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
进击の戴戴
讨论数量: 1

可以发一篇详细介绍列表表达式的文章吗 :horse: :horse:

1周前 评论

请勿发布不友善或者负能量的内容。与人为善,比聪明更重要!