Linuxeden开源社区Python 这门语言最大的优点之一就是语法简洁，好的代码就像伪代码一样，干净、整洁、一目了然。但有时候我们写代码，特别是 Python 初学者，往往还是按照其它语言的思维习惯来写，那样的写法不仅运行速度慢，代码读起来也费尽，给人一种拖泥带水的感觉，过段时间连自己也读不懂。
《计算机程序的构造和解释》的作者哈尔·阿伯尔森曾这样说：“Programs must be written for people to read, and only incidentally for machines to execute.”
要写出 Pythonic（优雅的、地道的、整洁的）代码，还要平时多观察那些大牛代码，Github 上有很多非常优秀的源代码值得阅读，比如：requests、flask、tornado，笔者列举一些常见的 Pythonic 写法，希望能给你带来一点启迪。
1、变量交换
大部分编程语言中交换两个变量的值时，不得不引入一个临时变量：
|
1
2
3
4
5
|
>>> a = 1
>>> b = 2
>>> tmp = a
>>> a = b
>>> b = tmp
|
pythonic
|
1
|
>>> a, b = b, a
|
2、循环遍历区间元素
|
1
2
3
4
5
|
for i in [0, 1, 2, 3, 4, 5]:
(print i)
# 或者
for i in range(6):
(print i)
|
pythonic
|
1
2
|
for i in xrange(6):
(print i)
|
xrange 返回的是生成器对象，生成器比列表更加节省内存，不过需要注意的是 xrange 是 python2 中的写法，python3 只有 range 方法，特点和 xrange 是一样的。
3、带有索引位置的集合遍历
遍历集合时如果需要使用到集合的索引位置时，直接对集合迭代是没有索引信息的，普通的方式使用：
|
1
2
3
4
|
colors = [‘red’, ‘green’, ‘blue’, ‘yellow’]
for i in range(len(colors)):
print (i, ‘—>’, colors[i])
|
pythonic
|
1
2
|
for i, color in enumerate(colors):
print (i, ‘—>’, color)
|
4、字符串连接
字符串连接时，普通的方式可以用 + 操作
|
1
2
3
4
5
6
7
|
names = [‘raymond’, ‘rachel’, ‘matthew’, ‘roger’,
‘betty’, ‘melissa’, ‘judith’, ‘charlie’]
s = names[0]
for name in names[1:]:
s += ‘, ‘ + name
print (s)
|
pythonic
|
1
|
print (‘, ‘.join(names))
|
join 是一种更加高效的字符串连接方式，使用 + 操作时，每执行一次+操作就会导致在内存中生成一个新的字符串对象，遍历8次有8个字符串生成，造成无谓的内存浪费。而用 join 方法整个过程只会产生一个字符串对象。
5、打开/关闭文件
执行文件操作时，最后一定不能忘记的操作是关闭文件，即使报错了也要 close。普通的方式是在 finnally 块中显示的调用 close 方法。
|
1
2
3
4
5
|
f = open(‘data.txt’)
try:
data = f.read()
finally:
f.close()
|
pythonic
|
1
2
|
with open(‘data.txt’) as f:
data = f.read()
|
使用 with 语句，系统会在执行完文件操作后自动关闭文件对象。
6、列表推导式
能够用一行代码简明扼要地解决问题时，绝不要用两行，比如
|
1
2
3
4
|
result = []
for i in range(10):
s = i*2
result.append(s)
|
pythonic
|
1
|
[i*2 for i in xrange(10)]
|
与之类似的还有生成器表达式、字典推导式，都是很 pythonic 的写法。
7、善用装饰器
装饰器可以把与业务逻辑无关的代码抽离出来，让代码保持干净清爽，而且装饰器还能被多个地方重复利用。比如一个爬虫网页的函数，如果该 URL 曾经被爬过就直接从缓存中获取，否则爬下来之后加入到缓存，防止后续重复爬取。
|
1
2
3
4
5
6
|
def web_lookup(url, saved={}):
if url in saved:
return saved[url]
page = urllib.urlopen(url).read()
saved[url] = page
return page
|
pythonic
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import urllib #py2
#import urllib.request as urllib # py3
def cache(func):
saved = {}
def wrapper(url):
if url in saved:
return saved[url]
else:
page = func(url)
saved[url] = page
return page
return wrapper
<a href=“http://www.jobbole.com/members/jjq153287083”>@cache</a>
def web_lookup(url):
return urllib.urlopen(url).read()
|
用装饰器写代码表面上感觉代码量更多，但是它把缓存相关的逻辑抽离出来了，可以给更多的函数调用，这样总的代码量就会少很多，而且业务方法看起来简洁了。
8、合理使用列表
列表对象（list）是一个查询效率高于更新操作的数据结构，比如删除一个元素和插入一个元素时执行效率就非常低，因为还要对剩下的元素进行移动
|
1
2
3
4
|
names = [‘raymond’, ‘rachel’, ‘matthew’, ‘roger’,
‘betty’, ‘melissa’, ‘judith’, ‘charlie’]
names.pop(0)
names.insert(0, ‘mark’)
|
pythonic
|
1
2
3
4
5
|
from collections import deque
names = deque([‘raymond’, ‘rachel’, ‘matthew’, ‘roger’,
‘betty’, ‘melissa’, ‘judith’, ‘charlie’])
names.popleft()
names.appendleft(‘mark’)
|
deque 是一个双向队列的数据结构，删除元素和插入元素会很快
9、序列解包
|
1
2
3
4
5
6
|
p = ‘vttalk’, ‘female’, 30, ‘python@qq.com’
name = p[0]
gender = p[1]
age = p[2]
email = p[3]
|
pythonic
|
1
|
name, gender, age, email = p
|
10、遍历字典的 key 和 value
方法一速度没那么快，因为每次迭代的时候还要重新进行hash查找 key 对应的 value。
方法二遇到字典非常大的时候，会导致内存的消耗增加一倍以上
|
1
2
3
4
5
6
7
|
# 方法一
for k in d:
print (k, ‘—>’, d[k])
# 方法二
for k, v in d.items():
print (k, ‘—>’, v)
|
pythonic
|
1
2
|
for k, v in d.iteritems():
print (k, ‘—>’, v)
|
iteritems 返回迭代器对象，可节省更多的内存，不过在 python3 中没有该方法了，只有 items 方法，等值于 iteritems。
当然还有很多 pythonic 写法，在此不再一一列举，说不定有第二期，欢迎留言。觉得不错就赞一个吧 (^o^)/
转自 http://python.jobbole.com/87851/