Python中5种常见的反模式

本文将向大家介绍 Python 中常见的反模式，并给出了更好的编译方法。

1.对Iterable对象使用map()和filter()

 

内置的 map 和 filter 可以帮助我们通过函数编程的原理在 Python 中转换 iterable 对象。

这两个方法都接受一个函数和一个 iterable 作为参数，并返回相应的对象。

通过将该对象作为参数传递到 Python 中的内置列表构造函数，可以将其转换为列表。

我们经常使用 lambda 函数作为 map、filter 函数的参数：

1. my_list = [1, 2, 3, 4 ,5, 6, 7, 8, 9, 10] 
2.  
3. # 将每个元素乘以2 
4. print(list(map(lambda x: x * 2, my_list)))  
5. # [2, 4, 6, 8, 10, 12, 14, 16, 18, 20] 
6.  
7. # 过滤掉偶数 
8. print(list(filter(lambda x: x % 2 == 0, my_list)))  
9. # [2, 4, 6, 8, 10] 

上面的代码看起来相当累赘和不清楚。使用列表理解可以实现相同结果：

1. my_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 
2.  
3. # 与map相同 
4. print([x * 2 for x in my_list]) 
5. # [2, 4, 6, 8, 10, 12, 14, 16, 18, 20] 
6.  
7. # 与filter相同 
8. print([x for x in my_list if x % 2 == 0]) 
9. # [2, 4, 6, 8, 10] 

不使用lambda函数后，列表理解变得更具可读性和简洁性。

2.输入较大时使用列表理解

 

列表理解有助于我们编写出清晰、简洁的代码。

但是，列表理解总是为 iterable 中的每个值创建一个列表。当输入量非常大时，就会导致内存占用过大的问题：我们的机器可能会崩溃。

生成器表达式结合了列表理解和生成器这两个方面的优点，为处理大型输入序列提供了更有效的方法。

要创建生成器表达式，只需将列表中的 [] 方括号替换为()方括号。

生成器表达式并不是创建一个全新的列表，而是创建一个迭代器。

这会降低创建速度并优化内存分配。我们可以使用 next 函数或通过循环访问生成器表达式的每个后续元素。

1. my_list = [1, 2, 3, 4 ,5, 6, 7, 8, 9, 10] 
2.  
3. my_gen_expr = (x * 2 for x in my_list) 
4.  
5. print(next(my_gen_expr)) 
6. print(next(my_gen_expr)) 
7. # >> 
8. # 2 
9. # 4 
10.  
11. for x in my_gen_expr: 
12.   print(x) 
13. # >> 
14. # 6 
15. # 8 
16. # 10 
17. # 12 
18. # 14 
19. # 16 
20. # 18 
21. # 20 

注：生成器表达式是有状态的，因此在重用时要注意。如果要多次使用迭代器，则可能需要重新创建迭代器。

3.不使用range()的情况

 

range 函数对迭代整数很有用。

1. for i in range(10): 
2.     print(i) 

当迭代类似列表的数据结构时，我们可以完全依赖for循环语法来访问每个项目。代码如下：

1. my_list = [2, 4, 6, 8, 10] 
2.  
3. for item in my_list: 
4.     print(item) 
5.  
6. # Output: 
7. # 2 
8. # 4 
9. # 6 
10. # 8 
11. # 10 

但是，当想要访问索引和元素时，我们可以使用列表长度下的 range 方法，如下所示：

1. my_list = [2, 4, 6, 8, 10] 
2.  
3. for i in range(len(my_list)): 
4.     print("index: ", i, "value: ", my_list[i]) 
5.      
6. # Output: 
7. # index: 0 value: 2 
8. # index: 1 value: 4 
9. # index: 2 value: 6 
10. # index: 3 value: 8 
11. # index: 4 value: 10 

代码看起来不可读，因为我们必须在列表上调用 len，然后使用 range 方法包装输出。为了使代码更加具有 python 风格，我们必须提高代码的可读性。

更好的方法是对 list 对象调用 enumerate 函数。这将创建一个生成器，生成列表项的索引和值。

1. my_list = [2, 4, 6, 8, 10] 
2.  
3. for i, v in enumerate(my_list): 
4.     print("index: ", i, "value: ", v) 
5.      
6. # Output: 
7. # index: 0 value: 2 
8. # index: 1 value: 4 
9. # index: 2 value: 6 
10. # index: 3 value: 8 
11. # index: 4 value: 10 

代码看起来是不是更加干净了?

4.字典中键丢失的问题

 

字典具有快速访问、分配、插入和删除的能力，是一种非常流行的数据结构。

但是新手开发人员访问字典中不存在的密钥时经常会遇到问题。

1. crypto_price = { 
2.   "Bitcoin": 64000, 
3.   "Ethereum": 2300, 
4.   "Dogecoin": 0.12 
5. } 
6.  
7. crypto_price["XRP"] 

处理该类问题的其中一种方法是检查字典中是否存在密钥，代码如下：

1. key = "XRP" 
2.  
3. if key not in crypto_price: 
4.     crypto_price[key] = 1.2 
5.      
6. print(crypto_price[key]) 

另一种方法是使用 try/except 块，如下所示：

1. key = "XRP" 
2.  
3. try: 
4.     xrp = crypto_price[key] 
5. except raise KeyError: 
6.     xrp = 1.2 
7.      
8. crypto_price[key] = xrp 

上面的代码确实实现了我们的目标，但是我们可以通过使用字典方法 get 进一步改进。

通过使用 get 方法来获取相应键的值，而不是使用方括号 [] 来访问字典的键。

另外，如果键不存在，get 方法将返回 None，而不是抛出 KeyError。如果缺少键而不是无键，还可以将参数传递给 get 方法以获取默认值。

1. key = "XRP" 
2.  
3. if crypto_price.get("XRP") is None: 
4.   crypto_price["XRP"] = 1.2 

1. ada = crypto_price.get("ADA", 0) 
2.  
3. # Prints 0 
4. print(ada) 

5.惰性关键字和位置参数设计

 

Python函数能够同时接受位置参数和关键字参数。

位置参数是不后跟等号(=)和默认值的名称。

关键字参数后面跟一个等号和一个给出其默认值的表达式。

得益于这种设计，python函数的创建和重用非常灵活。

但是，定义函数时，错误的设计选择可能会导致代码中难以修复的错误。

我们以计算复利的函数为例：

1. # 复利计算器年/月复利 
2. def calculate_compound_interest(principal, rate, time_in_years, 
3.                                 compounded_monthly, to_string): 
4.   t = 1 
5.   if compounded_monthly: 
6.     t = 12 
7.   amt = principal * (1 + rate/(t * 100)) ** (time_in_years * t) 
8.   if to_string: 
9.     return f"${amt - principal:.2f}" 
10.  
11.   return amt - principal 
12.     
13.    
14.   calculate_compound_interest(100, 5, 2, False, False) 
15.   # 10.25 

调用函数时出现的一个问题是，两个布尔参数(compounded_monthly 和结尾的 to_string)很容易相互混淆。这就会出现难以追踪的问题。

我们可以通过如下方式更改函数定义来提高可读性：

1. # 复利计算器年/月复利 
2. def calculate_compound_interest(principal, rate, time_in_years, 
3.                                 compounded_monthly=False, to_string=False): 

通过将两个布尔参数指定为关键字参数，函数调用方可以显式地指定要设置的布尔值，这些值将覆盖默认值。

1. calculate_compound_interest(100, 5, 2, compounded_monthly=True) 
2. # 10.49413355583269 
3.  
4. calculate_compound_interest(100, 5, 2, to_string=True) 
5. # '$10.25' 

但是，这仍然会出现问题，主要原因是关键字参数是可选的，因为没有任何强制调用方将这些作为关键字参数使用。

因此，我们仍然可以使用旧方法调用该函数：

1. calculate_compound_interest(100, 5, 2, False, False) 

解决该问题的方法是仅在定义函数时强制布尔参数为关键字：

1. # 复利计算器年/月复利 
2. def calculate_compound_interest(principal, rate, time_in_years, *, # Changed 
3.                                 compounded_monthly=False, to_string=False): 

我们看到，*符号表示位置参数的结束和仅关键字参数的开始。

如果这样调用：

1. calculate_compound_interest(100, 5, 2, False, False) 

将发生以下错误：

1. --------------------------------------------------------------------------- 
2. TypeError                                 Traceback (most recent call last) 
3. <ipython-input-32-faf75d2ad121> in <module> 
4. ----> 1 print(calculate_compound_interest(1000, 5, 2, False, False)) 
5. TypeError: calculate_compound_interest() takes 3 positional arguments but 5 were given 

但是，关键字参数及其默认行为仍将保持不变，如下所示：

1. alculate_compound_interest(100, 5, 2, compounded_monthly=True) 
2. # 10.49413355583269 
3.  
4. calculate_compound_interest(100, 5, 2, to_string=True) 
5. # '$10.25' 

然而，仍然存在一个问题。

假设调用者决定对前三个必需参数(principal、rate、time in years)混合使用位置和关键字。

如果这三个参数的函数参数名称发生更改，我们将看到Python解释器。它会这样说：

1. # 复利计算器年/月复利 
2. def calculate_compound_interest(p, r, t_in_y, *, # Changed 
3.                                 compounded_monthly=False, to_string=False): 

1. calculate_compound_interest(principal=1000, rate=5, time_in_years=2) 
2.  
3. calculate_compound_interest(1000, 5, time_in_years=2) 

将发生以下错误：

1. --------------------------------------------------------------------------- 
2. TypeError                                 Traceback (most recent call last) 
3. <ipython-input-36-42e7ec842cd5> in <module> 
4. ----> 1 calculate_compound_interest(principal=1000, rate=5, time_in_years=2) 
5. TypeError: calculate_compound_interest() got an unexpected keyword argument 'principal' 
6. --------------------------------------------------------------------------- 
7. TypeError                                 Traceback (most recent call last) 
8. <ipython-input-37-1bc57c40980f> in <module> 
9. ----> 1 calculate_compound_interest(1000, 5, time_in_years=2) 
10. TypeError: calculate_compound_interest() got an unexpected keyword argument 'time_in_years' 

因为我们没有考虑调用方显式地使用位置参数，所以代码中断。

python3.8中引入了一个解决方案，我们可以使用/参数重新定义函数，该参数指示仅位置参数的结束位置。代码如下：

1. # 复利计算器年/月复利 
2. def calculate_compound_interest(p, r, t_in_y, /, *,  # 改变 
3.                                 compounded_monthly=False, to_string=False): 

现在这样调用函数就会产生正确的结果：

1. calculate_compound_interest(100, 5, 2, compounded_monthly=True) 
2. # 10.49413355583269 
3.  
4. calculate_compound_interest(100, 5, 2, to_string=True) 
5. # '$10.25' 

但是，如果我们这样调用：

1. calculate_compound_interest(p=1000, r=5, t_in_y=2) 

也会显示相应的错误：

1. ---------------------------------------------------------------------------  
2. TypeError                                 Traceback (most recent call last)  
3. <ipython-input-21-883e876a7e8b> in <module>  
4. ----> 1 calculate_compound_interest(p=1000, r=5, t_in_y=2)  
5.       2  
6. TypeError: calculate_compound_interest() got some positional-only arguments passed as keyword arguments: 'p, r, t_in_y'  

以上。

原文地址：https://www.toutiao.com/a6953167665640768037/