讀了一本還不錯的書「編寫高質量代碼改善 Python 程式的 91 個建議」，大多數的建議是真心不錯，我雖然寫python也有3年多了，但是有些地方確實沒去註意過，特地整理了一下，給大家參考。

我已經打包好了一份電子書，有興趣的可以關註公眾號：Python專欄。後臺回覆：91個建議，獲取該電子書。

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

• 避免不規範代碼，比如只用大小寫區分變數、使用容易混淆的變數名、害怕過長變數名等。有時候長的變數名會使代碼更加具有可讀性。
• 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：在代碼中適當添加註釋

建議5：適當添加空行使代碼佈局更加合理

建議6：編寫函數的4個原則

• 函數設計要儘量短小，嵌套層次不宜過深
• 函數聲明應該做到合理、簡單、易用
• 函數參數設計應該考慮向下相容
• 一個函數只做一件事，儘量保證函數粒度的一致性

建議7：將常量集中在一個文件，且常量名儘量使用全大寫字母

2.編程慣用法

建議8：利用assert語句來發現問題，但要註意，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數，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的結果並不一定可靠。如果有需求，建議使用isinstance函數來代替

建議13：儘量將變數轉化為浮點類型後再做除法（Python3以後不用考慮）

建議14：警惕eval()函數的安全漏洞，有點類似於SQL註入

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，特別是在比較字元串等不可變類型變數時（詳見評論）

建議17：儘量使用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不等於++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子句簡化迴圈（異常處理）

建議24：遵循異常處理的幾點基本原則

• 註意異常的粒度，try塊中儘量少寫代碼
• 謹慎使用單獨的except語句，或except Exception語句，而是定位到具體異常
• 註意異常捕獲的順序，在合適的層次處理異常
• 使用更加友好的異常信息，遵守異常參數的規範

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：

• 常量 None
• 常量 False
• 任何形式的數值類型零，如 0、0L、0.0、0j
• 空的序列，如 "、()、[]
• 空的字典，如 {}
• 當用戶定義的類中定義了 nonzero() 和 len() 方法，並且該方法返回整數 0 或者布爾值 False 的時候。

建議27：連接字元串應優先使用join函數，而不是+操作

建議28：格式化字元串時儘量使用.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：警惕預設參數潛在的問題，特別是當預設參數為可變對象時

建議33：函數中慎用變長參數*args和**kargs

• 使用過於靈活，在混合普通參數或者預設參數的情況下，變長參數意味著這個函數的簽名
• 夠清晰，存在多種調用方式。另外變長參數可能會破壞程式的健壯性。
• 如果一個函數的參數列表很長，雖然可以通過使用 *args 和 **kwargs 來簡化函數的定義，但這通常意味著這個函數可以有更好的實現方式，應該被重構。
• 可變長參數適合在下列情況下使用：
  • 為函數添加一個裝飾器
  • 如果參數的數目不確定，可以考慮使用變長參數。
  • 用來實現函數的多態或者在繼承情況下子類需要調用父類的某些方法的時候

建議34：深入理解str()和repr()的區別

• 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元串形式；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
• 在解釋器中直接輸入變數，預設調用repr函數，而print(var)預設調用str函數
• repr函數的返回值一般可以用eval函數來還原對象
• 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：掌握字元串的基本用法

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，同時不改變原變數本身。

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ConfigParse

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，並提供reader、writer等函數。
• Pandas可提供分塊、合併處理等，適用於數據量大的情況，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：介面簡單、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、不同語言之間不相容

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記錄日誌信息

建議48：使用threading模塊編寫多線程程式

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模式讓程式更加靈活

建議52：用發佈-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：理解變數的查找機制，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：為什麼需要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：基於生成器的協程和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
• 發現重覆以及不合理的代碼，方便重構
• 高度的可配置化和可定製化
• 支持各種IDE和編輯器的集成
• 能夠基於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：將包發佈到PyPI

8.性能剖析與優化

建議79：瞭解代碼優化的基本原則

建議80：藉助性能優化工具

建議81：利用cProfile定位性能瓶頸

建議82：使用memory_profiler和objgraph剖析記憶體使用

建議83：努力降低演算法複雜度

建議84：掌握迴圈優化的基本技巧

• 減少迴圈內部的計算
• 將顯式迴圈改為隱式迴圈，當然這會犧牲代碼的可讀性
• 在迴圈中儘量引用局部變數
• 關註內層嵌套迴圈

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模塊剋服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