python all函数应用_给大家整理了19个pythonic的编程习惯

Python最大的优点之一就是语法简洁，好的代码就像伪代码一样，干净、整洁、一目了然。

要写出 Pythonic(优雅的、地道的、整洁的)代码，需要多看多学大牛们写的代码，github 上有很多非常优秀的源代码值得阅读，比如：requests、flask、tornado，下面列举一些常见的Pythonic写法。

0. 程序必须先让人读懂，然后才能让计算机执行。

“Programs must be written for people to read, and only incidentally for machines to execute.”

1. 交换赋值

##不推荐

temp = a

a = b

b = a

##推荐

a, b = b, a # 先生成一个元组(tuple)对象，然后unpack

2. Unpacking

##不推荐

l = ['David', 'Pythonista', '+1-514-555-1234']

first_name = l[0]

last_name = l[1]

phone_number = l[2]

##推荐

l = ['David', 'Pythonista', '+1-514-555-1234']

first_name, last_name, phone_number = l

# Python 3 Only

first, *middle, last = another_list

3. 使用操作符in

##不推荐

if fruit == "apple" or fruit == "orange" or fruit == "berry":

# 多次判断

##推荐

if fruit in ["apple", "orange", "berry"]:

# 使用 in 更加简洁

4. 字符串操作

##不推荐

colors = ['red', 'blue', 'green', 'yellow']

result = ''

for s in colors:

result += s # 每次赋值都丢弃以前的字符串对象, 生成一个新对象

##推荐

colors = ['red', 'blue', 'green', 'yellow']

result = ''.join(colors) # 没有额外的内存分配

5. 字典键值列表

##不推荐

for key in my_dict.keys():

# my_dict[key] ...

##推荐

for key in my_dict:

# my_dict[key] ...

# 只有当循环中需要更改key值的情况下，我们需要使用 my_dict.keys()

# 生成静态的键值列表。

6. 字典键值判断

##不推荐

if my_dict.has_key(key):

# ...do something with d[key]

##推荐

if key in my_dict:

# ...do something with d[key]

7. 字典 get 和 setdefault 方法

##不推荐

navs = {}

for (portfolio, equity, position) in data:

if portfolio not in navs:

navs[portfolio] = 0

navs[portfolio] += position * prices[equity]

##推荐

navs = {}

for (portfolio, equity, position) in data:

# 使用 get 方法

navs[portfolio] = navs.get(portfolio, 0) + position * prices[equity]

# 或者使用 setdefault 方法

navs.setdefault(portfolio, 0)

navs[portfolio] += position * prices[equity]

8. 判断真伪

##不推荐

if x == True:

# ....

if len(items) != 0:

# ...

if items != []:

# ...

##推荐

if x:

# ....

if items:

# ...

9. 遍历列表以及索引

##不推荐

items = 'zero one two three'.split()

# method 1

i = 0

for item in items:

print i, item

i += 1

# method 2

for i in range(len(items)):

print i, items[i]

##推荐

items = 'zero one two three'.split()

for i, item in enumerate(items):

print i, item

10. 列表推导

##不推荐

new_list = []

for item in a_list:

if condition(item):

new_list.append(fn(item))

##推荐

new_list = [fn(item) for item in a_list if condition(item)]

11. 列表推导-嵌套

##不推荐

for sub_list in nested_list:

if list_condition(sub_list):

for item in sub_list:

if item_condition(item):

# do something...

##推荐

gen = (item for sl in nested_list if list_condition(sl) \

for item in sl if item_condition(item))

for item in gen:

# do something...

12. 循环嵌套

##不推荐

for x in x_list:

for y in y_list:

for z in z_list:

# do something for x & y

##推荐

from itertools import product

for x, y, z in product(x_list, y_list, z_list):

# do something for x, y, z

13. 尽量使用生成器代替列表

##不推荐

def my_range(n):

i = 0

result = []

while i < n:

result.append(fn(i))

i += 1

return result # 返回列表

##推荐

def my_range(n):

i = 0

result = []

while i < n:

yield fn(i) # 使用生成器代替列表

i += 1

# 尽量用生成器代替列表，除非必须用到列表特有的函数。

14. 中间结果尽量使用imap/ifilter代替map/filter

##不推荐

reduce(rf, filter(ff, map(mf, a_list)))

##推荐

from itertools import ifilter, imap

reduce(rf, ifilter(ff, imap(mf, a_list)))

# lazy evaluation 会带来更高的内存使用效率，特别是当处理大数据操作的时候。

15. 使用any/all函数

##不推荐

found = False

for item in a_list:

if condition(item):

found = True

break

if found:

# do something if found...

##推荐

if any(condition(item) for item in a_list):

# do something if found...

16. 属性(property)

##不推荐

class Clock(object):

def __init__(self):

self.__hour = 1

def setHour(self, hour):

if 25 > hour > 0: self.__hour = hour

else: raise BadHourException

def getHour(self):

return self.__hour

##推荐

class Clock(object):

def __init__(self):

self.__hour = 1

def __setHour(self, hour):

if 25 > hour > 0: self.__hour = hour

else: raise BadHourException

def __getHour(self):

return self.__hour

hour = property(__getHour, __setHour)

17. 使用 with 处理文件打开

##不推荐

f = open("some_file.txt")

try:

data = f.read()

# 其他文件操作..

finally:

f.close()

##推荐

with open("some_file.txt") as f:

data = f.read()

# 其他文件操作...

18. 使用 with 忽视异常(仅限Python 3)

##不推荐

try:

os.remove("somefile.txt")

except OSError:

pass

##推荐

from contextlib import ignored # Python 3 only

with ignored(OSError):

os.remove("somefile.txt")

19. 使用 with 处理加锁

##不推荐

import threading

lock = threading.Lock()

lock.acquire()

try:

# 互斥操作...

finally:

lock.release()

##推荐

import threading

lock = threading.Lock()

with lock:

# 互斥操作...

关注公众号：「Python专栏」，后台回复「腾讯架构资源1」，获取由腾讯架构师整理的大数据学习资源包全套！！！