編碼原則

　　建議1：理解 Pythonic 概念—-詳見 Python 中的《Python之禪》

　　建議2：編寫 Pythonic 代碼

　　●避免不規(guī)范代碼，比如只用大小寫區(qū)分變量、使用容易混淆的變量名、害怕過長變量名等。有時候長的變量名會使代碼更加具有可讀性。

　　●深入學習 Python 相關知識，比如語言特性、庫特性等，比如Python演變過程等。深入學習一兩個業(yè)內(nèi)公認的 Pythonic 的代碼庫，比如Flask等。

　　建議3：理解 Python 與 C 的不同之處，比如縮進與 {}，單引號雙引號，三元操作符?， Switch-Case 語句等。

　　建議4：在代碼中適當添加注釋

　　建議5：適當添加空行使代碼布局更加合理

　　建議6：編寫函數(shù)的 4 個原則

　　●函數(shù)設計要盡量短小，嵌套層次不宜過深

　　●函數(shù)聲明應該做到合理、簡單、易用

　　●函數(shù)參數(shù)設計應該考慮向下兼容

　　●一個函數(shù)只做一件事，盡量保證函數(shù)粒度的一致性

　　建議7：將常量集中在一個文件，且常量名盡量使用全大寫字母

　　編程慣用法

　　建議8：利用 assert 語句來發(fā)現(xiàn)問題，但要注意，斷言 assert 會影響效率

　　建議9：數(shù)據(jù)交換值時不推薦使用臨時變量，而是直接 a, b = b, a

　　建議10：充分利用惰性計算(Lazy evaluation)的特性，從而避免不必要的計算

　　建議11：理解枚舉替代實現(xiàn)的缺陷(最新版 Python 中已經(jīng)加入了枚舉特性)

　　建議12：不推薦使用 type 來進行類型檢查，因為有些時候 type 的結(jié)果并不一定可靠。如果有需求，建議使用 isinstance 函數(shù)來代替

　　建議13：盡量將變量轉(zhuǎn)化為浮點類型后再做除法(Python3 以后不用考慮)

　　建議14：警惕eval()函數(shù)的安全漏洞，有點類似于 SQL 注入

　　建議15：使用 enumerate() 同時獲取序列迭代的索引和值

　　建議16：分清 == 和 is 的適用場景，特別是在比較字符串等不可變類型變量時(詳見評論)

　　建議17：盡量使用 Unicode。在 Python2 中編碼是很讓人頭痛的一件事，但 Python3 就不用過多考慮了

　　建議18：構(gòu)建合理的包層次來管理 Module

　　編程慣用法2

　　建議19：有節(jié)制的使用 from…import 語句，防止污染命名空間

　　建議20：優(yōu)先使用 absolute import 來導入模塊(Python3中已經(jīng)移除了relative import)

　　建議21：i+=1 不等于 ++i，在 Python 中，++i 前邊的加號僅表示正，不表示操作

　　建議22：習慣使用 with 自動關閉資源，特別是在文件讀寫中

　　建議23：使用 else 子句簡化循環(huán)(異常處理)

　　建議24：遵循異常處理的幾點基本原則

　　●注意異常的粒度，try 塊中盡量少寫代碼

　　●謹慎使用單獨的 except 語句，或 except Exception 語句，而是定位到具體異常

　　●注意異常捕獲的順序，在合適的層次處理異常

　　●使用更加友好的異常信息，遵守異常參數(shù)的規(guī)范

　　建議25：避免 finally 中可能發(fā)生的陷阱

　　建議26：深入理解 None，正確判斷對象是否為空。

　　建議27：連接字符串應優(yōu)先使用 join 函數(shù)，而不是+操作

　　建議28：格式化字符串時盡量使用 format 函數(shù)，而不是 % 形式

　　建議29：區(qū)別對待可變對象和不可變對象，特別是作為函數(shù)參數(shù)時

　　建議30：[], {}和()：一致的容器初始化形式。使用列表解析可以使代碼更清晰，同時效率更高

　　建議31：函數(shù)傳參數(shù)，既不是傳值也不是傳引用，而是傳對象或者說對象的引用

　　建議32：警惕默認參數(shù)潛在的問題，特別是當默認參數(shù)為可變對象時

　　建議33：函數(shù)中慎用變長參數(shù) args 和 kargs

　　●這種使用太靈活，從而使得函數(shù)簽名不夠清晰，可讀性較差

　　●如果因為函數(shù)參數(shù)過多而是用變長參數(shù)簡化函數(shù)定義，那么一般該函數(shù)可以重構(gòu)

　　建議34：深入理解 str()和 repr() 的區(qū)別

　　●兩者之間的目標不同：str 主要面向客戶，其目的是可讀性，返回形式為用戶友好性和可讀性都比較高的字符串形式;而 repr 是面向 Python 解釋器或者說Python開發(fā)人員，其目的是準確性，其返回值表示 Python 解釋器內(nèi)部的定義

　　●在解釋器中直接輸入變量，默認調(diào)用repr函數(shù)，而print(var)默認調(diào)用str函數(shù)

　　●repr函數(shù)的返回值一般可以用eval函數(shù)來還原對象

　　●兩者分別調(diào)用對象的內(nèi)建函數(shù) str ()和 repr ()

　　建議35：分清靜態(tài)方法 staticmethod 和類方法 classmethod 的使用場景

　　庫的使用

　　建議36：掌握字符串的基本用法

　　建議37：按需選擇 sort() 和 sorted() 函數(shù)

　　●sort() 是列表在就地進行排序，所以不能排序元組等不可變類型。

　　●sorted() 可以排序任意的可迭代類型，同時不改變原變量本身。

　　建議38：使用copy模塊深拷貝對象，區(qū)分淺拷貝(shallow copy)和深拷貝(deep copy)

　　建議39：使用 Counter 進行計數(shù)統(tǒng)計，Counter 是字典類的子類，在 collections 模塊中

　　建議40：深入掌握 ConfigParse

　　建議41：使用 argparse 模塊處理命令行參數(shù)

　　建議42：使用 pandas 處理大型 CSV 文件

　　●Python 本身提供一個CSV文件處理模塊，并提供reader、writer等函數(shù)。

　　●Pandas 可提供分塊、合并處理等，適用于數(shù)據(jù)量大的情況，且對二維數(shù)據(jù)操作更方便。

　　建議43：使用 ElementTree解析XML

　　建議44：理解模塊 pickle 的優(yōu)劣

　　●優(yōu)勢：接口簡單、各平臺通用、支持的數(shù)據(jù)類型廣泛、擴展性強

　　●劣勢：不保證數(shù)據(jù)操作的原子性、存在安全問題、不同語言之間不兼容

　　建議45：序列化的另一個選擇 JSON 模塊：load 和 dump 操作

　　建議46：使用 traceback 獲取棧信息

　　建議47：使用 logging 記錄日志信息

　　建議48：使用 threading 模塊編寫多線程程序

　　建議49：使用 Queue 模塊使多線程編程更安全

　　設計模式

　　建議50：利用模塊實現(xiàn)單例模式

　　建議51：用 mixin 模式讓程序更加靈活

　　建議52：用發(fā)布-訂閱模式實現(xiàn)松耦合

　　建議53：用狀態(tài)模式美化代碼

　　內(nèi)部機制

　　建議54：理解 build-in 對象

　　建議55：__init__ ()不是構(gòu)造方法，理解 new ()與它之間的區(qū)別

　　建議56：理解變量的查找機制，即作用域

　　●局部作用域

　　●全局作用域

　　●嵌套作用域

　　●內(nèi)置作用域

　　建議57：為什么需要self參數(shù)

　　建議58：理解 MRO(方法解析順序)與多繼承

　　建議59：理解描述符機制

　　建議60：區(qū)別 getattr ()與 getattribute ()方法之間的區(qū)別

　　建議61：使用更安全的 property

　　建議62：掌握元類 metaclass

　　建議63：熟悉 Python 對象協(xié)議

　　建議64：利用操作符重載實現(xiàn)中綴語法

　　建議65：熟悉 Python 的迭代器協(xié)議

　　建議66：熟悉 Python 的生成器

　　建議67：基于生成器的協(xié)程和 greenlet，理解協(xié)程、多線程、多進程之間的區(qū)別

　　建議68：理解 GIL 的局限性

　　建議69：對象的管理和垃圾回收

　　使用工具輔助項目開發(fā)

　　建議70：從 PyPI 安裝第三方包

　　建議71：使用 pip 和 yolk 安裝、管理包

　　建議72：做 paster 創(chuàng)建包

　　建議73：理解單元測試的概念

　　建議74：為包編寫單元測試

　　建議75：用測試驅(qū)動開發(fā)(TDD)提高代碼的可測性

　　建議76：使用 Pylint 檢查代碼風格

　　●代碼風格審查

　　●代碼錯誤檢查

　　●發(fā)現(xiàn)重復以及不合理的代碼，方便重構(gòu)

　　●高度的可配置化和可定制化

　　●支持各種 IDE 和編輯器的集成

　　●能夠基于 Python 代碼生成 UML 圖

　　●能夠與 Jenkins 等持續(xù)集成工具相結(jié)合，支持自動代碼審查

　　建議77：進行高效的代碼審查

　　建議78：將包發(fā)布到 PyPI

　　性能剖析與優(yōu)化

　　建議79：了解代碼優(yōu)化的基本原則

　　建議80：借助性能優(yōu)化工具

　　建議81：利用 cProfile 定位性能瓶頸

　　建議82：使用 memory_profiler 和 objgraph 剖析內(nèi)存使用

　　建議83：努力降低算法復雜度

　　建議84：掌握循環(huán)優(yōu)化的基本技巧

　　●減少循環(huán)內(nèi)部的計算

　　●將顯式循環(huán)改為隱式循環(huán)，當然這會犧牲代碼的可讀性

　　●在循環(huán)中盡量引用局部變量

　　●關注內(nèi)層嵌套循環(huán)

　　建議85：使用生成器提高效率

　　建議86：使用不同的數(shù)據(jù)結(jié)構(gòu)優(yōu)化性能

　　建議87：充分利用 set 的優(yōu)勢

　　建議88：使用 multiprocessing 模塊克服 GIL 缺陷

　　建議89：使用線程池提高效率

　　建議90：使用 Cythonb 編寫擴展模塊