理解pythonic概念, 详见书籍<>
编写pythonic代码
1. 避免不规范代码, 比如只用大小写区分变量, 使用容易混淆的变量名, 害怕过长变量名等.
但是, 有时长的变量名会使代码更加易读.
2. 深入学习python相关知识, 比如语言特性, 库特性等, 比如python演变过程等. 深入学习一两个业内公认的python的代码库, 比如Django, Flask.
理解python与C的不同之处, 比如缩进与{}, 单引号与双引号, 三元操作符, switch-case语句.
在代码中适当添加注释
适当添加空行, 使代码布局更加合理
编写函数的4个原则
1. 函数设计要尽量短小, 嵌套层次不宜过深
2. 函数声明应该做到合理, 简单, 易用
3. 函数参数设计应该考虑向下兼容
4. 一个函数只做一件事, 尽量保证函数粒度的一致性
将常量集中在一个文件, 且常量名尽量使用全大写字母
编程惯用法
利用assert 语句来发现问题, 但要注意, 断言会影响效率
数据交换值时不推荐使用临时变量, 而是直接a, b = b, a
充分利用惰性计算(lazy evaluation)的特性, 从而避免不必要的计算
理解枚举替代实现的缺陷(最新版python已经加入了枚举特性)
不推荐使用type来进行类型检查, 因为有时候type的结果并不一定可靠. 如果有需求, 建议使用isinstance函数来代替
尽量将变量转化为浮点类型后再做除法(python3以后不用考虑)
警惕eval()函数的安全漏洞, 有点类似SQL注入
使用enumerate()同时获取序列迭代的索引和值
分清==和is的适用场景, 特别是在比较字符串等不可变类型变量时
构建合理的包层次来管理module
基本用法
有节制的使用from ... import语句, 防止污染命名空间
i+=1 不等于++i, 在python中, ++i前边的加号仅表示正, 不表示操作
习惯使用with自动关闭资源, 特别是在文件读写中
使用else子句简化循环(异常处理)
遵循异常处理的几点基本原则
1. 注意异常的粒度, try块中尽量少写代码
2. 谨慎使用单独的except语句, 或except Exception语句, 而是定位到具体异常
3. 注意异常捕获的顺序, 再合适的层次处理异常
4. 使用更加友好的异常信息, 遵守异常参数的规范
避免finally中可能发生的缺陷
深入理解None, 正确判断对象是否为空
连接字符串应优先使用join函数, 而不是+操作
格式化字符串时尽量使用.format函数, 而不是%形式. 最好是使用f''
区别对待可变对象和不可变对象, 特别是作为函数参数时
[], {}, (): 一致的容器初始化形式. 使用列表解析可以使代码更清晰, 同时效率更高.
函数传参数, 既不是传值也不是传引用, 而是传对象或者说对象的引用
警惕默认参数潜在的问题, 特别是当默认参数为可变对象时.
函数中慎用变长参数args, kargs
1. 这种使用太灵活, 从而使的函数签名不够清晰, 可读性变差
2. 如果因为参数过多而使用变长参数简化函数定义, 那么一般该函数可以重构
深入理解str()和repr()的区别
1. 两者之间的目标不同: str主要面向客户, 其目的使可读性, 返回形式为用户友好性和可读性都比较高的字符串形式;
repr是面向python解释器或者说是python开发人员的, 其目的是准确性, 其返回值表示python解释器内部的定义
2. 在解释器中直接输入变量, 默认调用repr函数, 而`print(var)`默认调用str函数
3. repr函数的返回值一般可以用eval函数来还原对象
4. 两者分别调用对象的内建函数`__str__()`和`__repr__()`
分清静态方法 static method 和类方法 class method的使用场景
库的使用
掌握字符串的基本用法
按需选择sort()和sorted()函数
1. `sort()`是列表在就地进行排序, 所以不能排序元组等不可变类型
2. `sorted()`可以排序任意的可迭代类型, 同时不改变原变量本身
使用copy()模块深拷贝对象, 区分浅拷贝(shallow copy) 和深拷贝(deep copy)
使用Counter进行计数统计, Counter是字典类的子类, 在collections模块中
深入掌握ConfigParse
使用argparse模块处理命令行参数
使用pandas处理大型csv文件
python本身提供一个csv文件处理模块, 并提供reader, writer等函数
pandas可提供分块, 合并处理等, 适用于数据量大的情况, 且对二维数据操作更方便
使用ElementTree解析xml
理解模块pickle的优劣
1. 优势: 接口简单, 各平台通用, 支持的数据类型广泛, 扩展性强
2. 劣势: 不保证操作的原子性, 存在安全问题, 不同语言之间不兼容
序列化的另一个选择json模块: load和dump操作
使用traceback获取栈信息
使用logging记录日志信息
使用treading模块编写多线程程序
使用Queue模块使多线程编程更安全
设计模式
利用模块实现单例模式
用mixin模式让程序更加灵活
用发布-订阅模式实现松耦合
用状态模式美化代码
内部机制
理解build-in对象
init()不是构造方法, 理解new()与它之间的区别
理解变量的查找机制, 即作用域
局部作用域 - 全局作用域 - 嵌套作用域 - 内置作用域
为什么需要self参数
理解MRO(方法解析顺序)与多继承
理解描述符机制
区别__getattr__()与__getattribute__()方法之间的区别
使用更安全的property
掌握元类metaclass
熟悉python对象协议
利用操作符重载实现中缀语法
熟悉python的迭代器协议
熟悉python的生成器
基于生成器的协程和greenlet, 理解协程, 多线程, 多进程之间的区别
理解GIL的局限性
对象的管理和垃圾回收
使用工具辅助项目开发
从pypianzhuang第三方包
使用pip和yolk安装管理包
做paster创建包
理解单元测试的概念
为包编写单元测试
利用测试驱动开发(TDD)提高代码的可测性
使用pylint检查代码风格
代码风格审查
代码错误检查
发现重复以及不合理的代码, 方便重构
高度的可配置化和可定制化
支持各种IDE和编辑器的集成
进行高效的代码审查
将包发布到pypi
性能剖析与优化
了解代码优化的基本原则
借助性能优化工具
利用cProfile定位性能瓶颈
使用memory_profiler和objgraph剖析内存使用
努力降低算法复杂度
掌握循环优化的基本技巧
减少循环内部的计算
将显示循环改为隐式循环, 当然这会牺牲代码的可读性
使用生成器提高效率
使用不同的数据结构优化性能
充分利用set的优势
使用multiprocessing模块客服GIL缺陷
使用线程池提高效率
使用Cpython编写扩展模块
