代码这样写更优雅（Python 版）

   <p>Python 这门语言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。但有时候我们写代码，特别是 Python 初学者，往往还是按照其它语言的思维习惯来写，那样的写法不仅运行速度慢，代码读起来也费尽，给人一种拖泥带水的感觉，过段时间连自己也读不懂。</p>    <p>《计算机程序的构造和解释》的作者哈尔·阿伯尔森曾这样说：“Programs must be written for people to read, and only incidentally for machines to execute.”</p>    <p>要写出 Pythonic（优雅的、地道的、整洁的）代码，还要平时多观察那些大牛代码，Github 上有很多非常优秀的源代码值得阅读，比如：requests、flask、tornado，笔者列举一些常见的 Pythonic 写法，希望能给你带来一点启迪。</p>    <h3>1、变量交换</h3>    <p>大部分编程语言中交换两个变量的值时，不得不引入一个临时变量：</p>    <pre>  <code class="language-python">>>> a = 1  >>> b = 2  >>> tmp = a  >>> a = b  >>> b = tmp</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">>>> a, b = b, a</code></pre>    <h3>2、循环遍历区间元素</h3>    <pre>  <code class="language-python">for i in [0, 1, 2, 3, 4, 5]:      print i2  # 或者  for i in range(6):      print i2</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">for i in xrange(6):      print i2</code></pre>    <p>xrange 返回的是生成器对象，生成器比列表更加节省内存，不过需要注意的是 xrange 是 python2 中的写法，python3 只有 range 方法，特点和 xrange 是一样的。</p>    <h3>3、带有索引位置的集合遍历</h3>    <p>遍历集合时如果需要使用到集合的索引位置时，直接对集合迭代是没有索引信息的，普通的方式使用：</p>    <pre>  <code class="language-python">colors = ['red', 'green', 'blue', 'yellow']    for i in range(len(colors)):      print i, '--->', colors[i]</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">for i, color in enumerate(colors):      print i, '--->', color</code></pre>    <h3>4、字符串连接</h3>    <p>字符串连接时，普通的方式可以用 + 操作</p>    <pre>  <code class="language-python">names = ['raymond', 'rachel', 'matthew', 'roger',           'betty', 'melissa', 'judith', 'charlie']    s = names[0]  for name in names[1:]:      s += ', ' + name  print s</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">print ', '.join(names)</code></pre>    <p>join 是一种更加高效的字符串连接方式，使用 + 操作时，每执行一次 + 操作就会导致在内存中生成一个新的字符串对象，遍历8次有8个字符串生成，造成无谓的内存浪费。而用 join 方法整个过程只会产生一个字符串对象。</p>    <h3>5、打开/关闭文件</h3>    <p>执行文件操作时，最后一定不能忘记的操作是关闭文件，即使报错了也要 close。普通的方式是在 finnally 块中显示的调用 close 方法。</p>    <pre>  <code class="language-python">f = open('data.txt')  try:      data = f.read()  finally:      f.close()</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">with open('data.txt') as f:      data = f.read()</code></pre>    <p>使用 with 语句，系统会在执行完文件操作后自动关闭文件对象。</p>    <h3>6、列表推导式</h3>    <p>能够用一行代码简明扼要地解决问题时，绝不要用两行，比如</p>    <pre>  <code class="language-python">result = []  for i in range(10):      s = i  2      result.append(s)</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">[i2 for i in xrange(10)]</code></pre>    <p>与之类似的还有生成器表达式、字典推导式，都是很 pythonic 的写法。</p>    <h3>7、善用装饰器</h3>    <p>装饰器可以把与业务逻辑无关的代码抽离出来，让代码保持干净清爽，而且装饰器还能被多个地方重复利用。比如一个爬虫网页的函数，如果该 URL 曾经被爬过就直接从缓存中获取，否则爬下来之后加入到缓存，防止后续重复爬取。</p>    <pre>  <code class="language-python">def web_lookup(url, saved={}):      if url in saved:          return saved[url]      page = urllib.urlopen(url).read()      saved[url] = page      return page</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">import urllib #py2  #import urllib.request as urllib # py3    def cache(func):      saved = {}        def wrapper(url):          if url in saved:              return saved[url]          else:              page = func(url)              saved[url] = page              return page        return wrapper    @cache  def web_lookup(url):      return urllib.urlopen(url).read()</code></pre>    <p>用装饰器写代码表面上感觉代码量更多，但是它把缓存相关的逻辑抽离出来了，可以给更多的函数调用，这样总的代码量就会少很多，而且业务方法看起来简洁了。</p>    <h3>8、合理使用列表</h3>    <p>列表对象（list）是一个查询效率高于更新操作的数据结构，比如删除一个元素和插入一个元素时执行效率就非常低，因为还要对剩下的元素进行移动</p>    <pre>  <code class="language-python">names = ['raymond', 'rachel', 'matthew', 'roger',           'betty', 'melissa', 'judith', 'charlie']  names.pop(0)  names.insert(0, 'mark')</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">from collections import deque  names = deque(['raymond', 'rachel', 'matthew', 'roger',                 'betty', 'melissa', 'judith', 'charlie'])  names.popleft()  names.appendleft('mark')</code></pre>    <p>deque 是一个双向队列的数据结构，删除元素和插入元素会很快</p>    <h3>9、序列解包</h3>    <pre>  <code class="language-python">p = 'vttalk', 'female', 30, 'python@qq.com'    name = p[0]  gender = p[1]  age = p[2]  email = p[3]</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">name, gender, age, email = p</code></pre>    <h3>10、遍历字典的 key 和 value</h3>    <p>方法一速度没那么快，因为每次迭代的时候还要重新进行hash查找 key 对应的 value。</p>    <p>方法二遇到字典非常大的时候，会导致内存的消耗增加一倍以上</p>    <pre>  <code class="language-python"># 方法一  for k in d:      print k, '--->', d[k]    # 方法二  for k, v in d.items():      print k, '--->', v</code></pre>    <p>pythonic</p>    <pre>  <code class="language-python">for k, v in d.iteritems():      print k, '--->', v</code></pre>    <p>iteritems 返回迭代器对象，可节省更多的内存，不过在 python3 中没有该方法了，只有 items 方法，等值于 iteritems。</p>    <p> </p>    <p> </p>    <p>来自：http://mp.weixin.qq.com/s/p-2ifLQ1iNwwqqCGL0A4Eg</p>    <p> </p>