python编程比较三个数的大小并输出（5个python中编程的大坑）

对于Python新手来说            ，写代码很少考虑代码的效率和简洁性
  
 
  
 
  
 
  
 
  
 
  
，因此容易造成代码冗长
  
  
  
  
  
 、执行慢










，这些都是需要改进的地方
  
  
  
  
  
 。本文是想通过几个案列给新手一点启发 
  
  
  
  
  
 ，怎样写python代码更优雅  
  
  
  
  
  。

大坑一：不喜欢使用高级数据结构

1.sets（集合）

很多新手忽视sets（集合）和tuple（元组）的强大之处

例如
  
  
  
  
  
 ，取两个列表交集：

def common_elements(list1, list2): common = [] for item1 in list1: if item1 in list2: common.append( item1 )   
  
  
  
  
  、 return common

这样写会更好：

def common_elements(list1, list2): common = set(list1).intersection(set(list2)) return list(common) 2.dic（字典）

新手枚举（访问和取出）字典的键和对应值
 


 


 


 


 


 
，认为对应值必须通过键来访问 
 
 
 
 
 
，往往会这样做：

my_dict = {a:1,b:2} for key in my_dict: print(key, my_dict[key])

有一个更优雅的方法可以实现：

my_dict = {a:1,b:2} for key, value in my_dict.items(): print(key, value)

对大部分项目来说
   
   
   
   
   
  ，这样写会更加有效率
 


 


 


 


 


 

。

3.tuple（元组)

元组一旦创建就无法更改元素
 

 

 

 

 

 
，看似没有什么用处 

 

 

 

 

 
，其实元组的作用大着呢！很多函数方法都会返回元组            ，比如enumerate()和dict.items()

 
 

 
 

 
 

 
 

 
 

 
，并且可以在函数中使用元组










，返回多个值
 
 
 
 
 
。还能够很方便地从元组中提取信息：

a,b = (cat,dog)

上面元组中有两个元素                  ，分别被赋给a
 
 
 
 
 
 
 
 
 
 
 
，b   
   
   
   
   
   。如果有多个值
















，同样可以提取：

a,b,c = (cat,dog,tiger) print(a,b,c)

提取首
 


 


 


 


 


 

、尾两个元素：

first,*_,end = (1,2,3,4,5,6) print(first,end) # 输出：1
 
 
 
 
 
、6

提取首   
   
   
   
   
   、中
 

 

 

 

 

 
、尾三部分：

first,*middle,end = (1,2,3,4,5,6) print(first,middle,end) # 输出：1

 

 

 

 

 

、[2, 3, 4, 5]            、6

元组还可以用来交换变量：

(a,b,c) = (c,a,b)

上面a变成之前的c            ，b变成之前的a
  
 
  
 
  
 
  
 
  
 
  
，c变成之前的b

元组也能作为字典的键










，所以如果你需要存储数据 
  
  
  
  
  
 ，可以使用带有元组键的字典
  
  
  
  
  
 ，比如说经纬度数据
 

 

 

 

 

 
。

大坑二：不喜欢使用上下文管理器

新手可能会习惯这样进行读取文件操作：

if os.path.exists(data_file_path): data_file = open(data_file_path,r) else: raise OSERROR print( data_file.read()) data.close()

这样写会有几个明显的问题：

可能出现文件存在
 


 


 


 


 


 
，但文件被占用 
 
 
 
 
 
，无法读取的情况 可能出现文件可以被读取
   
   
   
   
   
  ，但操作文件对象出现报错的情况 可能出现忘记关闭文件的情况

如果使用with...语句
 

 

 

 

 

 
，问题就迎刃而解了：

with open(data_file_path,r) as data_file: print(data_file.read)

这样可以捕获任何打开文件或处理数据时的异常情况 

 

 

 

 

 
，并且在任务处理完后自动关闭文件

 

 

 

 

 

。

python初学者可能不太了解上下文管理器的神奇之处            ，它真的能带来巨大的便利            。

大坑三：不喜欢使用标准库

标准库itertools和collections仍然很少被初学者使用

itertools

如果你看到下面的任务：

list1 = range(1,10) list2 = range(10,20) for item1 in list1: for item2 in list1: print(item1*item2)

这是一个嵌套循环操作

 
 

 
 

 
 

 
 

 
 

 
，为提高代码效率










，完全可以用product()函数替代嵌套循环：

from itertools import product list1 = range(1,10) list2 = range(10,20) for item1,item2 in product(list1, list2): print(item1*item2)

这两段代码的结果完全一样                  ，但使用标准库函数明显更加简洁高效
 
 

 
 

 
 

 
 

 
 

 
 。itertools还有很多方便操作迭代对象的函数
 
 
 
 
 
 
 
 
 
 
 
，比如：

count()函数会创建一个无限迭代器 cycle()函数会把传入的序列无限重复下去 chain()可以把多个迭代对象串联起来 group()函数可以把迭代其中相邻的重复元素挑出来
















，放在一起

......

有兴趣可以详细看看itertools库的各种神奇函数

collections

新手对python集合模块了解的可能并不多            ，你可能会遇到这样的情形：

consolidated_list = [(a,1),(b,2),(c,3),(b,4)] items_by_id = {} for id_, item in consolidated_list: if id_ not in items_by_id: items_by_id[id_] = [] if id_ in items_by_id: items_by_id[id_].append(item)

上面代码构建了一个字典
  
 
  
 
  
 
  
 
  
 
  
，依次向字典中添加信息










，如果某个键已经存在 
  
  
  
  
  
 ，则以某种方式修改该键的值；如果某个键不存在
  
  
  
  
  
 ，则添加对应键值对











。

这种算法非常常见
 


 


 


 


 


 
，你可以用collects模块的defaultdict()函数来实现同样效果：

from collections import defaultdict items_by_id = defaultdict(list) consolidated_list = [(a,1),(b,2),(c,3),(b,4)] for id_, item in consolidated_list: items_by_id[id_].append(item)

在此列中 
 
 
 
 
 
，defaultdict()接受一个list作为参数
   
   
   
   
   
  ，当键不存在时
 

 

 

 

 

 
，则返回一个空列表作为对应值                 。

有时候我们会遇到统计词频的案例 

 

 

 

 

 
，比如：

# 统计词频 colors = [red, blue, red, green, blue, blue] result = {} for color in colors: if result.get(color)==None: result[color]=1 else: result[color]+=1 print (result) # 输出 {red: 2, blue: 3, green: 1}

完全可以用defaultdict()函数实现上面的计数功能：

colors = [red, blue, red, green, blue, blue] d = defaultdict(int) for color in colors: d[color] += 1 print(d) #学习中遇到问题没人解答？小编创建了一个Python学习交流群：711312441

更简单的方法用collections模块的Counter()函数：

from collections import Counter colors = [red, blue, red, green, blue, blue] c = Counter(colors) print (dict(c))

对于备份文件            ，新人往往会用system模块：

from os import system system("xcopy e:\\sample.csv e:\\newfile\\")

其实shutil模块更好用：

import shutil shutil.copyfile(E:\\q.csv, e:\\movie\\q.csv)

因为shutil会很详细地报告错误和异常 
 
 
 
 
 
 
 
 
 
 
 。

大坑四：不喜欢使用异常处理

无论老手新手都应该在写代码的时候进行异常处理操作

 
 

 
 

 
 

 
 

 
 

 
，这样可以使代码更加健壮

















。异常处理一般会用try...except语句

大坑五：不喜欢使用生成器

除非你的list十分复杂










，并且频繁调用                  ，否则都建议使用生成器
 
 
 
 
 
 
 
 
 
 
 
，因为它非常节省内存
















，举个例子：

def powers_of_two(max=20000): i = 0 powers = [] while 2**i < max: powers.append[2**i] i += 1 return powers

对于使用次数少
 
 

 
 

 
 

 
 

 
 

 
 、占据大量内存











、且容易生成的数据            ，可以用生成器替代列表存储：

from itertools import count, takewhile def powers_of_two(max=20000): for index in takewhile(lambda i: 2**i < max, count(start=0)): yield 2**index