = [ 'Bob', 'JOHN', 'alice', 'bob', 'ALICE', 'J', 'Bob' ]
希望得到：
{ 'Bob', 'John', 'Alice' }
那么集合推導式就是：
{ name[0].upper() + name[1:].lower() for name in names if len(name) > 1 }
再比如字典推導式：
mcase = {'a':10, 'b': 34, 'A': 7, 'Z':3}
mcase_frequency = { k.lower() : mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase.keys() }
# mcase_frequency == {'a': 17, 'z': 3, 'b': 34}
從上面可以看出，推導式風格的代碼是優雅的，人類易讀的，
四、你還在顯式的關閉檔案嗎？
如果你在寫代碼時仍然在顯式的關閉檔案，就像上圖中的 programmer，你在為編程語言作業，如果你學會了使用 with 背景關系管理器，那么你就是一個 Python programmer，讓編程語言為你作業：
with open('filename.txt', 'w') as filename:
filename.write('Hello')
當程式退出 with 塊時，檔案會自動關閉，with 陳述句的語法格式：
with VAR as EXPR:
BLOCK
相當于：
mgr = (EXPR)
exit = type(mgr).__exit__ # Not calling it yet
value = type(mgr).__enter__(mgr)
exc = True
try:
try:
VAR = value # Only if "as VAR" is present
BLOCK
except:
# The exceptional case is handled here
exc = False
if not exit(mgr, *sys.exc_info()):
raise
# The exception is swallowed if exit() returns true
finally:
# The normal and non-local-goto cases are handled here
if exc:
exit(mgr, None, None, None)
有很多網路連接、資料庫連接庫都會提供 with 功能，甚至熟悉了 with 的實作機制后，可以自行實作 with 功能:
class File(object):
def __init__(self, file_name, method):
self.file_obj = open(file_name, method)
def __enter__(self):
return self.file_obj
def __exit__(self, type, value, traceback):
self.file_obj.close()
只要定義了 __enter__,__exit__方法，就可以使用 with 陳述句：
with File('demo.txt', 'w') as opened_file:
opened_file.write('Hola!')
五、使用迭代器和生成器
迭代器：iterator 生成器：generator
迭代器和生成器都是 Python 中功能強大的工具，值得精通，迭代器是一個更籠統的概念：任何一個物件只要它所屬的類具有__next__方法（Python 2是next）和具有回傳 self 的__iter__方法都是迭代器，
每個生成器都是一個迭代器，但反之不然，生成器是通過呼叫具有一個或多個 yield 運算式的函式而構建的，并且該函式是滿足上一段對iterator 的定義的物件，
使用區別：
網路上很多技術博主都說生成器是懶人版的迭代器，比迭代器更節省記憶體，其實是錯誤的，他們都很節省記憶體（我會舉例子），
他們真正的區別是：當你需要一個具有某些復雜的狀態維護行為的類，或者想要公開除__next__（和__iter__和__init__）之外的其他方法時，你就需要自定義迭代器，而不是生成器，
通常，一個生成器（有時，對于足夠簡單的需求，一個生成器運算式）就足夠了，并且它更容易撰寫代碼，
比如說計算正整數 a 到 b （b 遠遠大于 a）直接的平方，生成器的話就是：
def squares(start, stop):
for i in range(start, stop):
yield i * i
generator = squares(a, b)
或者：
generator = (i*i for i in range(a, b))
如果是迭代器，則是這樣：
class Squares(object):
def __init__(self, start, stop):
self.start = start
self.stop = stop
def __iter__(self): return self
def __next__(self): # next in Python 2
if self.start >= self.stop:
raise StopIteration
current = self.start * self.start
self.start += 1
return current
iterator = Squares(a, b)
可以看出，迭代器寫起來稍麻煩，當也更為靈活，比如你想提供一個 current 方法時，可以直接添加到 Squares 類中：
def current(self):
return self.start
從上述可以看出，迭代器并沒有保存 a 到 b 之間的所有值，所有并不消耗過多的記憶體，這一點也可以自行測驗，代碼如下：
>>> from collections.abc import Iterator
>>> from sys import getsizeof
>>> a = [i for i in range(1001)]
>>> print(type(a))
<class 'list'>
>>> print(getsizeof(a))
9016
>>>
>>> b = iter(a)
>>> print(type(b))
<class 'list_iterator'>
>>> print(isinstance(b,Iterator))
True
>>> print(getsizeof(b))
48
>>> c = (i for i in range(1001))
>>> print(getsizeof(b))
48
>>> type(c)
<class 'generator'>
>>> type(b)
<class 'list_iterator'>
可以看出 b 是 iterator，c 是 generator，它們占用的記憶體大小是一樣的，
六、善用 itertools
itertools 模塊標準化了一個快速、高效利用記憶體的核心工具集，這些工具本身或組合都很有用，它們一起形成了“迭代器代數”，這使得在純 Python 中有可以創建簡潔又高效的專用工具，比如，如果你想要字串中所有字符的組合或串列中數字的所有組合，則只需撰寫
from itertools import combinations
names = 'ABC'
for combination in combinations(names, 2):
print(combination)
''' Output -
('A', 'B')
('A', 'C')
('B', 'C')
'''
這是一個值得經常使用的標準庫，更多詳細功能請參考官方檔案:https://docs.python.org/zh-cn/3/library/itertools.html[1]
七、善用 collections
這又是一個值得使用的標準庫 collections，它提供替代內置的資料型別的多個容器，如 defaultdict、OrderedDict、namedtuple、Counter、deque 等，非常使用，而且比自己實作要安全穩定的多，比如：
# frequency of all characters in a string in sorted order
from collections import (OrderedDict, Counter)
string = 'abcbcaaba'
freq = Counter(string)
freq_sorted = OrderedDict(freq.most_common())
for key, val in freq_sorted.items():
print(key, val)
''' Output -
('a', 4)
('b', 3)
('c', 2)
'''
不多說了，看官方檔案：https://docs.python.org/3/library/collections.html[2]
八、不要過度使用類
不要過度使用類，堅持用 Java 和 C ++ 的程式員會經常使用類，但是在使用 Python 時，可以在函式和模塊的幫助下復用代碼，除非絕對需要，否則不必創建類，
本文講述類 8 個讓你寫出更好 Python 代碼的方法，希望對你有所幫助，
推薦閱讀：
10個技巧讓你的代碼更優雅
6 個值得玩味的 Python 代碼
參考資料
[1]
https://docs.python.org/zh-cn/3/library/itertools.html: https://docs.python.org/zh-cn/3/library/itertools.html
[2]https://docs.python.org/3/library/collections.html: https://docs.python.org/3/library/collections.html
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/217719.html
標籤：區塊鏈
上一篇：python與seo，百度搜索關鍵詞競爭度大小抓取異步爬蟲demo
下一篇：線性判別函式（Python實作批感知器演算法、Ho Kashyap演算法和MSE多類擴展方法）——模式識別編程作業