大厂们的python算法编程习惯

最近在看和使用github上的代码的时候，越来越发现不同来源的代码风格差异很大，个人的代码一般都比较直观，而大厂的代码都有一些固定的习惯。最近一直在看OpenAI的深度强化学习的python代码，发现了一些平时个人不怎么常用，但是却很不错的常用法，因此记录学习一下。

1 enumerate()

用于包装循环，返回索引和内容：

list1 = [2, 3, 4]
for i, eve in enumerate(list1):
	print(i, eve)

结果会是：

1 2
2 3
3 4

之前自己喜欢用for in range(len(…))的方式，但是不如这种方式直观。

2 father.init(self, paras)

大厂的算法程序喜欢多使用继承关系，将共有的一些属性和方法作为基类去实现，然后子类去继承或者重写父类。
虽然以前学过这种基本的面向对象设计思想，但是在实际中真正看到其应用还是感觉很不一样。
比如实现多种DQN算法，DQN就是父类，DDQN就是子类。
多使用继承的机制，可以让算法的代码更容易理解和规范。

3 *para

a = 1
b = 2
c = a, b

上面的代码中c就会变成一个tuple，元组。
但是python中的元组还有解包的作用，比如函数想要传两个参数，则可以这样做：

def d(a, b):
	return a + b

d(*c)

*就代表了对元组中的元素进行解包，算是程序的简化方法。

4 numpy.array

自己一般喜欢使用list列表，觉得是python原生的东西很好用，但是实际上numpy里的array底层计算效率更高（网上说的），主要是一些方法和属性很适合数组操作，因此当list中全是数时建议使用numpy.array。

a = [1, 2]
b = [3, 4]
c = a + b  # [1, 2, 3, 4]
a = np.array(a)
b = np.array(b)
c = a + b  # np.array([4, 6])