python中如何编写代码输入多个数据并把它们放在一个列表中去_这59条编写高质量Python代码的方法你知道吗？...

这个周末断断续续的阅读完了《Effective Python之编写高质量Python代码的59个有效方法》，感觉还不错，具有很大的指导价值。 下面将以最简单的方式记录这59条建议，并在大部分建议后面加上了说明和示例，文章篇幅大，请您提前备好瓜子和啤酒！

用Pythonic方式思考

第一条：确认自己使用的Python版本

（1）有两个版本的python处于活跃状态，python2和python3

（2）有很多流行的Python运行时环境，CPython、Jython、IronPython以及PyPy等

（3）在开发项目时，应该优先考虑Python3

第二条：遵循PEP风格指南

PEP8是针对Python代码格式而编订的风格指南，参考： http://www.python.org/dev/peps/pep-0008

（1）当编写Python代码时，总是应该遵循PEP8风格指南

（2）当广大Python开发者采用同一套代码风格，可以使项目更利于多人协作

（3）采用一致的风格来编写代码，可以令后续的修改工作变得更为容易

第三条：了解bytes、str、与unicode的区别

（1）python2提供str个unicode,python3中修改为bytes和str，bytes为原始的8位值，str包含unicode字符，在进行编码转换时使用decode和encode方法

（2）从文件中读取二进制数据，或向其中写入二进制数据时，总应该以‘rb’或‘wb’等二进制模式来开启文件

第四条：用辅助函数来取代复杂的表达式

（1）开发者很容易过度运用Python的语法特性，从而写出那种特别复杂并且难以理解的单行表达式

（2）请把复杂的表达式移入辅助函数中，如果要反复使用相同的逻辑，那更应该这么做

第五条：了解切割序列的方法

（1）不要写多余的代码：当start索引为0，或end索引为序列长度时，应将其省略a[:]

（2）切片操作不会计较start与end索引是否越界，者使得我们很容易就能从序列的前端或后端开始，对其进行范围固定的切片操作，a[:20]或a[-20:]

（3）对list赋值的时候，如果使用切片操作，就会把原列表中处在相关范围内的值替换成新值，即便它们的长度不同也依然可以替换

第六条：在单词切片操作内，不要同时指导start、end和step

（1）这条的目的主要是怕代码难以阅读，作者建议将其拆解为两条赋值语句，一条做范围切割，另一条做步进切割

（2）注意：使用[::-1]时会出现不符合预期的错误，看下面的例子

msg = '谢谢' print('msg:',msg) x = msg.encode('utf-8') y = x.decode('utf-8') print('y:',y) z=x[::-1].decode('utf-8') print('z:', z)

输出：

第七条：用列表推导式来取代map和filter

（1）列表推导要比内置的map和filter函数清晰，因为它无需额外编写lambda表达式

（2）字典与集合也支持推导表达式

第八条：不要使用含有两个以上表达式的列表推导式

第九条：用生成器表达式来改写数据量较大的列表推导式

（1）列表推导式的缺点

在推导过程中，对于输入序列中的每个值来说，可能都要创建仅含一项元素的全新列表，当输入的数据比较少时，不会出现问题，但如果输入数据非常多，那么可能会消耗大量内存，并导致程序崩溃，面对这种情况，python提供了生成器表达式，它是列表推导和生成器的一种泛化，生成器表达式在运行的时候，并不会把整个输出序列呈现出来，而是会估值为迭代器。

把实现列表推导式所用的那种写法放在一对园括号中，就构成了生成器表达式

numbers = [1,2,3,4,5,6,7,8] li = (i for i in numbers) print(li)

（2）串在一起的生成器表达式执行速度很快

第十条：尽量用enumerate取代range

（1）尽量使用enumerate来改写那种将range与下表访问结合的序列遍历代码

（2）可以给enumerate提供第二个参数，以指定开始计数器时所用的值，默认为0

color = ['red','black','write','green'] #range方法 for i in range(len(color)): print(i,color[i]) #enumrate方法 for i,value in enumerate(color): print(i,value)

第11条：用zip函数同时遍历两个迭代器

（1）内置的zip函数可以平行地遍历多个迭代器

（2）Python3中的zip相当于生成器，会在遍历过程中逐次产生元组，而python2中的zip则是直接把这些元组完全生成好，并一次性地返回整份列表、

（3）如果提供的迭代器长度不等，那么zip就会自动提前终止

attr = ['name','age','sex'] values = ['zhangsan',18,'man'] people = zip(attr,values) for p in people: print(p)

第12条：不要在for和while循环后面写else块

（1）python提供了一种很多编程语言都不支持的功能，那就是在循环内部的语句块后面直接编写else块

for i in range(3): print('loop %d' %(i)) else: print('else block!')

上面的写法很容易让人产生误解：如果循环没有正常执行完，那就执行else,实际上刚好相反

（2）不要再循环后面使用else，因为这种写法既不直观，又容易让人误解

第13条：合理利用try/except/else/finally结构中的每个代码块

try: #执行代码 except: #出现异常 else: #可以缩减try中代码，再没有发生异常时执行 finally: #处理释放操作

函数

第14条：尽量用异常来表示特殊情况，而不要返回None

（1）用None这个返回值来表示特殊意义的函数，很容易使调用者犯错，因为None和0及空字符串之类的值，在表达式里都会贝评估为False

（2）函数在遇到特殊情况时应该抛出异常，而不是返回None，调用者看到该函数的文档中所描述的异常之后，应该会编写相应的代码来处理它们

第15条：了解如何在闭包里使用外围作用域中的变量

（1）理解什么是闭包

闭包是一种定义在某个作用域中的函数，这种函数引用了那个作用域中的变量

（2）表达式在引用变量时，python解释器遍历各作用域的顺序：

a. 当前函数的作用域

b. 任何外围作用域（例如：包含当前函数的其他函数）

c. 包含当前代码的那个模块的作用域（也叫全局作用域）

d. 内置作用域（也即是包含len及str等函数的那个作用域）

e. 如果上卖弄这些地方都没有定义过名称相符的变量，那么就抛出NameError异常

（3）赋值操作时，python解释器规则

给变量赋值时，如果当前作用域内已经定义了这个变量，那么该变量就会具备新值，若当前作用域内没有这个变量，python则会把这次赋值视为对该变量的定义

（4）nonlocal

nonlocal的意思：给相关变量赋值的时候，应该在上层作用域中查找该变量，nomlocal的唯一限制在于，它不能延申到模块级别，这是为了防止它污染全局作用域

（5）global

global用来表示对该变量的赋值操作，将会直接修改模块作用域的那个变量

第16条：考虑用生成器来改写直接返回列表的函数

参考第九条

第17条：在参数上面迭代时，要多加小心

（1）函数在输入的参数上面多次迭代时要当心，如果参数是迭代对象，那么可能会导致奇怪的行为并错失某些值

看下面两个例子：

例1：

def normalize(numbers): total = sum(numbers) print('total:',total) print('numbers:',numbers) result = [] for value in numbers: percent = 100 * value / total result.append(percent) return result

numbers = [15,35,80] print(normalize(numbers))

输出：

例2：将numbers换成生成器

def fun(): li = [15,35,80] for i in li: yield i

print(normalize(fun()))

输出：

原因：迭代器只产生一轮结果，在抛出过StopIteration异常的迭代器或生成器上面继续迭代第二轮，是不会有结果的。

（2）python的迭代器协议，描述了容器和迭代器应该如何于iter和next内置函数、for循环及相关表达式互相配合

（3） 想判断某个值是迭代器还是容器 ，可以拿该值为参数，两次调用iter函数，若结果相同，则是迭代器，调用内置的next函数，即可令该迭代器前进一步

if iter(numbers) is iter(numbers): raise TypeError('Must supply a container')

第18条：用数量可变的位置参数减少视觉杂讯

（1）在def语句中使用*args，即可令函数接收数量可变的位置参数

（2）调用函数时，可以采用*操作符，把序列中的元素当成位置参数，传给该函数

（3）对生成器使用操作符，可能导致程序耗尽内存并崩溃，所以只有当我们能够确定输入的参数个数比较少时，才应该令函数接受arg式的变长参数

（4） 在已经接收*args参数的函数上面继续添加位置参数 ，可能会产生难以排查的错误

第19条：用关键字参数来表达可选的行为

（1）函数参数可以按位置或关键字来指定

（2）只使用位置参数来调用函数，可能会导致这些参数值的含义不够明确，而关键字参数则能够阐明每个参数的意图

（3）该函数添加新的行为时，可以使用带默认值的关键字参数，以便与原有的函数调用代码保持兼容

（4） 可选的关键字参数 总是应该以关键字形式来指定，而不应该以位置参数来指定

第20条：用None和文档字符串来描述具有动态默认值的参数

import datetime import time def log(msg,when=datetime.datetime.now()): print('%s:%s' %(when,msg))

log('hi,first') time.sleep(1) log('hi,second')

输出：

两次显示的时间一样，这是因为datetime.now()只执行了一次，也就是它只在函数定义的时候执行了一次，参数的默认值，会在每个模块加载进来的时候求出，而很多模块都在程序启动时加载。我们可以将上面的函数改成：

import datetime import time def log(msg,when=None): """ arg when:datetime of when the message occurred """

if when is None: when=datetime.datetime.now() print('%s:%s' %(when,msg))

log('hi,first') time.sleep(1) log('hi,second')

输出：

（1）参数的默认值，只会在程序加载模块并读到本函数定义时评估一次，对于{}或[]等动态的值，这可能导致奇怪的行为

（2）对于以动态值作为实际默认值的关键字参数来说，应该把形式上的默认值写为None，并在函数的文档字符串里面描述该默认值所对应的实际行为

第21条：用只能以关键字形式指定的参数来确保代码明确

（1）关键字参数能够使函数调用的意图更加明确

（2）对于各参数之间很容易混淆的函数，可以声明只能以关键字形式指定的参数，以确保调用者必须通过关键字来指定它们。对于接收多个Boolean标志的函数更应该这样做

类与继承

第22条：尽量用辅助类来维护程序的状态，而不要用字典或元组

作者的意思是：如果我们使用字典或元组保存程序的某部分信息，但随着需求的不断变化，需要逐渐的修改之前定义好的字典或元组结构，会出现多次的嵌套，过分膨胀会导致代码出现问题，而且难以理解。遇到这样的情况，我们可以把嵌套结构重构为类。

（1）不要使用包含其他字典的字典，也不要使用过长的元组

（2）如果容器中包含简单而又不可变的数据，那么可以先使用namedtupe来表述，待稍后有需要时，再修改为完整的类

注意：namedtuple类无法指定各参数的默认值，对于可选属性比较多的数据来说，namedtuple用起来不方便

（3）保存内部状态的字典如果变得比较复杂，那就应该把这些代码拆分为多个辅组类

第23条：简单的接口应该接收函数，而不是类的实例

（1）对于连接各种python组件的简单接口来说，通常应该给其直接传入函数，而不是先定义某个类，然后再传入该类的实例

（2）Python种的函数和方法可以像类那么引用，因此，它们与其他类型的对象一样，也能够放在表达式里面

（3）通过名为call的特殊方法，可以使类的实例能够像普通的Python函数那样得到调用

第24条：以@classmethod形式的多态去通用的构建对象

在python种，不仅对象支持多态，类也支持多态

（1）在Python程序种，每个类只能有一个构造器，也就是init方法

（2）通过@classmethod机制，可以用一种与构造器相仿的方式来构造类的对象

（3）通过类方法机制，我们能够以更加通用的方式来构建并拼接具体的子类

下面以实现一套MapReduce流程计算文件行数为例来说明：

（1）思路

（2）上代码

import threading import os class InputData: def read(self): raise NotImplementedError class PathInputData(InputData): def init(self,path): super().init() self.path = path

def read(self): return open(self.path).read()

class worker: def init(self,input_data): self.input_data = input_data self.result = None

def map(self): raise NotImplementedError

def reduce(self): raise NotImplementedError

class LineCountWorker(worker): def map(self): data = self.input_data.read() self.result = data.count('n')

def reduce(self,other): self.result += other.result

def generate_inputs(data_dir): for name in os.listdir(data_dir): yield PathInputData(os.path.join(data_dir,name))

def create_workers(input_list): workers = [] for input_data in input_list: workers.append(LineCountWorker(input_data)) return workers

def execute(workers): threads = [threading.Thread(target=w.map) for w in workers] for thread in threads: thread.start() for thread in threads: thread.join()

first,rest = workers[0],workers[1:] for worker in rest: first.reduce(worker) return first.result

def mapreduce(data_dir): inputs = generate_inputs(data_dir) workers = create_workers(inputs) return execute(workers)

if name == "main": print(mapreduce('D:mapreduce_test')) MapReduce

上面的代码在拼接各种组件时显得非常费力，下面重新使用@classmethod来改进下

import threading import os class InputData: def read(self): raise NotImplementedError

@classmethod def generate_inputs(cls,data_dir): raise NotImplementedError class PathInputData(InputData): def init(self,path): super().init() self.path = path

def read(self): return open(self.path).read()

@classmethod def generate_inputs(cls,data_dir): for name in os.listdir(data_dir): yield cls(os.path.join(data_dir,name))

class worker: def init(self,input_data): self.input_data = input_data self.result = None

def map(self): raise NotImplementedError

def reduce(self): raise NotImplementedError

@classmethod def create_workers(cls,input_list): workers = [] for input_data in input_list: workers.append(cls(input_data)) return workers

class LineCountWorker(worker): def map(self): data = self.input_data.read() self.result = data.count('n')

def reduce(self,other): self.result += other.result

def execute(workers): threads = [threading.Thread(target=w.map) for w in workers] for thread in threads: thread.start() for thread in threads: thread.join()

first,rest = workers[0],workers[1:] for worker in rest: first.reduce(worker) return first.result

def mapreduce(data_dir): inputs = PathInputData.generate_inputs(data_dir) workers = LineCountWorker.create_workers(inputs) return execute(workers)

if name == "main": print(mapreduce('D:mapreduce_test'))

修改后的MapReduce

通过类方法实现多态机制，我们可以用更加通用的方式来构建并拼接具体的类

第25条：用super初始化父类

如果从python2开始详细的介绍super使用方法需要很大的篇幅，这里只介绍python3中的使用方法和MRO

（1）MRO即为方法解析顺序，以标准的流程来安排超类之间的初始化顺序，深度优先，从左至右，它也保证钻石顶部那个公共基类的init方法只会运行一次

（2）python3中super的使用方法

python3提供了一种不带参数的super调用方法，该方式的效果与用class和self来调用super相同

class A(Base): def init(self,value): super(class,self).init(value)

class A(Base): def init(self,value): super().init(value)**

推荐使用上面两种方法，python3可以在方法中通过class变量精确的引用当前类，而Python2中则没有定义class方法

（3）总是应该使用内置的super函数来初始化父类

第26条：只在使用Mix-in组件制作工具类时进行多重继承

python是面向对象的编程语言，它提供了一些内置的编程机制，使得开发者可以适当地实现多重继承，但是，我们应该尽量避免多重继承，若一定要使用，那就考虑编写mix-in类，mix-in是一种小型的类，它只定义了其他类可能需要提供的一套附加方法，而不定义自己的 实例属性，此外，它也不要求使用者调用自己的init函数

（1）能用mix-in组件实现的效果，就不要使用多重继承来做

（2）将各功能实现为可插拔的mix-in组件，然后令相关的类继承自己需要的那些组件，即可定制该类实例所具备的行为

（3）把简单的行为封装到mix-in组件里，然后就可以用多个mix-in组合出复杂的行为了

第27条：多用public属性，少用private属性

python没有从语法上严格保证private字段的私密性，用简单的话来说，我们都是成年人。

个人习惯：_XXX 单下划代表protected；XXX 双下划线开始的且不以_结尾表示private；XXX__系统定义的属性和方法

class People: __name="zhanglin"

def init(self): self.__age = 16

print(People.dict) p = People() print(p.dict)

会发现name和age属性名都发生了变化，都变成了（_类名+属性名）， 只有在__XXX这种命名方式下才会发生变化，所以以这种方式作为伪私有说明

（1）python编译器无法严格保证private字段的私密性

（2）不要盲目地将属性设为private，而是应该从一开始就做好规划，并允许子类更多地访问超类内部的api

（3）应该更多的使用protected属性，并在文档中把这些字段的合理用法告诉子类的开发者，而不是试图用private属性来限制子类访问这些字段

（4）只有当子类不受自己控制时，才可以考虑用private属性来避免名称冲突

第28条：继承collections.abc以实现自定义的容器类型

collections.abc模块定义了一系列抽象基类，它们提供了每一种容器类型所应具备的常用方法，大家可以自己参考源码

all = ["Awaitable", "Coroutine", "AsyncIterable", "AsyncIterator", "AsyncGenerator", "Hashable", "Iterable", "Iterator", "Generator", "Reversible", "Sized", "Container", "Callable", "Collection", "Set", "MutableSet", "Mapping", "MutableMapping", "MappingView", "KeysView", "ItemsView", "ValuesView", "Sequence", "MutableSequence", "ByteString", ]**

（1）如果定制的子类比较简单，那就可以直接从Python的容器类型（如list、dict）中继承

（2）想正确实现自定义的容器类型，可能需要编写大量的特殊方法

（3）编写自制的容器类型时，可以从collections.abc模块的抽象基类中继承，那些基类能够确保我们的子类具备适当的接口及行为