10 个 推荐的 Python 代码习惯

日常工作需要写很多脚本和小项目，分享一些经验和代码习惯，比较主观，有爱自取，求同存异。

1. 使用 tqdm 包查看处理进度，复杂情况可以考虑 fastprogress

2. 参数过多，并且希望终端直接修改，推荐 YACS — Yet Another Configuration System

3. 如果可配置参数比较多，使用容易错误，可以增加确认的过程

   enter = raw_input("confirm (y/n): ")
   if enter.lower() != 'y':
        exit()

4. 无需前端知识，可以使用开源库 streamlit 快速构建机器学习相关的 web debug 工具 Streamlit — The fastest way to build custom ML tools

   import streamlit as st
   st.write('Hello, world!')

5. 如有可能，尽量格式化排版

6. 小脚本对文件的处理可以通过 print 方式直接输出，方便使用管道命令进一步处理

7. 运行报错时，直接对那段代码加一个异常捕捉 + IPDB 调试，简单高效

   try:
        do_something_with_xxxError()
   except xxxError:
        import ipdb; ipdb.set_trace()

8. 不要重复造轮子，也要注意把自己常用的代码片段收集整理

   def split_chunks(data, n):
        if data is None:
            return None
        N = len(data)
        m = int(math.ceil(N / float(n)))
        res = [[] for i in range(n)]
        for i in range(n):
            res[i] = data[i*m: (i+1)*m]
        return res

9. 多使用列表表达式，简化常用代码。

   with open(path) as f:
        lines = [l.strip() for l in f.readlines()]

10. 可以允许单文件脚本较长，但不允许单函数又臭又长，理清逻辑，划分为多个函数方便修改。

本作品采用《CC 协议》，转载必须注明作者和本文链接