Python 是2021年最流行的编程语言之一。

简单的语法使它成为很多程序员的入门首选。

由于 Python 具有动态性和灵活性，有时候开发人员很容易编写出错误及低效的代码。

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：

my_list = [1, 2, 3, 4 ,5, 6, 7, 8, 9, 10]

# 将每个元素乘以2
print(list(map(lambda x: x * 2, my_list))) 
# [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

# 过滤掉偶数
print(list(filter(lambda x: x % 2 == 0, my_list))) 
# [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：

my_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 与map相同
print([x * 2 for x in my_list])
# [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

# 与filter相同
print([x for x in my_list if x % 2 == 0])
# [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。

my_list = [1, 2, 3, 4 ,5, 6, 7, 8, 9, 10]

my_gen_expr = (x * 2 for x in my_list)

print(next(my_gen_expr))
print(next(my_gen_expr))
# >>
# 2
# 4

for x in my_gen_expr:
  print(x)
# >>
# 6
# 8
# 10
# 12
# 14
# 16
# 18
# 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。

for i in range(10):
    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：

my_list = [2, 4, 6, 8, 10]

for item in my_list:
    print(item)

# Output:
# 2
# 4
# 6
# 8
# 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：

my_list = [2, 4, 6, 8, 10]

for i in range(len(my_list)):
    print("index: ", i, "value: ", my_list[i])
    
# Output:
# index: 0 value: 2
# index: 1 value: 4
# index: 2 value: 6
# index: 3 value: 8
# 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。

my_list = [2, 4, 6, 8, 10]

for i, v in enumerate(my_list):
    print("index: ", i, "value: ", v)
    
# Output:
# index: 0 value: 2
# index: 1 value: 4
# index: 2 value: 6
# index: 3 value: 8
# 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。

crypto_price = {
  "Bitcoin": 64000,
  "Ethereum": 2300,
  "Dogecoin": 0.12
}

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：

key = "XRP"

if key not in crypto_price:
    crypto_price[key] = 1.2
    
print(crypto_price[key])

另一种方法是使用 try/except 块，如下所示：

key = "XRP"

try:
    xrp = crypto_price[key]
except raise KeyError:
    xrp = 1.2
    
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。

key = "XRP"

if crypto_price.get("XRP") is None:
  crypto_price["XRP"] = 1.2

ada = crypto_price.get("ADA", 0)

# Prints 0
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：

# 复利计算器年/月复利
def calculate_compound_interest(principal, rate, time_in_years,
                                compounded_monthly, to_string):
  t = 1
  if compounded_monthly:
    t = 12
  amt = principal * (1 + rate/(t * 100)) ** (time_in_years * t)
  if to_string:
    return f"${amt - principal:.2f}"

  return amt - principal
   
  
  calculate_compound_interest(100, 5, 2, False, False)
  # 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：

# 复利计算器年/月复利
def calculate_compound_interest(principal, rate, time_in_years,
                                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。

calculate_compound_interest(100, 5, 2, compounded_monthly=True)
# 10.49413355583269

calculate_compound_interest(100, 5, 2, to_string=True)
# '$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：

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：

# 复利计算器年/月复利
def calculate_compound_interest(principal, rate, time_in_years, *, # Changed
                                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：

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

将发生以下错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-32-faf75d2ad121> in <module>
----> 1 print(calculate_compound_interest(1000, 5, 2, False, False))
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：

alculate_compound_interest(100, 5, 2, compounded_monthly=True)
# 10.49413355583269

calculate_compound_interest(100, 5, 2, to_string=True)
# '$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：

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

calculate_compound_interest(principal=1000, rate=5, time_in_years=2)

calculate_compound_interest(1000, 5, time_in_years=2)

将发生以下错误：

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

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

现在这样调用函数就会产生正确的结果：

calculate_compound_interest(100, 5, 2, compounded_monthly=True)
# 10.49413355583269

calculate_compound_interest(100, 5, 2, to_string=True)
# '$10.25'

但是，如果我们这样调用：

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

也会显示相应的错误：

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

以上。

以上为（未艾信息www.weainfo.net）网站机器翻译内容，如果有表述错误，敬请指正。 来源：https://betterprogramming.pub/5-common-anti-patterns-in-python-a9d6443fabe4，作者：Sayar Banerjee