下面是作者自己的經歷和一些建議供大家學習參考：寫Python也有四五年了，一直是用自己的“強迫症”在維持自己程式碼的質量，除了Google的Python程式碼規範外，從來沒有讀過類似的書籍。偶然的機會看到這麼一本書，讀完之後覺得還不錯，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程式碼

（1）避免不規範程式碼，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程式碼更加具有可讀性。

（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的程式碼庫，比如Flask等。

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

建議4：在程式碼中適當添加註釋

建議5：適當新增空行使程式碼佈局更加合理

建議6：編寫函式的4個原則

（1）函式設計要儘量短小，巢狀層次不宜過深

（2）函式宣告應該做到合理、簡單、易用

（3）函式引數設計應該考慮向下相容

（4）一個函式只做一件事，儘量保證函式粒度的一致性

建議7：將常量集中在一個檔案，且常量名儘量使用全大寫字母

2：程式設計慣用法

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：資料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：理解列舉替代實現的缺陷（最新版Python中已經加入了列舉特性）

建議12：不推薦使用type來進行型別檢查，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函式來代替

建議13：儘量將變數轉化為浮點型別後再做除法（Python3以後不用考慮）

建議14：警惕eval()函式的安全漏洞，有點類似於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，特別是在比較字串等不可變型別變數時（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，防止汙染名稱空間

建議20：優先使用absolute import來匯入模組（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，特別是在檔案讀寫中

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

（1）注意異常的粒度，try塊中儘量少寫程式碼

（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資訊，遵守異常引數的規範

建議25：避免finally中可能發生的陷阱

建議26：深入理解None，正確判斷物件是否為空。Python中下列資料會判斷為空：

建議27：連線字串應優先使用join函式，而不是+操作

建議28：格式化字串時儘量使用.format函式，而不是%形式

建議29：區別對待可變物件和不可變物件，特別是作為函式引數時

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

建議31：函式傳引數，既不是傳值也不是傳引用，而是傳物件或者說物件的引用

建議32：警惕預設引數潛在的問題，特別是當預設引數為可變物件時

建議33：函式中慎用變長引數args和*kargs

（1）這種使用太靈活，從而使得函式簽名不夠清晰，可讀性較差

（2）如果因為函式引數過多而是用變長引數簡化函式定義，那麼一般該函式可以重構

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，返回形式為使用者友好性和可讀性都比較高的字串形式；而repr是面向Python直譯器或者說Python開發人員，其目的是準確性，其返回值表示Python直譯器內部的定義

（2）在直譯器中直接輸入變數，預設呼叫repr函式，而print(var)預設呼叫str函式

（3）repr函式的返回值一般可以用eval函式來還原物件

（4）兩者分別呼叫物件的內建函式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：掌握字串的基本用法

建議37：按需選擇sort()和sorted()函式

》sort()是列表在就地進行排序，所以不能排序元組等不可變型別。

》sorted()可以排序任意的可迭代型別，同時不改變原變數本身。

建議38：使用copy模組深拷貝物件，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模組中

建議40：深入掌握ConfigParser

建議41：使用argparse模組處理命令列引數

建議42：使用pandas處理大型CSV檔案

》Python本身提供一個CSV檔案處理模組，並提供reader、writer等函式。

》Pandas可提供分塊、合併處理等，適用於資料量大的情況，且對二維資料操作更方便。

建議43：使用ElementTree解析XML

建議44：理解模組pickle的優劣

》優勢：介面簡單、各平臺通用、支援的資料型別廣泛、擴充套件性強

》劣勢：不保證資料操作的原子性、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模組：load和dump操作

建議46：使用traceback獲取棧資訊

建議47：使用logging記錄日誌資訊

建議48：使用threading模組編寫多執行緒程式

建議49：使用Queue模組使多執行緒程式設計更安全

5：設計模式

建議50：利用模組實現單例模式

建議51：用mixin模式讓程式更加靈活

建議52：用釋出-訂閱模式實現鬆耦合

建議53：用狀態模式美化程式碼

6：內部機制

建議54：理解build-in物件

建議55：init__()不是構造方法，理解__new()與它之間的區別

建議56：理解變數的查詢機制，即作用域

》區域性作用域

》全域性作用域

》巢狀作用域

》內建作用域

建議57：為什麼需要self引數

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物件協議

建議64：利用操作符過載實現中綴語法

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、多執行緒、多程序之間的區別

建議68：理解GIL的侷限性

建議69：物件的管理和垃圾回收

7：使用工具輔助專案開發

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建立包

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）提高程式碼的可測性

建議76：使用Pylint檢查程式碼風格

》程式碼風格審查

》程式碼錯誤檢查

》發現重複以及不合理的程式碼，方便重構

》高度的可配置化和可定製化

》支援各種IDE和編輯器的整合

》能夠基於Python程式碼生成UML圖

》能夠與Jenkins等持續整合工具相結合，支援自動程式碼審查

建議77：進行高效的程式碼審查

建議78：將包釋出到PyPI

8：效能剖析與優化

建議79：瞭解程式碼優化的基本原則

建議80：藉助效能優化工具

建議81：利用cProfile定位效能瓶頸

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，當然這會犧牲程式碼的可讀性

》在迴圈中儘量引用區域性變數

》關注內層巢狀迴圈

建議85：使用生成器提高效率

建議86：使用不同的資料結構優化效能

建議87：充分利用set的優勢

建議88：使用multiprocessing模組克服GIL缺陷

建議89：使用執行緒池提高效率

建議90：使用C/C++模組擴充套件提高效能

建議91：使用Cythonb編寫擴充套件模組

來源：笑虎

zhuanlan.zhihu.com/p/32817459

 

關注公眾賬號

【飛馬會】

▼

 

 

 

往期福利

關注飛馬會公眾號，回覆對應關鍵詞打包下載學習資料；回覆“入群”，加入飛馬網AI、大資料、專案經理學習群，和優秀的人一起成長！

回覆 數字“1”下載從入門到研究，人工智慧領域最值得一讀的10本資料（附下載）

回覆 數字“2”機器學習 & 資料科學必讀的經典書籍，內附資料包！