自己寫Python也有四五年了，一直是用自己的“強迫癥”在維持自己代碼的質量，除了Google的Python代碼規范外，從來沒有讀過類似的書籍。偶然的機會看到這么一本書，讀完之后覺得還不錯，所以做個簡單的筆記。有想學習類似知識的朋友，又懶得去讀完整本書籍，可以參考一下。

1：引論

建議1、理解Pythonic概念—-詳見Python中的《Python之禪》

建議2、編寫Pythonic代碼

（1）避免不規范代碼，比如只用大小寫區分變量、使用容易混淆的變量名、害怕過長變量名等。有時候長的變量名會使代碼更加具有可讀性。

（2）深入學習Python相關知識，比如語言特性、庫特性等，比如Python演變過程等。深入學習一兩個業內公認的Pythonic的代碼庫，比如Flask等。

建議3：理解Python與C的不同之處，比如縮進與{}，單引號雙引號，三元操作符？，Switch-Case語句等。

建議4：在代碼中適當添加注釋

建議5：適當添加空行使代碼布局更加合理

建議6：編寫函數的4個原則

（1）函數設計要盡量短小，嵌套層次不宜過深

（2）函數聲明應該做到合理、簡單、易用

（3）函數參數設計應該考慮向下兼容

（4）一個函數只做一件事，盡量保證函數粒度的一致性

建議7：將常量集中在一個文件，且常量名盡量使用全大寫字母

2：編程慣用法

建議8：利用assert語句來發現問題，但要注意，斷言assert會影響效率

建議9：數據交換值時不推薦使用臨時變量，而是直接a, b = b, a

建議10：充分利用惰性計算（Lazy evaluation）的特性，從而避免不必要的計算

建議11：理解枚舉替代實現的缺陷（最新版Python中已經加入了枚舉特性）

建議12：不推薦使用type來進行類型檢查，因為有些時候type的結果并不一定可靠。如果有需求，建議使用isinstance函數來代替

建議13：盡量將變量轉化為浮點類型后再做除法（Python3以后不用考慮）

建議14：警惕eval()函數的安全漏洞，有點類似于SQL注入

建議15：使用enumerate()同時獲取序列迭代的索引和值

建議16：分清==和is的適用場景，特別是在比較字符串等不可變類型變量時（詳見評論）

建議17：盡量使用Unicode。在Python2中編碼是很讓人頭痛的一件事，但Python3就不用過多考慮了

建議18：構建合理的包層次來管理Module

3：基礎用法

建議19：有節制的使用from…import語句，防止污染命名空間

建議20：優先使用absolute import來導入模塊（Python3中已經移除了relative import）

建議21：i+=1不等于++i，在Python中，++i前邊的加號僅表示正，不表示操作

建議22：習慣使用with自動關閉資源，特別是在文件讀寫中

建議23：使用else子句簡化循環（異常處理）

建議24：遵循異常處理的幾點基本原則

（1）注意異常的粒度，try塊中盡量少寫代碼

（2）謹慎使用單獨的except語句，或except Exception語句，而是定位到具體異常

（3）注意異常捕獲的順序，在合適的層次處理異常

（4）使用更加友好的異常信息，遵守異常參數的規范

建議25：避免finally中可能發生的陷阱

建議26：深入理解None，正確判斷對象是否為空。Python中下列數據會判斷為空：

建議27：連接字符串應優先使用join函數，而不是+操作

建議28：格式化字符串時盡量使用.format函數，而不是%形式

建議29：區別對待可變對象和不可變對象，特別是作為函數參數時

建議30：[], {}和()：一致的容器初始化形式。使用列表解析可以使代碼更清晰，同時效率更高

建議31：函數傳參數，既不是傳值也不是傳引用，而是傳對象或者說對象的引用

建議32：警惕默認參數潛在的問題，特別是當默認參數為可變對象時

建議33：函數中慎用變長參數args和*kargs

（1）這種使用太靈活，從而使得函數簽名不夠清晰，可讀性較差

（2）如果因為函數參數過多而是用變長參數簡化函數定義，那么一般該函數可以重構

建議34：深入理解str()和repr()的區別

（1）兩者之間的目標不同：str主要面向客戶，其目的是可讀性，返回形式為用戶友好性和可讀性都比較高的字符串形式；而repr是面向Python解釋器或者說Python開發人員，其目的是準確性，其返回值表示Python解釋器內部的定義

（2）在解釋器中直接輸入變量，默認調用repr函數，而print(var)默認調用str函數

（3）repr函數的返回值一般可以用eval函數來還原對象

（4）兩者分別調用對象的內建函數str__()和__repr()

建議35：分清靜態方法staticmethod和類方法classmethod的使用場景

4：庫

建議36：掌握字符串的基本用法

建議37：按需選擇sort()和sorted()函數

》sort()是列表在就地進行排序，所以不能排序元組等不可變類型。

》sorted()可以排序任意的可迭代類型，同時不改變原變量本身。

建議38：使用copy模塊深拷貝對象，區分淺拷貝（shallow copy）和深拷貝（deep copy）

建議39：使用Counter進行計數統計，Counter是字典類的子類，在collections模塊中

建議40：深入掌握ConfigParser

建議41：使用argparse模塊處理命令行參數

建議42：使用pandas處理大型CSV文件

》Python本身提供一個CSV文件處理模塊，并提供reader、writer等函數。

》Pandas可提供分塊、合并處理等，適用于數據量大的情況，且對二維數據操作更方便。

建議43：使用ElementTree解析XML

建議44：理解模塊pickle的優劣

》優勢：接口簡單、各平臺通用、支持的數據類型廣泛、擴展性強

》劣勢：不保證數據操作的原子性、存在安全問題、不同語言之間不兼容

建議45：序列化的另一個選擇JSON模塊：load和dump操作

建議46：使用traceback獲取棧信息

建議47：使用logging記錄日志信息

建議48：使用threading模塊編寫多線程程序

建議49：使用Queue模塊使多線程編程更安全

5：設計模式

建議50：利用模塊實現單例模式

建議51：用mixin模式讓程序更加靈活

建議52：用發布-訂閱模式實現松耦合

建議53：用狀態模式美化代碼

6：內部機制

建議54：理解build-in對象

建議55：init__()不是構造方法，理解__new()與它之間的區別

建議56：理解變量的查找機制，即作用域

》局部作用域

》全局作用域

》嵌套作用域

》內置作用域

建議57：為什么需要self參數

建議58：理解MRO（方法解析順序）與多繼承

建議59：理解描述符機制

建議60：區別getattr__()與__getattribute()方法之間的區別

建議61：使用更安全的property

建議62：掌握元類metaclass

建議63：熟悉Python對象協議

建議64：利用操作符重載實現中綴語法

建議65：熟悉Python的迭代器協議

建議66：熟悉Python的生成器

建議67：基于生成器的協程和greenlet，理解協程、多線程、多進程之間的區別

建議68：理解GIL的局限性

建議69：對象的管理和垃圾回收

7：使用工具輔助項目開發

建議70：從PyPI安裝第三方包

建議71：使用pip和yolk安裝、管理包

建議72：做paster創建包

建議73：理解單元測試的概念

建議74：為包編寫單元測試

建議75：利用測試驅動開發（TDD）提高代碼的可測性

建議76：使用Pylint檢查代碼風格

》代碼風格審查

》代碼錯誤檢查

》發現重復以及不合理的代碼，方便重構

》高度的可配置化和可定制化

》支持各種IDE和編輯器的集成

》能夠基于Python代碼生成UML圖

》能夠與Jenkins等持續集成工具相結合，支持自動代碼審查

建議77：進行高效的代碼審查

建議78：將包發布到PyPI

8：性能剖析與優化

建議79：了解代碼優化的基本原則

建議80：借助性能優化工具

建議81：利用cProfile定位性能瓶頸

建議82：使用memory_profiler和objgraph剖析內存使用

建議83：努力降低算法復雜度

建議84：掌握循環優化的基本技巧

》減少循環內部的計算

》將顯式循環改為隱式循環，當然這會犧牲代碼的可讀性

》在循環中盡量引用局部變量

》關注內層嵌套循環

建議85：使用生成器提高效率

建議86：使用不同的數據結構優化性能

建議87：充分利用set的優勢

建議88：使用multiprocessing模塊克服GIL缺陷

建議89：使用線程池提高效率

建議90：使用C/C++模塊擴展提高性能

建議91：使用Cythonb編寫擴展模塊

END

∑編輯?|?Gemini

來源?|?笑虎

微信公眾號“算法數學之美”，由算法與數學之美團隊打造的另一個公眾號，歡迎大家掃碼關注！

更多精彩：

?如何向5歲小孩解釋什么是支持向量機（SVM）？

?自然底數e的意義是什么？

?費馬大定理，集驚險與武俠于一體

?簡單的解釋，讓你秒懂“最優化” 問題

?一分鐘看懂一維空間到十維空間

??本科、碩士和博士到底有什么區別？

?小波變換通俗解釋

?微積分必背公式

?影響計算機算法世界的十位大師

?數據挖掘之七種常用的方法

算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、算法、計算機、編程等相關領域，經采用我們將奉上稿酬。

投稿郵箱：math_alg@163.com

總結

以上是生活随笔為你收集整理的改善 Python 程序的 91 个建议的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。