共计 3765 个字符，预计需要花费 10 分钟才能阅读完成。
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！！！