Python心得--如何提高代码质量

前些日子用python基于prometheus开发了一个vsphere volume卷监控的exporter，于是跟vsphere的api(pyvmomi)接口打上了交道，开发的过程中你会发现pyvmomi的接口返回的对象好多列表类型的，当你取其中一个对象的时候可能需要进行多层的循环遍历。于是促使了我写这一篇文章，记录一下在使用python搬砖过程中的一些心得体会。如有错误，欢迎大家指正。

Python里面所谓高质量的代码，我自己理解的主要是两方面。一是编写具有python风格的代码，即所谓的Pythonic；二是代码的执行效率。Python的执行效率一直被人诟病，这点我承认，但我更认同的一种说法是“编程语言本身没有好坏，关键在于使用者的使用方法是否恰当。”以下是个人总结的，在python编程过程中常见的几点提高代码质量的方法：变量的赋值

In [11]: a, b = 10, 50 # 赋值写在一行
In [12]: a
Out[12]: 10
In [13]: b
Out[13]: 50
In [14]: a, b = b, a # a, b互换
In [15]: a
Out[15]: 50
In [16]: b
Out[16]: 10

变量交换的时候尽量避免使用中间变量增加开销。2. 列表推导提高效率和可读性如下生成一个新的列表：

In [17]: [n for n in range(10)]
Out[17]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

另一方面，列表推导也可能被滥用。通常的原则是，只用列表推导来创建新的列表，并且尽量保持简短。 如果列表推导的代码超过了两行，你可能就要考虑是不是得用 for 循环重写了。就跟写文章一样，并没有什么硬性的规则，这个度需要自己把握。3. 列表和字典的迭代列表使用enumerate() 获取list的索引和值，字典使用iteritems方法获取索引和值。

In [18]: l1 = [n for n in range(10)]
In [21]: for k, v in enumerate(l1):
....: print k, v
....:
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
In [23]: dict1 = {'a':1, 'b':2, 'c':3, 'd':4}
In [24]: dict1
Out[24]: {'a': 1, 'b': 2, 'c': 3, 'd': 4}
In [25]: for k, v in dict1.iteritems():
....: print k, v
....:
a 1
c 3
b 2
d 4

4. 使用三元表达式进行条件赋值三元表达式允许用简单的一行快速判断，而不是使用复杂的多行if语句，可以使代码简单、可维护。

In [26]: 1 if 5>3 else 0
Out[26]: 1
In [27]: 1 if 5>8 else 0
Out[27]: 0

举一个在实际生产中运用列表推导和三元表达式结合使用的例子：

dc_list = [datacenter for datacenter in root_folder.childEntity if isinstance(
datacenter, vim.Datacenter)]

这里生成了一个名为dc_list的列表，首先在"root_folder.childEntity"中遍历出datacenter，接着判断这个datacenter是否是一个"vim.Datacenter"的实例，如果为真，加入到dc_list列表中，最终返回该datacenter列表。5. 使用 with 自动关闭资源对文件操作完成后应该立即关闭它们，因为打开的文件不仅会占用系统资源，而且可能影响其他程序或者进程的操作，甚至会导致用户期望与实际操作结果不一致。

In [5]: with open('111.py', 'rb') as file:
...: for line in file:
...: print line
...:
#!/usr/bin/env python
# -*- coding:utf-8 -*-
print "name is %s" % __file__

6. 使用yield这里有一个生成斐波那契数列的例子：

In [8]: def fab(n):
...: a, b = 0, 1
...: for i in xrange(n):
...: yield b
...: a, b = b, a + b
...:
In [9]: fab(20)
Out[9]: <generator object fab at 0x1092975a0>
In [10]: for n in fab(20):
....: print n
....:
1
1
2
3
5
8
13
21
34
55
89
144
233
377
610
987
1597
2584
4181
6765

可以看出一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。7. 减少循环内部执行的计算优化python循环的关键一点，是要减少Python在循环内部执行的工作量。

In [30]: a = range(10000)
In [31]: size_a = len(a)
In [32]: %timeit -n 1000 for i in a: k = len(a)
1000 loops, best of 3: 658 μs per loop
In [33]: %timeit -n 1000 for i in a: k = size_a
1000 loops, best of 3: 304 μs per loop

8. 字符串连接优先使用"join"，而不是“+”

In [42]: letter = ['a', 'b', 'c', 'd']
In [43]: print ''.join(letter)
abcd

9. None类型判断不要使用‘==’ None的形式：

if foo == None:
do_something()

正确用法：

if not foo:
do_something()

10. “过早的优化是万恶之源”
最后不得不提一下这句话，借用一下别人的诠释：

Make it Work.
Make it Right.
Make it Fast.
不要跳过前面两个直奔第三个！