1. Utilisation abusive de l'indentation
L'erreur :
Python est strict en matière d'indentation, et au début, j'ai accidentellement mélangé des tabulations et des espaces dans mon code.
Le correctif :
J'ai configuré mon éditeur de code pour utiliser des espaces au lieu de tabulations (4 espaces par niveau d'indentation). J'ai également activé une option « Afficher les espaces » pour détecter rapidement les erreurs de formatage accidentelles.
Leçon apprise : Soyez toujours cohérent avec votre style d'indentation.
2. Confondre les types de données mutables et immuables
L'erreur :
J'ai essayé de modifier un tuple, uniquement pour obtenir une TypeError. Plus tard, j'ai accidentellement modifié une liste sans que je le veuille, ce qui a entraîné un comportement inattendu dans mon code.
Le correctif :
J'ai appris la distinction entre les types de données mutables (par exemple, listes, dictionnaires) et immuables (par exemple, tuples, chaînes). Lorsque j'avais besoin de conserver les données inchangées, j'ai commencé à utiliser des tuples ou des Frozenset.
Leçon apprise : Comprendre la différence entre les types mutables et immuables pour éviter des conséquences inattendues.
3. Oublier d'initialiser les variables
L'erreur :
J'ai tenté d'utiliser une variable avant de lui attribuer une valeur, ce qui a provoqué une NameError.
Le correctif :
Pour éviter cela, j'ai pris l'habitude d'initialiser les variables avec des valeurs par défaut lors de leur déclaration. Par exemple :
Au lieu de :
print(total) # NameError: name 'total' is not defined
Faites ceci :
total = 0 print(total)
Leçon apprise : Initialisez toujours les variables avant de les utiliser.
4. Écrasement des noms de fonctions intégrés
L'erreur :
J'ai nommé une liste de variables dans l'un de mes scripts, qui a écrasé la fonction de liste intégrée de Python. Cela a causé des problèmes lorsque j'ai ensuite essayé d'utiliser list() pour créer une nouvelle liste.
Le correctif :
Je suis devenu plus attentif aux noms de variables et j'ai évité d'utiliser des noms qui entrent en conflit avec les fonctions intégrées de Python. Des outils comme les linters m'ont également aidé à détecter ces erreurs avant d'exécuter le code.
Leçon apprise : évitez d'utiliser les mots réservés et les noms de fonctions intégrés de Python comme noms de variables.
5. Ne pas utiliser les compréhensions de listes
L'erreur :
J'ai utilisé de longues boucles for imbriquées pour créer de nouvelles listes, ce qui rendait mon code plus difficile à lire et moins efficace.
Le correctif :
J'ai appris la compréhension des listes et j'ai commencé à les utiliser pour un code concis et lisible. Par exemple :
Au lieu de :
squared_numbers = [] for num in range(10): squared_numbers.append(num ** 2)
Faites ceci :
squared_numbers = [num ** 2 for num in range(10)]
Leçon apprise : Adoptez les constructions pythoniques telles que la compréhension de listes pour un code plus propre et plus rapide.
6. Ne pas utiliser de chaînes F pour le formatage des chaînes
L'erreur :
J'ai utilisé des méthodes de formatage de chaîne plus anciennes comme % ou .format(), qui étaient moins lisibles et parfois sujettes aux erreurs.
Le correctif :
Je suis passé aux f-strings pour un formatage plus propre et plus intuitif. Par exemple :
Au lieu de :
print(total) # NameError: name 'total' is not defined
Faites ceci :
total = 0 print(total)
Leçon apprise : Les chaînes F (introduites dans Python 3.6) changent la donne pour un formatage de chaîne lisible et efficace.
Pensées finales
Les erreurs sont une partie essentielle de l'apprentissage, surtout lorsqu'il s'agit de programmation. Même si ces premiers faux pas étaient frustrants, ils m'ont aidé à grandir en tant que développeur Python. Si vous débutez, n'oubliez pas d'accepter vos erreurs : ce sont des tremplins vers le succès.
Quelles erreurs de débutant avez-vous commises en codant ? Partagez vos expériences dans les commentaires ci-dessous !
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Ce tutoriel montre comment utiliser Python pour traiter le concept statistique de la loi de Zipf et démontre l'efficacité de la lecture et du tri de Python de gros fichiers texte lors du traitement de la loi. Vous vous demandez peut-être ce que signifie le terme distribution ZIPF. Pour comprendre ce terme, nous devons d'abord définir la loi de Zipf. Ne vous inquiétez pas, je vais essayer de simplifier les instructions. La loi de Zipf La loi de Zipf signifie simplement: dans un grand corpus en langage naturel, les mots les plus fréquents apparaissent environ deux fois plus fréquemment que les deuxième mots fréquents, trois fois comme les troisième mots fréquents, quatre fois comme quatrième mots fréquents, etc. Regardons un exemple. Si vous regardez le corpus brun en anglais américain, vous remarquerez que le mot le plus fréquent est "th

Python fournit une variété de façons de télécharger des fichiers à partir d'Internet, qui peuvent être téléchargés sur HTTP à l'aide du package ULLIB ou de la bibliothèque de demandes. Ce tutoriel expliquera comment utiliser ces bibliothèques pour télécharger des fichiers à partir des URL de Python. Bibliothèque de demandes Les demandes sont l'une des bibliothèques les plus populaires de Python. Il permet d'envoyer des demandes HTTP / 1.1 sans ajouter manuellement les chaînes de requête aux URL ou le codage de formulaire de post-données. La bibliothèque des demandes peut remplir de nombreuses fonctions, notamment: Ajouter des données de formulaire Ajouter un fichier en plusieurs parties Accéder aux données de réponse Python Faire une demande tête

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Traiter avec des images bruyantes est un problème courant, en particulier avec des photos de téléphones portables ou de caméras basse résolution. Ce tutoriel explore les techniques de filtrage d'images dans Python à l'aide d'OpenCV pour résoudre ce problème. Filtrage d'image: un outil puissant Filtre d'image

Les fichiers PDF sont populaires pour leur compatibilité multiplateforme, avec du contenu et de la mise en page cohérents sur les systèmes d'exploitation, les appareils de lecture et les logiciels. Cependant, contrairement aux fichiers de texte brut de traitement Python, les fichiers PDF sont des fichiers binaires avec des structures plus complexes et contiennent des éléments tels que des polices, des couleurs et des images. Heureusement, il n'est pas difficile de traiter les fichiers PDF avec les modules externes de Python. Cet article utilisera le module PYPDF2 pour montrer comment ouvrir un fichier PDF, imprimer une page et extraire du texte. Pour la création et l'édition des fichiers PDF, veuillez vous référer à un autre tutoriel de moi. Préparation Le noyau réside dans l'utilisation du module externe PYPDF2. Tout d'abord, l'installez en utilisant PIP: pip is p

Ce tutoriel montre comment tirer parti de la mise en cache Redis pour augmenter les performances des applications Python, en particulier dans un cadre Django. Nous couvrirons l'installation redis, la configuration de Django et les comparaisons de performances pour mettre en évidence le bien

Le traitement du langage naturel (PNL) est le traitement automatique ou semi-automatique du langage humain. La PNL est étroitement liée à la linguistique et a des liens vers la recherche en sciences cognitives, psychologie, physiologie et mathématiques. En informatique

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

MantisBT
Mantis est un outil Web de suivi des défauts facile à déployer, conçu pour faciliter le suivi des défauts des produits. Cela nécessite PHP, MySQL et un serveur Web. Découvrez nos services de démonstration et d'hébergement.

Dreamweaver CS6
Outils de développement Web visuel

DVWA
Damn Vulnerable Web App (DVWA) est une application Web PHP/MySQL très vulnérable. Ses principaux objectifs sont d'aider les professionnels de la sécurité à tester leurs compétences et leurs outils dans un environnement juridique, d'aider les développeurs Web à mieux comprendre le processus de sécurisation des applications Web et d'aider les enseignants/étudiants à enseigner/apprendre dans un environnement de classe. Application Web sécurité. L'objectif de DVWA est de mettre en pratique certaines des vulnérabilités Web les plus courantes via une interface simple et directe, avec différents degrés de difficulté. Veuillez noter que ce logiciel
