建议1:理解 Pythonic 概念—-详见 Python 中的《Python之禅》 建议2:编写 Pythonic 代码 1.避免不规范代码,比如只用大小写区分变量、使用容易混淆的变量名、害怕过长变量名等。有时候长的变量名会使代码更加具有可读性。 2.深入学习 Python 相关知识,比如语言特性、库特性等,比如Python演变过程等。深入学习一两个业内公认的 Pythonic 的代码库,比如Flask等。 建议3:理解 Python 与 C 的不同之处,比如缩进与 {},单引号双引号,三元操作符?, Switch-Case 语句等。 建议4:在代码中适当添加注释 建议5:适当添加空行使代码布局更加合理 建议6:编写函数的 4 个原则 函数设计要尽量短小,嵌套层次不宜过深 函数声明应该做到合理、简单、易用 函数参数设计应该考虑向下兼容 一个函数只做一件事,尽量保证函数粒度的一致性 建议7:将常量集中在一个文件,且常量名尽量使用全大写字母 建议8:利用 assert 语句来发现问题,但要注意,断言 assert 会影响效率 建议9:数据交换值时不推荐使用临时变量,而是直接 a, b = b, a 建议10:充分利用惰性计算(Lazy evaluation)的特性,从而避免不必要的计算 建议11:理解枚举替代实现的缺陷(最新版 Python 中已经加入了枚举特性) 建议12:不推荐使用 type 来进行类型检查,因为有些时候 type 的结果并不一定可靠。如果有需求,建议使用 isinstance 函数来代替 建议13:尽量将变量转化为浮点类型后再做除法(Python3 以后不用考虑) 建议14:警惕eval()函数的安全漏洞,有点类似于 SQL 注入 建议15:使用 enumerate() 同时获取序列迭代的索引和值 建议16:分清 == 和 is 的适用场景,特别是在比较字符串等不可变类型变量时(详见评论) 建议17:尽量使用 Unicode。在 Python2 中编码是很让人头痛的一件事,但 Python3 就不用过多考虑了 建议18:构建合理的包层次来管理 Module 建议19:有节制的使用 from…import 语句,防止污染命名空间 建议20:优先使用 absolute import 来导入模块(Python3中已经移除了relative import) 建议21:i+=1 不等于 ++i,在 Python 中,++i 前边的加号仅表示正,不表示操作 建议22:习惯使用 with 自动关闭资源,特别是在文件读写中 建议23:使用 else 子句简化循环(异常处理) 建议24:遵循异常处理的几点基本原则 注意异常的粒度,try 块中尽量少写代码 谨慎使用单独的 except 语句或 except Exception 语句,而是定位到具体异常 注意异常捕获的顺序,在合适的层次处理异常 使用更加友好的异常信息,遵守异常参数的规范 建议25:避免 finally 中可能发生的陷阱 建议26:深入理解 None,正确判断对象是否为空。 建议27:连接字符串应优先使用 join 函数,而不是+操作 建议28:格式化字符串时尽量使用 format 函数,而不是 % 形式 建议29:区别对待可变对象和不可变对象,特别是作为函数参数时 建议30:[], {}和():一致的容器初始化形式。使用列表解析可以使代码更清晰,同时效率更高 建议31:函数传参数,既不是传值也不是传引用,而是传对象或者说对象的引用 建议32:警惕默认参数潜在的问题,特别是当默认参数为可变对象时 建议33:函数中慎用变长参数 args 和 kargs 这种使用太灵活,从而使得函数签名不够清晰,可读性较差 如果因为函数参数过多而是用变长参数简化函数定义,那么一般该函数可以重构 建议34:深入理解 str()和 repr() 的区别 两者之间的目标不同:str 主要面向客户,其目的是可读性,返回形式为用户友好性和可读性都比较高的字符串形式;而 repr 是面向 Python 解释器或者说Python开发人员,其目的是准确性,其返回值表示 Python 解释器内部的定义 在解释器中直接输入变量,默认调用repr函数,而print(var)默认调用str函数 repr函数的返回值一般可以用eval函数来还原对象 两者分别调用对象的内建函数 str ()和 repr () 建议35:分清静态方法 staticmethod 和类方法 classmethod 的使用场景 建议36:掌握字符串的基本用法 建议37:按需选择 sort() 和 sorted() 函数 sort() 是列表在就地进行排序,所以不能排序元组等不可变类型。 sorted() 可以排序任意的可迭代类型,同时不改变原变量本身。 建议38:使用copy模块深拷贝对象,区分浅拷贝(shallow copy)和深拷贝(deep copy) 建议39:使用 Counter 进行计数统计,Counter 是字典类的子类,在 collections 模块中 建议40:深入掌握 ConfigParse 建议41:使用 argparse 模块处理命令行参数 建议42:使用 pandas 处理大型 CSV 文件 Python 本身提供一个CSV文件处理模块,并提供reader、writer等函数。 Pandas 可提供分块、合并处理等,适用于数据量大的情况,且对二维数据操作更方便。 建议43:使用 ElementTree解析XML 建议44:理解模块 pickle 的优劣 优势:接口简单、各平台通用、支持的数据类型广泛、扩展性强 劣势:不保证数据操作的原子性、存在安全问题、不同语言之间不兼容 建议45:序列化的另一个选择 JSON 模块:load 和 dump 操作 建议46:使用 traceback 获取栈信息 建议47:使用 logging 记录日志信息 建议48:使用 threading 模块编写多线程程序 建议49:使用 Queue 模块使多线程编程更安全 建议50:利用模块实现单例模式 建议51:用 mixin 模式让程序更加灵活 建议52:用发布-订阅模式实现松耦合 建议53:用状态模式美化代码 建议54:理解 build-in 对象 建议55:__init__ ()不是构造方法,理解 new ()与它之间的区别 建议56:理解变量的查找机制,即作用域 局部作用域 全局作用域 嵌套作用域 内置作用域 建议57:为什么需要self参数 建议58:理解 MRO(方法解析顺序)与多继承 建议59:理解描述符机制 建议60:区别 getattr ()与 getattribute ()方法之间的区别 建议61:使用更安全的 property 建议62:掌握元类 metaclass 建议63:熟悉 Python 对象协议 建议64:利用操作符重载实现中缀语法 建议65:熟悉 Python 的迭代器协议 建议66:熟悉 Python 的生成器 建议67:基于生成器的协程和 greenlet,理解协程、多线程、多进程之间的区别 建议68:理解 GIL 的局限性 建议69:对象的管理和垃圾回收 建议70:从 PyPI 安装第三方包 建议71:使用 pip 和 yolk 安装、管理包 建议72:做 paster 创建包 建议73:理解单元测试的概念 建议74:为包编写单元测试 建议75:用测试驱动开发(TDD)提高代码的可测性 建议76:使用 Pylint 检查代码风格 代码风格审查 代码错误检查 发现重复以及不合理的代码,方便重构 高度的可配置化和可定制化 支持各种 IDE 和编辑器的集成 能够基于 Python 代码生成 UML 图 能够与 Jenkins 等持续集成工具相结合,支持自动代码审查 建议77:进行高效的代码审查 建议78:将包发布到 PyPI 建议79:了解代码优化的基本原则 建议80:借助性能优化工具 建议81:利用 cProfile 定位性能瓶颈 建议82:使用 memory_profiler 和 objgraph 剖析内存使用 建议83:努力降低算法复杂度 建议84:掌握循环优化的基本技巧 减少循环内部的计算 将显式循环改为隐式循环,当然这会牺牲代码的可读性 在循环中尽量引用局部变量 关注内层嵌套循环 建议85:使用生成器提高效率 建议86:使用不同的数据结构优化性能 建议87:充分利用 set 的优势 建议88:使用 multiprocessing 模块克服 GIL 缺陷 建议89:使用线程池提高效率 建议90:使用 Cythonb 编写扩展模块 END 来源:萝卜大杂烩、Python大数据分析;来源:萝卜大杂烩、Python大数据分析
编码原则
编程惯用法
编程惯用法2
库的使用
设计模式
内部机制
使用工具辅助项目开发
性能剖析与优化
正文
总结了90条简单实用的Python编程技巧
此篇文章发布距今已超过669天,您需要注意文章的内容或图片是否可用!
还没有评论,来说两句吧...