本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

Python擁有眾多學習者，可謂是如今許多編程初學者的首選語言。易學的語法、豐富的庫和大量的社區都是Python飛速發展的主要原因。

6年前，在我掌握了一系列Java之后接觸到Python時，經常發現自己在寫Python代碼時腦子里還想著Java。作為一個新手，我沒有充分利用Python的優點，甚至在某些情況下，我濫用了它。

現在，我仍然看到一些初學者在沒有先花時間閱讀最佳實踐和建議的情況下就開始用Python寫代碼。為解決這個問題，我列出了下面5個濫用Python的情景，并給出了相關改進建議。

[[335132]]

1. 使用列表時

列表允許存儲各種數據類型的元素且不限制大小，盡管這種靈活性使列表成為收集數據的首選，但實際上仍有一些使用和不使用它的最佳實踐情景。

在存儲具有相同性質(數據類型和含義)的元素時，應該使用列表。Python不會通過編程來限制這一點，在列表中存儲單個自然項讓開發人員的工作更輕松。開發人員很容易預測將來列表會有哪些項，并確信地編寫腳本。

思考下面的物品列表。這個列表并不包含單一性質的項目，開發人員無法確定該列表是否包含房屋部件、尺寸或其他東西，因此他應該分別處理不同的項目：

list_of_things = ['Door', 2,'Window', True, [2.3, 1.4])] 

思考下面的水果列表和分數列表。從前兩個項目中，你很容易推斷出第一個列表會始終包含水果名字，而第二個列表始終包含分數值：

list_of_fruits = ['apple','orange', 'pear', 'cherry', 'banana'] 
list_of_scores = [80, 98, 50, 55, 100] 

在存儲具有不同含義或數據類型的項目時，使用元組更合適。元組不具備在不創建新對象的情況下，提供存儲不受限項目的靈活性(因為元組是不可變的)。

2. 迭代連接字符串時

在Python中所有東西都是對象，包括可變和不可變對象。每當更新分配給對象的值時，不可變對象需創建新對象，而可變對象則不需要。

假設你想在一個字符串中生成整個字母表。因為字符串是不可變對象，所以每當使用“+”運算符連接字符串值時，就會得到一個新的對象。

one_line_alphabet = '' 
for letter_index in range(ord('a'), ord('z')): 
    one_line_alphabet +=chr(letter_index) 

Join函數是連接字符串的首選方法。使用join函數可將計算時間縮短約3倍。在我做的一項測試中，迭代連接100萬個字符串值耗時0.135秒，若使用join( )函數則只需0.044秒。

small_letters = [chr(i) for i inrange(ord('a'), ord('z')+1)] 
single_line_alphabet = ''.join(small_letters) 

因此，需要連接字符串列表時請使用join函數。若使用join函數連接幾個字符串，這并不會直觀感受到性能的差異。若要連接幾個字符串值，請使用.format而不是“+”運算符。例如：

name = 'John' 
surname = 'Doe' 
full_name = '{name} {surname}'.format(namename=name, surnamesurname=surname) 

3. 讀寫文件時

若要使用Python讀寫文件，首先需要用內置的open函數打開文件。打開文件，讀取或寫入內容以及關閉文件。進行操作時，可能會出現一些問題，比如忘記關閉文件和異常處理失敗。

操作完成后，若忘記關閉文件會導致后續問題。比如，如果在寫入文件后忘記關閉該文件，那么寫入操作將不會保存至文件中，并且在文件仍然保持打開狀態時，你將保留在計算機中分配的資源。如果在處理文件時，沒有手動處理異常和錯誤，那么文件將保持打開的狀態。

f = open(file='file.txt', mode='r') 
lines = f.readlines() 
... 
f.close() 

建議在打開文件時使用with關鍵字。with是一個上下文管理器，它能封裝代碼并能確保自動處理異常。比如，當你讀寫文件時，with-body中可能出現的任何故障，都能自動處理異常，并且始終保持該文件關閉。

with open('file.txt') as f: 
    read_data = f.read() 
    ... 

如果跳過with時，你需要自己處理一切，關閉文件和異常處理都得親自處理。with會讓你的生活更輕松，讓情況得以控制。

4. 跳過生成器時

在許多情景中，你需要生成一個值列表，稍后將在腳本中使用這些值。比如，你需要為前100個數字生成所有3個數字的組合。

combinations = [] 
value = 100 
for i in range(value): 
    for j in range(value): 
        for k in range(value): 
            combinations.append((i, j,k)) 

當執行的命令完成時，列表組合將包含1M元組，每個元組有3個整型值。這些值將保存在內存中，直到被刪除。使用sys模塊中的getobjectsize函數檢查對象大小，結果為8.29MB。

不再使用列表存儲值并將它們全部保存至內存，可以創建一個生成器，每當你使用它時，將生成1個組合。這能減少內存消耗并提高運行速度。

defgenerate_combinations_of_three(value): 
    for i in range(value): 
        for j in range(value): 
            for k in range(value): 
                yield (i, j, k)gen =generate_combinations_of_three(100)next(gen) # yields (0, 0, 0) 
next(gen) # yileds (0, 0, 1) 
... 

所以，盡可能多地使用生成器。時刻牢記內存容量是有限的，并盡可能優化內存使用。請使用生成器，特別是在開發可伸縮的解決方案時。

5. 使用推導式時

有一些程序員，他任何用Python編寫代碼都遵循Python之禪(The Zen of Python)的準則。如果是使用Python的新手，可能會傾向于夸大Python之禪的某些觀點，而在其他方面避重就輕。

這一點在逐漸了解推導式時最容易注意到——你傾向于翻譯推導式中的“每一個”循環。假設你有一個三維的數字矩陣，你很可能會想將其平面化。

matrix = [[[ 1, 2, 3 ], 
           [ 4, 5, 6 ], 
           [ 7, 8, 9 ]], 
          [[ 10, 20, 30 ], 
           [ 40, 50, 60 ], 
           [ 70, 80, 90 ]]] 

使用列表推導式，平面化過程如下：

flatten_list = [x for sub_matrix inmatrix for row in sub_matrix for     
                x in row] 

使用循環，平面化過程如下：

flatten_list = [] 
for sub_matrix in matrix: 
    for row in sub_matrix: 
        for x in row: 
            flatten_list.append(x) 

列表式很酷，但可讀的代碼更酷。不要試圖總是讓自己使用列表式，即使這樣做可能需要編寫更少的代碼，也不會損失代碼的可讀性。

[[335133]]

圖源：unsplash

不論是否有編程經驗，每當嘗試使用一種新的編程語言時，請一定要抽出時間閱讀最佳實踐。每種編程語言都有其獨特之處，所以要確保在適當的場景合理地運用它們。

Python致力于幫助程序員更高效便捷地完成工作，我們不能忽視可能對代碼生命期產生負面影響的小決策。請盡可能尋找更好的和最佳的解決方案，這是程序員的工作使命。