總結了90條簡單實用的Python程式設計技巧

編碼原則

建議2:編寫 Pythonic 程式碼

(1)避免不規範程式碼,比如只用大小寫區分變數、使用容易混淆的變數名、害怕過長變數名等。有時候長的變數名會使程式碼更加具有可讀性。

(2)深入學習 Python 相關知識,比如語言特性、庫特性等,比如Python演變過程等。深入學習一兩個業內公認的 Pythonic 的程式碼庫,比如Flask等。

建議3:理解 Python 與 C 的不同之處,比如縮排與 {},單引號雙引號,三元運算子?, Switch-Case 語句等。

建議4:在程式碼中適當添加註釋

建議5:適當新增空行使程式碼佈局更加合理

建議6:編寫函式的 4 個原則

(1)函式設計要儘量短小,巢狀層次不宜過深

(2)函式宣告應該做到合理、簡單、易用

(3)函式引數設計應該考慮向下相容

(4)一個函式只做一件事,儘量保證函式粒度的一致性

建議7:將常量集中在一個檔案,且常量名儘量使用全大寫字母

程式設計慣用法

建議9:資料交換值時不推薦使用臨時變數,而是直接 a, b = b, a

建議10:充分利用惰性計算(Lazy evaluation)的特性,從而避免不必要的計算

建議11:理解列舉替代實現的缺陷(最新版 Python 中已經加入了列舉特性)

建議12:不推薦使用 type 來進行型別檢查,因為有些時候 type 的結果並不一定可靠。如果有需求,建議使用 isinstance 函式來代替

建議13:儘量將變數轉化為浮點型別後再做除法(Python3 以後不用考慮)

建議14:警惕eval()函式的安全漏洞,有點類似於 SQL 注入

建議15:使用 enumerate() 同時獲取序列迭代的索引和值

建議16:分清 == 和 is 的適用場景,特別是在比較字串等不可變型別變數時(詳見評論)

建議17:儘量使用 Unicode。在 Python2 中編碼是很讓人頭痛的一件事,但 Python3 就不用過多考慮了

建議18:構建合理的包層次來管理 Module

程式設計慣用法2

建議20:優先使用 absolute import 來匯入模組(Python3中已經移除了relative import)

建議21:i+=1 不等於 ++i,在 Python 中,++i 前邊的加號僅表示正,不表示操作

建議22:習慣使用 with 自動關閉資源,特別是在檔案讀寫中

建議23:使用 else 子句簡化迴圈(異常處理)

建議24:遵循異常處理的幾點基本原則 (1)注意異常的粒度,try 塊中儘量少寫程式碼

(2)謹慎使用單獨的 except 語句,或 except Exception 語句,而是定位到具體異常

(3)注意異常捕獲的順序,在合適的層次處理異常

(4)使用更加友好的異常資訊,遵守異常引數的規範

建議25:避免 finally 中可能發生的陷阱

建議26:深入理解 None,正確判斷物件是否為空。

建議27:連線字串應優先使用 join 函式,而不是+操作

建議28:格式化字串時儘量使用 format 函式,而不是 % 形式

建議29:區別對待可變物件和不可變物件,特別是作為函式引數時

建議30:[], {}和():一致的容器初始化形式。使用列表解析可以使程式碼更清晰,同時效率更高

建議31:函式傳引數,既不是傳值也不是傳引用,而是傳物件或者說物件的引用

建議32:警惕預設引數潛在的問題,特別是當預設引數為可變物件時

建議33:函式中慎用變長引數 args 和 kargs

(1)這種使用太靈活,從而使得函式簽名不夠清晰,可讀性較差

(2)如果因為函式引數過多而是用變長引數簡化函式定義,那麼一般該函式可以重構

建議34:深入理解 str()和 repr() 的區別

(1)兩者之間的目標不同:str 主要面向客戶,其目的是可讀性,返回形式為使用者友好性和可讀性都比較高的字串形式;而 repr 是面向 Python 直譯器或者說Python開發人員,其目的是準確性,其返回值表示 Python 直譯器內部的定義

(2)在直譯器中直接輸入變數,預設呼叫repr函式,而print(var)預設呼叫str函式

(3)repr函式的返回值一般可以用eval函式來還原物件

(4)兩者分別呼叫物件的內建函式 str ()和 repr ()

建議35:分清靜態方法 staticmethod 和類方法 classmethod 的使用場景

庫的使用

建議37:按需選擇 sort() 和 sorted() 函式

sort() 是列表在就地進行排序,所以不能排序元組等不可變型別。

sorted() 可以排序任意的可迭代型別,同時不改變原變數本身。

建議38:使用copy模組深複製物件,區分淺複製(shallow copy)和深複製(deep copy)

建議39:使用 Counter 進行計數統計,Counter 是字典類的子類,在 collections 模組中

建議40:深入掌握 ConfigParse

建議41:使用 argparse 模組處理命令列引數

建議42:使用 pandas 處理大型 CSV 檔案

Python 本身提供一個CSV檔案處理模組,並提供reader、writer等函式。

Pandas 可提供分塊、合併處理等,適用於資料量大的情況,且對二維資料操作更方便。

建議43:使用 ElementTree解析XML

建議44:理解模組 pickle 的優劣

優勢:介面簡單、各平臺通用、支援的資料型別廣泛、擴充套件性強

劣勢:不保證資料操作的原子性、存在安全問題、不同語言之間不相容

建議45:序列化的另一個選擇 JSON 模組:load 和 dump 操作

建議46:使用 traceback 獲取棧資訊

建議47:使用 logging 記錄日誌資訊

建議48:使用 threading 模組編寫多執行緒程式

建議49:使用 Queue 模組使多執行緒程式設計更安全

設計模式

建議51:用 mixin 模式讓程式更加靈活

建議52:用釋出-訂閱模式實現松耦合

建議53:用狀態模式美化程式碼

內部機制

建議55:__init__ ()不是構造方法,理解 new ()與它之間的區別

建議56:理解變數的查詢機制,即作用域

區域性作用域

全域性作用域

巢狀作用域

內建作用域

建議57:為什麼需要self引數

建議58:理解 MRO(方法解析順序)與多繼承

建議59:理解描述符機制

建議60:區別 getattr ()與 getattribute ()方法之間的區別

建議61:使用更安全的 property

建議62:掌握元類 metaclass

建議63:熟悉 Python 物件協議

建議64:利用運算子過載實現中綴語法

建議65:熟悉 Python 的迭代器協議

建議66:熟悉 Python 的生成器

建議67:基於生成器的協程和 greenlet,理解協程、多執行緒、多程序之間的區別

建議68:理解 GIL 的侷限性

建議69:物件的管理和垃圾回收

使用工具輔助專案開發

建議71:使用 pip 和 yolk 安裝、管理包

建議72:做 paster 建立包

建議73:理解單元測試的概念

建議74:為包編寫單元測試

建議75:用測試驅動開發(TDD)提高程式碼的可測性

建議76:使用 Pylint 檢查程式碼風格

程式碼風格審查

程式碼錯誤檢查

發現重複以及不合理的程式碼,方便重構

高度的可配置化和可定製化

支援各種 IDE 和編輯器的整合

能夠基於 Python 程式碼生成 UML 圖

能夠與 Jenkins 等持續整合工具相結合,支援自動程式碼審查

建議77:進行高效的程式碼審查

建議78:將包釋出到 PyPI

效能剖析與最佳化

建議80:藉助效能最佳化工具

建議81:利用 cProfile 定位效能瓶頸

建議82:使用 memory_profiler 和 objgraph 剖析記憶體使用

建議83:努力降低演算法複雜度

建議84:掌握迴圈最佳化的基本技巧

減少迴圈內部的計算

將顯式迴圈改為隱式迴圈,當然這會犧牲程式碼的可讀性

在迴圈中儘量引用區域性變數

關注內層巢狀迴圈

建議85:使用生成器提高效率

建議86:使用不同的資料結構最佳化效能

建議87:充分利用 set 的優勢

建議88:使用 multiprocessing 模組克服 GIL 缺陷

建議89:使用執行緒池提高效率

建議90:使用 Cythonb 編寫擴充套件模組

文章來源於:蘿蔔大雜燴

文章連結:https://mp.weixin.qq.com/s/fi58ADHIVQyDBnNrWtnzBg

立即試用FineBI免費版:

https://intl.finebi.com/zh-tw/trial?utm_source=Medium_Banner

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。各位也可以關注我的Facebook,按讚我的臉書並私訊「10」,送你十週入門數據分析電子書唷!期待你與我互動起來~

文章推薦

MySQL必須掌握4種語言!

太實用了!4種方法教你輕鬆製作互動式儀表板!

跟資料打交道的人都得會的這8種資料模型,滿足工作中95%的需求

妙呀!一行Python程式碼

--

--

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
數據分析那些事

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/