听说看超哥的文章会上瘾

不要把工作当作生活的工具，把工作当生意做；

愿自己身体健健康康家人平安

祝各位同上，2019更精彩@all

-Tester-也哥-

01

进入正文

Python 与其它语言（比如Java或者C++）相比有比较大的区别，其中最大的特点就是非常简洁。如果按照其它语言的思路来写Python代码，则会使得代码繁琐复杂，并且容易出现Bug。在Python语言中，有个词很火，Pythonic。有的同学可能不明白这个词的意义，小编的理解就是用Python的写法写代码，而非是其它语言的通用的写法，写出Python的特点，写出Python的风格。

下面，就通过几个示例来看一下不同思维的Python代码的差异。

1、变量值交换

这个问题最常见，大家从最开始写Java及C++等语言代码都会遇到这个问题。通常是通过一个临时变量来实现的：

tmp = a
a = b
b = tmp

而Python中可以直接交换两个变量，即：

a, b = b, a

2、列表推导式

列表推导式是Java及C++等语言没有的特性，能够很简洁的实现for循环，可以应用于列表，集合或者字典。

例如我们要求20以内的整除3的数的平方的列表，可以用如下代码实现：

numbers = []
for x in xrange(20):
    if x % 3 == 0:
        numbers.append(x*x)

而通过列表推导式一行代码即可实现：

numbers = [x*x for x in range(20) if x % 3 == 0]

列表推导式也可以用于集合和字典，将[...]变为{...}即可。集合和字典的实现如下所示：

集合：

numbers = {x * x for x in range(0, 20) if x % 3 == 0}

字典：

numbers = {x: x * x for x in range(0, 20) if x % 3 == 0}

3、字符串拼接

这是一个老生常谈的问题，当我们需要将数个字符串拼接的时候，习惯性的使用 "+" 作为连接字符串的手段。

然而，由于像字符串这种不可变对象在内存中生成后无法修改，合并后的字符串会重新开辟出一块内存空间来存储。因此每合并一次就会单独开辟一块内存空间，这样会占用大量的内存空间，严重影响代码的效率。

words = ['I', ' ', 'love', ' ', 'Python', '.']

sentence = ''
for word in words:
    sentence += '' + word

解决这个问题的办法是使用字符串连接的join，Python写法如下：

words = ['I', ' ', 'love', ' ', 'Python', '.']

sentence = ''.join(words)

4、如何快速翻转字符串

Java或者C++等语言的写法是新建一个字符串，从最后开始访问原字符串：

a = 'I love Python.'

reverse_a = ''
for i in range(0, len(a)):
    reverse_a += a[len(a) - i - 1]

而Python则将字符串看作list，而列表可以通过切片操作来实现反转：

a = 'I love Python.'
reverse_a = a[::-1]

5、for/else语句

在C语言或Java语言中，我们寻找一个字符是否在一个list中，通常会设置一个布尔型变量表示是否找到：

cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
tofind = 'Shanghai'

found = False
for city in cities:
    if tofind == city:
        print 'Found!'
        found = True
        break
if not found:
    print 'Not found!'

而Python中的通过for...else...会使得代码很简洁，注意else中的代码块仅仅是在for循环中没有执行break语句的时候执行：

cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
tofind = 'Shanghai'

for city in cities:
    if tofind == city:
        print 'Found!'
        break
else: 
    # 执行else中的语句意味着没有执行break
    print 'Not found!'

另外，while以及try关键字都可以和else搭配使用，具体可以参考小编之前写的文章  ​​Python中else块那点事​​。

6、迭代对象善用enumerate类

enumerate类接收两个参数，其中一个是可以迭代的对象，另外一个是开始的索引。比如，我们想要打印一个列表的索引及其内容，可以用如下代码实现：

cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']

index = 0
for city in cities:
    index = index + 1
    print index, ':', city

而通过使用enumerate则极大简化了代码，这里索引设置为从1开始（默认是从0开始）：

cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
for index, city in enumerate(cities, 1):
    print index, ":", city

7、通过lambda来定义函数

lambda可以返回一个可以调用的函数对象，会使得代码更为简洁。若不使用lambda则需要单独定义一个函数：

def f(x):
    return x * x

map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

使用lambda后仅仅需要一行代码：

map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])

这里注意，lambda生成的是一个可以像其他函数一样使用的函数对象，即

def f(x):
    return x * x

等价于  

lambda x: x * x

8、应用上下文管理

在打开文件时，通常是通过捕获异常来进行实现的，并且在finally模块中对文件来进行关闭：

try:
    file = open('python.txt')
    for line in file:
        print line
except:
    print "File error!"
finally:
    file.close()

而通过上下文管理中的with语句可以让代码非常简洁：

with open('python.txt') as file:
    for line in file:
        print line

具体原理可以参考小编之前写的 ​​with语句那点事​​。

9、使用装饰器

装饰器在Python中应用特别广泛，其特点是可以在具体函数执行之前或者之后做相关的操作，比如：执行前打印执行函数的相关信息，对函数的参数进行校验；执行后记录函数调用的相关流水日志等。使用装饰器最大的好处是使得函数功能单一化，仅仅处理业务逻辑，而不附带其它功能。

在函数调用前打印时间函数名相关的信息，不使用装饰器可以用如下代码实现：

from time import ctime

def foo():
    print('[%s]  %s() is called' % (ctime(), foo.__name__))
    print('Hello, Python')

这样写的问题是业务逻辑中会夹杂参数检查，日志记录等信息，使得代码逻辑不够清晰。所以，这种场景需要使用装饰器：

from time import ctime

def deco(func):
    def decorator(*args, **kwargs):
        print('[%s]  %s() is called' % (ctime(), func.__name__))
        return func(*args, **kwargs)
    return decorator

@deco
def foo():
    print('Hello, Python')

如果想深入理解装饰器，可以阅读小编之前写的 ​​深入理解Python中的装饰器​​。

10、使用生成器

生成器与列表最大的区别就是，列表是一次性生成的，需要较大的内存空间；而生成器是需要的时候生成的，基本不占用内存空间。生成器分为生成器表达式和生成器函数。

先看一下列表：

l = [x for x in range(10)]

改为生成器只需要将[...]变为(...)，即

g = (x for x in range(10))

至于生成器函数，是通过yield关键字来实现的，我们以计算斐波那契数列为例，使用列表可以用如下代码来实现：

def fib(max):
    n, a, b = 0, 0, 1
    fibonacci = []
    while n < max:
        fibonacci.append(b)
        a, b = b, a + b
        n = n + 1
    return fibonacci

而使用生成器则变为：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

对生成器感兴趣的可以深入阅读小编之前写的文章 ​​生成器那点事​​​ 及 ​​深入理解生成器及协程​​。

11、Counter的使用

通常的词频统计中，我们的思路是：

需要一个字典，key值存储单词，value存储对应的词频。当遇到一个单词，判断是否在这个字典中，如果是，则词频加1；如果否，则字典中新增这个单词，同时对应的词频设置为1。

对应的Python代码实现如下：

#统计单词出现的频次
def computeFrequencies(wordList):
    #词频字典
    wordfrequencies = {}

    for word in wordList:
        if word not in wordfrequencies:
            # 单词不在单词词频字典中, 词频设置为1
            wordfrequencies[word] = 1
        else:
            # 单词在单词词频字典中, 词频加1
            wordfrequencies[word] = wordfrequencies[word]  + 1
     return wordfrequencies

有没有更简单的方式呢？答案是肯定的，就是使用Counter。collection 中的 Counter 类就完成了这样的功能，它是字典类的一个子类。Python代码变得无比简洁：

# 统计单词出现的频次
def computeFrequencies(wordList):
    #词频字典
    wordfrequencies = Counter(wordList)
    return wordfrequencies

感兴趣的可以深入阅读小编之前写的文章 ​​Python中的词频统计​​。

12、链式比较

在实际数字比较中，我们可能需要多次比较多次，比如我们判断学习成绩是否位于某个区间：

x = 79

>>> x < 80 and x > 70
True

而更Pythonic的写法变身链式比较，即：

x = 79

>>> 80 < x < 90
False

>>> 70 < x < 80
True

这种写法给人的感受也更为直观易懂。

13、函数返回多个值

在Java语言中，当函数需要返回多个值时，通常的做法是生成一个Response对象，然后将要返回的值写入对象内部。而Python不需要这样做，可以直接返回多个值：

def f():
    error_code = 0
    error_desc = "成功"
    return error_code, error_desc

使用的时候也会非常简单：

code, desc = f()
print code, desc

14、使用*运算符

*运算符和** 运算符完美的解决了将元组参数、字典参数进行  unpack，从而简化了函数定义的形式，如：

def fun(*args):
    for eacharg in args:
        print 'tuple arg:', eacharg

fun('I', 'love', 'Python')

运行的结果为：

tuple arg: I

tuple arg: love

tuple arg: Python

感兴趣的可以深入阅读小编之前写的文章 ​​Python 中的*args和**kwargs​​。

15、找出列表中出现最多的数

这是经常会遇到的一个问题。解决这个问题的其中一个思路是按照标题11提供的词频统计的方法，先统计词频，然后遍历字典，找出具有最大词频的数字。有没有更简洁的方式？

当然，Python代码如下：

num = [1, 3, 3, 4, 5, 6, 3, 6, 6, 6]

print  max(set(num),key=num.count)

这些Pythonic的代码是否让你耳目一新？你还能写出哪些Pythonic的代码？在留言区跟大家分享一下吧！