前言
当我们开始学习Python时，我们会养成一些不良编码习惯，而更可怕的是我们连自己也不知道。
我们学习变成的过程中，大概有会这样的经历: 写的代码只能完成了一次工作，但后来再执行就会报错或者失败，令人感到懊恼，
或者偶然发现一个内置函数可以让你的工作更轻松时，瞬间豁然开朗。
我们中的大多数人仍然有很多使用Python的坏习惯，这些习惯在我们学习python的前期就存在，今天你可以通过下面的章节来解
决它们。
当我们为了省事，我们临时加载包，使用:
1.from xyz import *
这不是一个好习惯，原因很多。仅举几个例子：
1.效率低下。如果该模块有大量的对象，需要等待很长时间，直到所有的object都被导入。
2.可能导致变量名之间的冲突。当你使用 *时，我们不知道导入哪些对象以及它们的名字。
如何处理这个问题？导入你打算使用的特定对象
1.# Using import * python学习交流Q群：906715085### 3.from math import * 5.print(floor(2.4)) 7.print(ceil(2.4)) 9.print(pi) 11.# Good 13.import math 15.from math import pi 17.print(math.floor(2.4)) 19.print(math.ceil(2.4)) 21.print(pi)
我已经忽略这个问题很长时间了～
在Pycharm中写python时候，总是提示我错误，嗯，你懂的，就是那些丑陋的下划线。我不应该使用 裸except。PEP 8指南中并
不推荐 裸except。
裸except的问题是它会捕捉SystemExit和KeyboardInterrupt异常，从而不能使用Control-C来中断程序。
下次你使用try/except时，在 except子句中会报错。
1.# Try - except 3.# 错误写法 5.try: 7.driver.find_element(...) 9.except: 11.print("Which exception?") 13.# 提倡写法 15.try: 17.driver.find_element(...) 19.except NoSuchElementException: 21.print("It's giving NoSuchElementException") 23.except ElementClickInterceptedException: 25.print("It's giving ElementClickInterceptedException")
提倡我们主动使用已经成熟包，这样写可以使Python更简洁、更有效率。
其中最应该用于数学计算的包是Numpy。Numpy可以帮助你比 for循环更快地解决数学运算。
假设我们有一个 random_scores数组，我们想得到没有通过考试的人的平均分数（分数<60）。让我们尝试用 for循环来解决这个问题。
1.import numpy as np 3.random_scores = np.random.randint(1, 100, size=10000001) 5.# bad (solving problem with a for loop) 7.count_failed = 0 9.sum_failed = 0 11.for score in random_scores: 13. if score < 70: 15. sum_failed += score 17. count_failed += 1 19.print(sum_failed/count_failed)
现在让我们用Numpy来解决这个问题。
1.# Good (solving problem using vector operations) 3.mean_failed = (random_scores[random_scores < 70]).mean() 5.print(mean_failed)
如果你同时运行两者，你会发现Numpy更快。为什么呢？因为Numpy将我们的操作向量化了。
- 不关闭之前打开的文件
大家都知道的好做法是，我们用Python打开的每个文件都必须关闭。
这就是为什么我们每次处理文件时都要使用 open, write/read, close。这很好，但是如果 write/read方法抛出一个异常，文件就不会被关闭。
为了避免这个问题，我们必须使用 with语句。这样，即使有异常，也会关闭该文件。
1.# Bad 3.f = open('dataset.txt', 'w') 5.f.write('new_data') 7.f.close() 9.# Good 11.with open('dataset.txt', 'w') as f: 13.f.write('new_data')
PEP8是一份每个学习Python的人都应该阅读的文件。它提供了关于如何编写Python代码的指南和最佳实践(本文中的一些建议来
自PEP8)
对于那些刚接触Python的人来说，这个准则可能会让他们感到担心，不过大可不必担心，一些PEP8规则被纳入IDE中（我就是这
样知道 裸except规则的）。
假设你在使用Pycharm。如果你写的代码没有遵循PEP8的准则，你会看到下面图片中那些难看的下划线。
如果你把鼠标悬停在下划线上，你会看到关于如何修复它们的提示。
在我的例子中，我只需要在 ,和 :后面添加一个空格。
1.# Good 3.my_list = [1, 2, 3, 4, 5] 5.my_dict = {'key1': 'value1', 'key2': 'value2'} 7.my_name = "Frank"
我还把我的变量 x的名字改为 my_name。这不是Pycharm建议的，但PEP8建议使用容易理解的变量名。
我想大多数人都知道在使用字典时， .keys和 .values方法的作用。
如果你不知道的话，让我们来看看。
1.dict_countries = {'USA': 329.5, 'UK': 67.2, 'Canada':
2.>>>dict_countries.keys()
3.dict_keys(['USA', 'UK', 'Canada'])
4.>>>dict_countries.values()
5.dict_values([329.5, 67.2, 38])
这里的问题，我们没有理解并正确使用它们。
假设我们想循环浏览 dictionary 并获得 keys。你可能会使用 .keys 方法，但是你知道你可以通过在字典中循环获得键吗？在这种
情况下，使用 .keys 将是不必要的。
1.# Not using .keys() properly 3.# Bad 5.for key in dict_countries.keys(): 7. print(key) 9.# Good 11.for key in dict_countries: 13. print(key)
另外，我们可能会想出一些变通的办法来获得字典的值，但这可以用 .items()方法轻松获得。
1.# Not using .items() 3.# Bad 5.for key in dict_countries: 7. print(dict_countries[key]) 9.# Good 11.for key, value in dict_countries.items(): 13. print(key) 15. print(value)
当你想在一个已经定义好的序列的基础上创建一个新的序列(列表、字典等)时，comprehension提供了一个更短的语法。
比如说我们想把我们的 countries列表中的所有元素都小写。
虽然你可以用一个 for循环来做这件事，但你可以用一个列表理解来简化事情。
理解是非常有用的，但是不要过度使用它们! 记住 Python 的禅宗。“简单比复杂好”。
1.# Bad 3.countries = ['USA', 'UK', 'Canada'] 5.lower_case = [] 7.for country in countries: 9. lower_case.append(country.lower()) 11.# Good (but don't overuse it!) 13.lower_case = [country.lower() for country in countries]
我们作为初学者最先学习的函数之一是 range和 len，所以难怪大多数人在循环浏览列表时都有写 range(len())的坏习惯。
假设我们有一个 countries, populations列表。如果我们想同时遍历两个列表，你可能会使用 range(len())。
1.# Using range(len()) 3.countries = ['USA', 'UK', 'Canada'] 5.populations = [329.5, 67.2, 38] 7.# Bad 9.for i in range(len(countries)): 11. country = countries[i] 13. population = populations[i] 15. print(f'{country} has a population of {population} million people')
虽然这可以完成工作, 但你可以使用 enumerate来简化事情 (或者更好的是, 使用 zip函数来配对两个列表中的元素)
1.# OK 3.for i, country in enumerate(countries): 5. population = populations[i] 7. print(f'{country} has a population of {population} million people') 9.# Much Better 11.for country, population in zip(countries, populations): 13. print(f'{country} has a population of {population} million people')
- 使用+运算符进行格式化
我们在Python中最先学会的东西之一可能是如何用 +运算符连接字符串。
这是在 Python 中连接字符串的一种有用但低效的方法。此外，它也不是那么好看–你需要连接的字符串越多，你使用的+就越多。
你可以使用 f-string来代替这个运算符。
1.# Formatting with + operator 3.# Bad 5.name = input("Introduce Name: ") 7.print("Good Morning, " + name + "!") 9.# Good 11.name = input("Introduce Name: ") 13.print(f'Good Morning, {name}')
string最大的特点是，它不仅对连接有用，而且有不同的应用。
如果你把一个可变的值（如list）作为一个函数的默认参数，你会看到一些意想不到的结果。
1.# Bad 2.def my_function(i, my_list=[]): 3. my_list.append(i) 4. return my_list 5.>>> my_function(1) 6.[1] 7.>>> my_function(2) 8.[1, 2] 9.>>> my_function(3) 10.[1, 2, 3]
在上面的代码中，每次我们调用 my_function函数时，列表my_list都会不断保存之前调用的值（很可能我们想在每次调用函数时
启动一个空列表）
为了避免这种行为，我们应该将这个 my_list参数设置为None，并加入下面的if子句。
1.# Good 2.def my_function(i, my_list=None): 3. if my_list is None: 4. my_list = [] 5. my_list.append(i) 6. return my_list 7.>>> my_function(1) 8.[1] 9.>>> my_function(2) 10.[2] 11.>>> my_function(3) 12.[3]
最后
今天的这篇文章到这里就结束了，喜欢的记得点赞收藏，更多的问题可以评论留言，看就就会回复的哟！！！
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：初学者必犯的10个Python错误 - Python技术站
微信扫一扫 
支付宝扫一扫 