Pythonic风格代码有什么好处？附12个代码实例 _Pythonic

Pythonic是开发者们在写python代码过程中总结的编程习惯，崇尚优雅、明确、简单。就好比中文笔画，有先后顺序，最符合文字书写的习惯。
因为是习惯，不是江湖规则，所以你大可不必遵守pythonic ，但如果你想成为python高手，最好是养成这个习惯。
对比其他语言我们能直观看出pythonic风格的特点，比如写一个简单循环。
在JAVA里这样的：
【Pythonic风格代码有什么好处？附12个代码实例】for index in (index; index < items.length ; index++) { item = items[index]; ... now do something }尝试用python来写循环，则非常简洁易懂：
for item in items: item.perform_action()想要更加pythonic ，用生成器表达式来写循环：
(item.some_attribute for item in items)这样的写法其实已经接近自然语言，一眼能看出代码意思。
如果你在Python IDE中输入import python ，则会看到下面一首诗：

文章插图

美胜于丑，简胜于繁，这就是Python哲学。
有一本书《effctive python》里面讲到蛮多pythonic的写法，下面列出一些常见的代码。
1、用列表推导式来取代map、filtermap、filter需要编写额外的lambda函数，用起来比较复杂，而且效率也不高。
列表推导式则非常简洁，通过循环创建列表。

# 任务:找到列表中可以被2整除的数 ， 并作二次方运算 。# 非pythonic方法a = [1,2,3,4,5,6,7,8,9,10]result = map(lambda x: x**2 ,filter(lambda x: x%2==0,a))# pythonic方法a = [1,2,3,4,5,6,7,8,9,10]result = [x**2 for x in a if x%2==0]

2、用生成器表达式来代替数据量较大的列表推导列表推导式虽然简洁，但是不适合大数据量的生成，因为可能会把内存占满。这时就要用到生成器表达式，它返回生成器，基本不占用内存。

# 任务:对十亿条数据进行求平方根操作# 非pythonic方法a = [1,2,3,4,5,6,7,8,9,10] # 假装这里有十亿个数字result = [x**0.5 for x in a]# pythonic方法a = [1,2,3,4,5,6,7,8,9,10]# 假装这里有十亿个数字result = (x**0.5 for x in a)

3、尽量使用enumerateenumerate可以把迭代器包装成生成器，每次遍历时，会同时列出数据和数据下标。

# 任务:打印列表中每个元素的索引# 非pythonic方法a = ['Apple','banana','orange']for i in range(len(a)):    print(a[i],':',i)# pythonic方法a = ['apple','banana','orange']for i,j in enumerate(a):    print(i,':',j)

4、使用with方法处理文件with语句提供一个有效的机制，让代码更简练，同时在异常产生时，清理工作更简单。

# 任务:读取一个txt文件# 非pythonic方法f = open("some_file.txt")try:  data = f.read()  # 其他文件操作..finally:  f.close()# pythonic方法with open("some_file.txt") as f:  data = f.read()  # 其他文件操作...

5、使用map函数zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的可迭代对象。

# 任务:对比两个列表相同索引位置元素的大小 ， 输出较大值# 非pythonic方法a = [1,5,7]b = [2,4,6]for i in range(len(a)):    if a[i] > b[i]:        print(a[i])    else:        print(b[i])# pythonic方法a = [1,5,7]b = [2,4,6]for i,j in zip(a,b):    if i > j:        print(i)    else:        print(j)