Python开发的十个Tips，你知道几个？
下面是十个Python中很有用的贴士和技巧。其中一些是初学这门语言常常会犯的错误。 注意：假设我们都用的是Python 3 1. 列表推导式 你有一个list：bag = [1, 2, 3, 4, 5] 现在你想让所有元素翻倍，让它看起来是这个样子：[2, 4, 6, 8, 10] 大多初学者，根据之前语言的经验会大概这样来做 bag = [ 1 , 2 , 3 , 4 , 5 ] for i in range(len(bag)): bag[i] = bag[i] * 2 但是有更好的方法： bag = [elem * 2 for elem in bag] 很简洁对不对？这叫做Python的列表推导式。 2. 遍历列表 还是上面的列表。如果可能尽量避免这样做： bag = [ 1 , 2 , 3 , 4 , 5 ] for i in range(len(bag)): print(bag[i]) 取而代之的应该是这样： bag = [ 1 , 2 , 3 , 4 , 5 ] for i in bag: print(i) 如果x是一个列表，你可以对它的元素进行迭代。多数情况下你不需要各元素的索引，但如果你非要这样做，那就用enumerate函数。它像下边的样子： bag = [ 1 , 2 , 3 , 4 , 5 ] for index, element in enumerate(bag): print(index, element) 非常直观明了。 3. 元素互换 如果你是从java或者C语言转到Python来，可能会习惯于这样： a = 5 b = 10 # 交换 a 和 b tmp = a a = b b = tmp 但Python提供了一个更自然更好的方法！ a = 5 b = 10 # 交换a 和 b a, b = b, a 4. 初始化列表 假如你要一个是10个整数0的列表，你可能首先想到： bag = [] for _ in range( 10 ): bag.append( 0 ) 换个方式吧： bag = [0] * 10 看，多优雅。 注意：如果你列表包含了列表，这样做会产生浅拷贝。 举个例子： bag_of_bags = [[ 0 ]] * 5 # [[0], [0], [0], [0], [0]] bag_of_bags[ 0 ][ 0 ] = 1 # [[1], [1], [1], [1], [1]] Oops！所有的列表都改变了，而我们只是想要改变第一个列表。 改一改啦： bag_of_bags = [[ 0 ] for _ in range( 5 )] # [[0], [0], [0], [0], [0]] bag_of_bags[ 0 ][ 0 ] = 1 # [[1], [0], [0], [0], [0]] “过早优化是万恶之源” 问问自己，初始化一个列表是必须的吗？ 5. 构造字符串 你会经常需要打印字符串。要是有很多变量，避免下面这样： name = "Raymond" age = 22 born_in = "Oakland, CA" string = "Hello my name is " + name + "and I'm " + str(age) + " years old. I was born in " + born_in + "." print(string) 额，这看起来多乱呀？你可以用个漂亮简洁的方法来代替，.format。 这样做： name = "Raymond" age = 22 born_in = "Oakland, CA" string = "Hello my name is {0} and I'm {1} years old. I was born in {2}." .format(name, age, born_in) print(string) 6. 返回tuples（元组） Python允许你在一个函数中返回多个元素，这让生活更简单。但是在解包元组的时候出出线这样的常见错误： def binary(): return 0 , 1 result = binary() zero = result[ 0 ] one = result[ 1 ] 这是没必要的，你完全可以换成这样： def binary(): return 0 , 1 zero, one = binary() 要是你需要所有的元素被返回，用个下划线_： zero, _ = binary() 就是这么高效率！ 7. 访问Dicts（字典） 你也会经常给dicts中写入key，value（键，值）。 如果你试图访问一个不存在的于dict的key，可能会为了避免KeyError错误，你会倾向于这样做： countr = {} bag = [ 2 , 3 , 1 , 2 , 5 , 6 , 7 , 9 , 2 , 7 ] for i in bag: if i in countr: countr[i] += 1 else : countr[i] = 1 for i in range( 10 ): if i in countr: print( "Count of {}: {}" .format(i, countr[i])) else : print( "Count of {}: {}" .format(i, 0 )) 但是，用get()是个更好的办法。 countr = {} bag = [ 2 , 3 , 1 , 2 , 5 , 6 , 7 , 9 , 2 , 7 ] for i in bag: countr[i] = countr.get(i, 0 ) + 1 for i in range( 10 ): print( "Count of {}: {}" .format(i, countr.get(i, 0 ))) 当然你也可以用setdefault来代替。 这还用一个更简单却多费点开销的办法： bag = [ 2 , 3 , 1 , 2 , 5 , 6 , 7 , 9 , 2 , 7 ] countr = dict([(num, bag.count(num)) for num in bag]) for i in range( 10 ): print( "Count of {}: {}" .format(i, countr.get(i, 0 ))) 你也可以用dict推导式。 countr = {num: bag.count(num) for num in bag} 这两种方法开销大是因为它们在每次count被调用时都会对列表遍历。 8 使用库 现有的库只需导入你就可以做你真正想做的了。 还是说前面的例子，我们建一个函数来数一个数字在列表中出现的次数。那么，已经有一个库就可以做这样的事情。 from collections import Counter bag = [ 2 , 3 , 1 , 2 , 5 , 6 , 7 , 9 , 2 , 7 ] countr = Counter(bag) for i in range( 10 ): print( "Count of {}: {}" .format(i, countr[i])) 一些用库的理由： ●代码是正确而且经过测试的。 ●它们的算法可能会是最优的，这样就跑的更快。 ●抽象化：它们指向明确而且文档友好，你可以专注于那些还没有被实现的。 ●最后，它都已经在那儿了，你不用再造轮子了。 9. 在列表中切片/步进 你可以指定start的点和stop点，就像这样list[start:stop:step]。我们取出列表中的前5个元素： bag = [ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] for elem in bag[: 5 ]: print(elem) 这就是切片，我们指定stop点是5，再停止前就会从列表中取出5个元素。 要是最后5个元素怎么做？ bag = [ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] for elem in bag[- 5 :]: print(elem) 没看明白吗？-5意味着从列表的结尾取出5个元素。 如果你想对列表中元素间隔操作，你可能会这样做： bag = [ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] for index, elem in enumerate(bag): if index % 2 == 0 : print(elem) 但是你应该这样来做： bag = [ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] for elem in bag[:: 2 ]: print(elem) # 或者用 ranges bag = list(range( 0 , 10 , 2 )) print(bag) 这就是列表中的步进。list[::2]意思是遍历列表同时两步取出一个元素。 你可以用list[::-1]很酷的翻转列表。 10. tab键还是空格键 长时间来看，将tab和空格混在一起会带来很多不必要的麻烦，你会看到IndentationError: unexpected indent。不管你选择tab键还是空格键，你应该在你的文件和项目中一直保持使用。 一个使用空格而不是tab的原因是，tab不是在所有编辑器中都一样的。视呢所用的编辑器，tab可能会被当作2到8个空格。 你也可以在写代码时用空格来定义tab。这样你可以自己选择用几个空格来当做tab。大多数Python用户是用4个空格。 原文发布时间为：2018-10-8 本文来自云栖社区合作伙伴“机器学习算法与Python学习”，了解相关信息可以关注“机器学习算法与Python学习”。
