五年 python 工作经验，让我放弃的 8 个坏习惯-CSDN博客

本文链接：https://blog.csdn.net/xx16755498979/article/details/131914244

今天，我想与大家分享我在过去五年使用 Python 过程中获得的一些宝贵见解。

1、过度依赖 for 循序

对于遍历集合，我们最先想到的就是 for 循环。

随着经验的积累，我意识到**「列表推导式和生成器表达式」**的威力。它们允许你以简洁高效的方式对集合执行操作。

不要误会我的意思，for循环仍然占有一席之地，但是知道何时使用这些替代方案可以使你的代码更加优雅和高性能。

# List comprehension example
squares = [x**2 for x in range(10)]

# Generator expression example
evens = (x for x in range(10) if x % 2 == 0)

2、忽视上下文管理器

上下文管理器，用 with 语句表示，在处理需要正确清理或管理的资源时非常有用。

无论是打开和关闭文件还是连接到数据库，使用上下文管理器都可以确保正确释放你的资源，即使发生异常也是如此。

告别那些烦人的try...finally块并拥抱上下文管理器的简单性。

with open('myfile.txt', 'r') as file:
    # Read or write to the file

# No need to explicitly close the file

3、过多使用全局变量

在编码的早期，我都是没有考虑后果的随便使用。

但随着我的代码库的增长，维护和调试变成了一场噩梦。

那有什么解决方案呢？善于使用封装和模块化，目标是编写封装自己状态的函数和类，而不是依赖全局变量。

def my_function(arg1, arg2):
    # Do something

class MyClass:
    def __init__(self):
        self.some_state = None
    def some_method(self):
        # Use self.some_state

4、忽略注释和类型提示

注释和类型提示是代码可读性和可维护性的关键。

曾经，我低估了他们的力量。

但随着我的项目变得越来越复杂，我发现自己迷失在代码的海洋中。

就在那时，我意识到记录代码和提供类型提示的重要性。它不仅让其他人更容易理解你的代码并进行协作，而且还可以帮助你未来理解它。

花时间记录你的函数、类和模块，并使用类型提示注释你的变量。

def calculate_mean(numbers: List[float]) -> float:
    """
    Calculates the mean of a list of numbers.
Args:
        numbers: A list of numbers.
    Returns:
        The mean of the numbers.
    """
    total = sum(numbers)
    return total / len(numbers)

5、不一致的命名约定

在我早年的时候，我会混合搭配风格，这里使用驼峰命名法，那里使用下划线。乍一看这似乎没什么大不了的，但相信我，它会增加不必要的混乱。

选择一个命名约定并在整个代码库中坚持使用。无论是驼峰还是下划线，一致性都是关键。它使你的代码更具可读性并保持和谐感。请记住，描述性变量和函数名称是让你一目了然地理解代码的最好朋友。

# Inconsistent naming conventions
my_variable = 42
myVariable = "Hello, world!"

# Consistent naming conventions (snake_case)
my_variable = 42
another_variable = "Hello, world!"

6、字符串操作过于复杂

字符串操作可能是一个棘手的问题，但我知道简单往往是最好的方法。

在早期，我会使用复杂的正则表达式或复杂的循环来实现一些**「内置字符串方法」**可以完成的任务。

Python 提供了一组丰富的字符串操作，可以节省你的时间和麻烦。

# Overcomplicated string manipulation
import re
text = "Hello,   world!"
cleaned_text = re.sub(r"\s+", " ", text.strip())
# Simpler string manipulation
text = "Hello,   world!"
cleaned_text = " ".join(text.split())

7、忽视单元测试

事实证明，测试对于维护代码质量和防止错误渗入代码库至关重要。

当一个看似无害的改变引发一系列问题时，我经历了惨痛的教训。

单元测试提供了一个安全网，使你能够及早发现错误并自信地重构代码。

请投入时间为你的函数和类编写测试。

import unittest

def add_numbers(a, b):
    return a + b
class TestAddNumbers(unittest.TestCase):
    def test_add_numbers(self):
        result = add_numbers(2, 3)
        self.assertEqual(result, 5)
if __name__ == "__main__":
    unittest.main()
8、重复造轮子

8、重复造轮子

「一开始编码时，我有重复造轮子的倾向。」 如果有问题需要解决，我会一头扎进从头开始编写自定义代码。

但随着经验的积累，我意识到 Python 拥有庞大的库。为什么要花几个小时重新发明已经存在并经过实战检验的东西？

在从头开始构建解决方案之前，请花点时间探索是否有库或模块可以为你完成繁重的工作。无论是数据操作、网页抓取、机器学习还是介于两者之间的任何内容，很可能都有一个 Python 包可以帮助你节省时间和精力。

# Reinventing the wheel
def my_custom_sort(lst):
    # Custom sorting logic

# Leveraging existing tools
import numpy as np
lst = [3, 1, 2]
sorted_lst = np.sort(lst)