11.4 【代码美化】Pythonic 代码的 15 个案例¶
Python由于语言的简洁性，让我们以人类思考的方式来写代码，新手更容易上手，老鸟更爱不释手。
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，这里明哥收集了一些比较常见的 Pythonic 写法，帮助你养成写优秀代码的习惯。
01. 变量交换¶
交换两个变量的值，正常都会想利用一个中间临时变量来过渡。
tmp = a
a = b
b = tmp
能用一行代码解决的（并且不影响可读性的），决不用三行代码。
a,b = b,a
02. 列表推导¶
下面是一个非常简单的 for 循环。
my_list = []
for i in range(10):
my_list.append(i*2)
在一个 for 循环中，如果逻辑比较简单，不如试用一下列表的列表推导式，虽然只有一行代码，但也逻辑清晰。
my_list = [i*2 for i in range(10)]
03. 单行表达式¶
上面两个案例，都将多行代码用另一种方式写成了一行代码。
这并不意味着，代码行数越少，就越 Pythonic 。
比如下面这样写，就不推荐。
print('hello'); print('world')
if x == 1: print('hello,world')
if <complex comparison> and <other complex comparison>:
# do something
建议还是按照如下的写法来
print（'hello'）
print（'world'）
if x == 1:
print('hello,world')
cond1 = <complex comparison>
cond2 = <other complex comparison>
if cond1 and cond2:
# do something
04. 带索引遍历¶
使用 for 循环时，如何取得对应的索引，初学者习惯使用 range + len 函数
for i in range(len(my_list)):
print(i, "-->", my_list[i])
更好的做法是利用 enumerate 这个内置函数
for i,item in enumerate(my_list):
print(i, "-->",item)
05. 序列解包¶
使用 * 可以对一个列表解包
a, *rest = [1, 2, 3]
# a = 1, rest = [2, 3]
a, *middle, c = [1, 2, 3, 4]
# a = 1, middle = [2, 3], c = 4
06. 字符串拼接¶
如果一个列表（或者可迭代对象）中的所有元素都是字符串对象，想要将他们连接起来，通常做法是
letters = ['s', 'p', 'a', 'm']
s=""
for let in letters:
s += let
更推荐的做法是使用 join 函数
letters = ['s', 'p', 'a', 'm']
word = ''.join(letters)
07. 真假判断¶
判断一个变量是否为真（假），新手习惯直接使用 == 与 True、False、None
进行对比
if attr == True:
print('True!')
if attr == None:
print('attr is None!')
实际上，""、[]、{}
这些没有任何元素的容器都是假值，可直接使用 if not xx 来判断。
if attr:
print('attr is truthy!')
if not attr:
print('attr is falsey!')
08. 访问字典元素¶
当直接使用 []
来访问字典里的元素时，若key不存在，是会抛异常的，所以新会可能会先判断一下是否有这个
key，有再取之。
d = {'hello': 'world'}
if d.has_key('hello'):
print(d['hello']) # prints 'world'
else:
print('default_value')
更推荐的做法是使用 get 来取，如果没有该 key 会默认返回
None（当然你也可以设置默认返回值）
d = {'hello': 'world'}
print(d.get('hello', 'default_value')) # prints 'world'
print(d.get('thingy', 'default_value')) # prints 'default_value'
09. 操作列表¶
下面这段代码，会根据条件过滤过列表中的元素
a = [3, 4, 5]
b = []
for i in a:
if i > 4:
b.append(i)
实际上可以使用列表推导或者高阶函数 filter 来实现
a = [3, 4, 5]
b = [i for i in a if i > 4]
# Or:
b = filter(lambda x: x > 4, a)
除了 filter 之外，还有 map、reduce 这两个函数也很好用
a = [3, 4, 5]
b = map(lambda i: i + 3, a)
# b: [6,7,8]
10. 文件读取¶
文件读取是非常常用的操作，在使用完句柄后，是需要手动调用 close 函数来关闭句柄的
fp = open('file.txt')
print(fp.read())
fp.close()
如果代码写得太长，即使你知道需要手动关闭句柄，却也会经常会漏掉。因此推荐养成习惯使用
with open 来读写文件，上下文管理器会自动执行关闭句柄的操作
with open('file.txt') as fp:
for line in fp.readlines():
print(line)
11. 代码续行¶
将一个长度较长的字符串放在一行中，是很影响代码可读性的(下面代码可向左滑动)
long_string = 'For a long time I used to go to bed early. Sometimes, when I had put out my candle, my eyes would close so quickly that I had not even time to say “I’m going to sleep.”'
稍等注重代码可读性的人，会使用三个引号 \来续写
long_string = 'For a long time I used to go to bed early. ' \
'Sometimes, when I had put out my candle, ' \
'my eyes would close so quickly that I had not even time to say “I’m going to sleep.”'
不过，对我来说，我更喜欢这样子写 使用括号包裹 ()
long_string = (
"For a long time I used to go to bed early. Sometimes, "
"when I had put out my candle, my eyes would close so quickly "
"that I had not even time to say “I’m going to sleep.”"
)
导包的时候亦是如此
from some.deep.module.inside.a.module import (
a_nice_function, another_nice_function, yet_another_nice_function)
12. 显式代码¶
有时候出于需要，我们会使用一些特殊的魔法来使代码适应更多的场景不确定性。
def make_complex(*args):
x, y = args
return dict(**locals())
但若非必要，请不要那么做。无端增加代码的不确定性，会让原先本就动态的语言写出更加动态的代码。
def make_complex(x, y):
return {'x': x, 'y': y}
13. 使用占位符¶
对于暂不需要，却又不得不接收的的变量，请使用占位符
filename = 'foobar.txt'
basename, _, ext = filename.rpartition('.')
14. 链式比较¶
对于下面这种写法
score = 85
if score > 80 and score < 90:
print("良好")
其实还有更好的写法
score = 85
if 80 < score < 90:
print("良好")
如果你理解了上面的链式比较操作，那么你应该知道为什么下面这行代码输出的结果是 False
>>> False == False == True
False
15. 三目运算¶
对于简单的判断并赋值
age = 20
if age > 18:
type = "adult"
else:
type = "teenager"
其实是可以使用三目运算，一行搞定。
age = 20
b = "adult" if age > 18 else "teenager"