91个建议系列之6-编程惯用法

6、编程惯用法

注意：本篇属于本书第二章，由于有些部分由于python的更新已经用处不大，所以此处不再列出

1、数据交换值的时候不推荐使用中间变量-建议9

这个问题其实很简单，最为pythonic的方式是使用元组unpacking

x,y = y,x

但是它与我们使用一个中间变量交换有啥差别吗？

temp = x
x = y
y = temp

我们可以采用timeit对两者的运行效率进行对比，

• timeit 模块定义了接受两个参数的 Timer 类。 第一个参数是要计时的语句或者函数，第二个参数是为第一个参数语句构建环境的导入语句。 从内部讲， timeit 构建起一个独立的虚拟环境， 手工地执行建立语句，然后手工地编译和执行被计时语句。

• 一旦有了 Timer 对象，最简单的事就是调用 timeit()，它接受一个参数为每个测试中调用被计时语句的次数，默认为一百万次；返回所耗费的秒数。

• Timer 对象的另一个主要方法是 repeat()， 它接受两个可选参数。 第一个参数是重复整个测试的次数，第二个参数是每个测试中调用被计时语句的次数。 两个参数都是可选的，它们的默认值分别是 3 和1000000。 也就是重复做三次，每次语句执行1000000次。repeat() 方法返回以秒记录的每个测试循环的耗时列表。

  from timeit import Timer
  print(Timer('temp = x;x = y;y = temp', 'x=2;y =3').timeit())
  print(Timer('x,y = y,x', 'x=2;y=3').timeit())
  
  # 输出
  0.04681229999999914
  0.034195500000009815
  

可以看出，unpacking方式耗费的时间更少，并且由于不需要借助中间变量，代码更为简洁，是值得推荐的一种方式。

而对于更深层次的原因笔者觉得用处不大，再次不再详述。

2、充分利用Lazy evaluation的特性-建议10

Lazy evaluation常被译为“延迟计算”或“惰性计算”，指的是仅仅在真正需要执行的时候才计算表达式的值。充分利用Lazy evaluation的特性带来的好处主要体现在以下两个方面：
1）避免不必要的计算，带来性能上的提升。对于Python中的条件表达式if x and y，在x为false的情况下y表达式的值将不再计算。而对于if x or y，当x的值为true的时候将直接返回，不再计算y的值。因此编程中应该充分利用该特性，如果对于or条件表达式应该将值为真可能性较高的变量写在or的前面，而and则应该推后。

2）节省空间，使得无限循环的数据结构成为可能。Python中最典型的使用延迟计算的例子就是生成器表达式了，它仅在每次需要计算的时候才通过yield产生所需要的元素。斐波那契数列在Python中实现起来就显得相当简单，而while True也不会导致其他语言中所遇到的无限循环的问题。

def fib():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a+b

3、警惕使用eval-建议14

Python中eval()函数将字符串str当成有效的表达式来求值并返回计算结果，其语法非常简单：eval(“字符串表达式”)，不过“eval is evil”（eval是邪恶的），主要原因在于eval多用于用户输入表达式的求值，对于恶意用户来说可能造成不可挽回的损失。例如如果输入：

eval("__import__('os').system('dir')")

你会发现返回当前工作文件夹内所有的文件，相当于在cmd中输入了dir，如果用户更加邪恶，输入了删除命令：

__import__("os").system("del * /Q")

那当前文件夹内所有的文件都将会被删除。

如果使用对象不是信任源，应该尽量避免使用eval，在需要使用eval的地方可用安全性更好的ast.literal_eval替代:

 ast.literal_eval("__import__('os').system('dir')")
 # 返回
ValueError: malformed node or string