给Python初学者的一些编程建议

Python是一种非常富有表现力的语言。它为我们提供了一个庞大的标准库和许多内置模块，帮助我们快速完成工作。然而，许多人可能会迷失在它提供的功能中，不能充分利用标准库，过度重视单行脚本，以及误解Python基本结构等。本文是一个关于Python新手可能会陷入的一些陷阱的不完全列表。

1.不知道Python版本

这是一个在StackOverflow上反复出现的问题。许多人能写出在某个版本上完美工作的代码，但在他们在自己的系统上安装有不同版本的Python。要确保你知道你正在使用的Python版本。

你可以通过下边的代码查看Python版本：

[pythontab@testServer]$ python --version

Python 2.7.10

[pythontab@testServer]$ python --V

Python 2.7.10

上面两种方法都是可以的

2.不使用版本管理器

pyenv是一个极好的管理不同Python版本的工具，但很不幸，它只工作在*nix系统上。在Mac系统上，你可以简单地通过brew install pyenv安装它，在Linux上，也有一个自动安装程序。

3.沉迷于一行程序

许多人热衷于一行程序带来的兴奋感。即使他们的一行解决方案比一个多行解决方案低效，他们也会吹嘘。

Python中的一行程序在本质上意味着具有多个表达式的复杂推导。例如：

1	`l` `=` `[m` `for` `a, b` `in` `zip(this, that)` `if` `b.method(a) !=` `b` `for` `m` `in` `b` `if` `not` `m.method(a, b)` `and` `reduce(lambda` `x, y: a` `+` `y.method(), (m, a, b))]`

老实讲，我编造了上面的例子。但我看到很多人都写类似的代码。这样的代码在一个星期后就会变得难以理解。如果你想做一些稍微复杂的事情，例如根据条件简单地在一个列表或集合中添加一个元素，你可能就会犯错误。

单行代码并不是什么成就，是的，他们可能看起来很灵活，但不是什么成就。想象一下，这就像是你在打扫房间时把所有的东西都塞进你的衣橱。好的代码应该是干净的，易于阅读的和高效的。

4.利用错误的方式初始化一个集合

这是一个更微妙的问题，可能让你措手不及。集合推导很像列表推导。

>>> { n for n in range(10) if n % 2 == 0 }

{0, 8, 2, 4, 6}

>>> type({ n for n in range(10) if n % 2 == 0 })

上面就是集合推导的一个例子。集合就像列表，也是一个容器。所不同的是，一个集合中不能有任何重复的值，而且是无序的。看到集合推导人们经常错误地认为{}能初始化一个空集合。但其实不然，它初始化一个空字典。

>>> {}

{}

>>> type({})

如果你想初始化一个空集合，可以简单地调用set()方法。

>>> set()

set()

>>> type(set())

注意一个空集合用set()表示，但是一个包含一些元素的集合就就要用花括号包围元素来表示。

>>> s = set()

>>> s

set()

>>> s.add(1)

>>> s

{1}

>>> s.add(2)

>>> s

{1, 2}

这和直觉是相反的，因为你期望类似于set([1, 2])的一些东西。

5.误解GIL

GIL（全局解释器锁）意味着在Python程序中，任意一个时间点只能有一个线程在运行。这意味着当我们创建一个线程并希望它并行运行时，它并不会那样。Python解释器实际的工作是在不同的运行线程之间快速进行切换。但这只是对实际发生事情的一个非常简单的解释，实际情况要复杂的多。有很多种并行运行的实例，例如使用本质为C扩展的各种库。但运行Python代码时，大部分时间里它不会并行执行。换句话说，Python中的线程并不像Java或C++中的线程。

许多人会尝试为Python辩解，说这些都是真正的线程。这确实是真的，但并不能改变这样一个事实：Python处理线程的方式和你期望的方式是不同的。Ruby语言也有相同的情况（Ruby也有一个解释器锁）。

指定的解决方案是使用multiprocessing模块。multiprocessing模块提供Process类，它是一个对fork的很好的覆盖。然而，fork过程比一个线程的代价高得多，所以你可能不会每次都能看到性能上的提升，因为不同的process之间需要做大量的工作来进行相互协调。

然而，这个问题并不存在于每一个Python的实现版本中。例如，Python的一个实现PyPy-stm就试图摆脱GIL（仍未稳定）。建立在其他平台，如JVM（Jython）或CLR（IronPython），上的Python实现，也没有GIL的问题。

总之，使用Thread类时要多加小心，你得到的可能不是你想要的。

6.使用旧式类

在Python 2中，有两种类型的类，分别为“旧式”类和“新式”类。如果你使用Python 3，那么你默认使用“新式”类。为了确保在Python2中使用“新式”类，你需要让你新创建的每一个类都继承object类，且类不能已继承了内置类型，例如int或list。换句话说，你的基类、类如果不继承其他类，就总是需要继承object类。

1 2	`class` `MyNewObject(object):` `# stuff here`

这些“新式”类解决一些老式类的根本缺陷，想要详细了解新式类和旧式类请

7.按错误的方式迭代

对于这门语言的新手来说，下边的代码是非常常见的：

1 2	`for` `name_index` `in` `range(len(names)):` `print(names[name_index])`

在上边的例子中，没有必须调用len函数，因为列表迭代实际上要简单得多：

1 2	`for` `name` `in` `names:` `print(name)`

此外，还有一大堆其他的工具帮助你简化迭代。例如，可以使用zip同时遍历两个列表：

1 2	`for` `cat, dog` `in` `zip(cats, dogs):` `print(cat, dog)`

如果你想同时考虑列表变量的索引和值，可以使用enumerate：

1 2	`for` `index, cat` `in` `enumerate(cats):` `print(cat, index)`

在itertools中也有很多有用的函数供你选择。然而请注意，使用itertools函数并不总是正确的选择。如果itertools中的一个函数为你试图解决的问题提供了一个非常方便的解决办法，例如铺平一个列表或根据给定的列表创建一个其内容的排列，那就用它吧。但是不要仅仅因为你想要它而去适应你代码的一部分。

滥用itertools引发的问题出现的过于频繁，以至于在StackOverflow上一个德高望重的Python贡献者已经贡献他们资料的重要组成部分来解决这些问题。

8.使用可变的默认参数

我多次见到过如下的代码：

def foo(a, b, c=[]):

# append to c

# do some more stuff

永远不要使用可变的默认参数，可以使用如下的代码代替：

def foo(a, b, c=None):

if c is None:

c = []

# append to c

# do some more stuff

与其解释这个问题是什么，不如展示下使用可变默认参数的影响：

>>> def foo(a, b, c=[]):

... c.append(a)

... c.append(b)

... print(c)

...

>>> foo(1, 1)

[1, 1]

>>> foo(1, 1)

[1, 1, 1, 1]

>>> foo(1, 1)

[1, 1, 1, 1, 1, 1]

同一个变量c在函数调用的每一次都被反复引用。这可能有一些意想不到的后果。

总结

这些只是相对来说刚接触Python的人可能会遇到的一些问题。然而请注意，可能会遇到的问题远非就这么些。然而另一些缺陷是人们像使用Java或C++一样使用Python，并且试图按他们熟悉的方式使用Python。