初學 Python 應避免的四個常見錯誤

Python 對於初學者來說是一門優秀的語言，但這並不意味著就不會犯錯。尤其是在學習程式設計的早期階段，很容易編寫出技術上正確但風格上很差的程式碼。

如果您要學習編碼，那麼學好它是至關重要的。無論是在學術界還是工業界，程式碼的品質都很重要。它不僅會影響您，還會影響將繼續閱讀和使用您的程式碼的每一個人。也許更自私的是，它還會影響您的招募前景。

在本文中，我將討論介紹性 Python 程式設計師常犯的四個錯誤。在我早期的 Python 時代學習這些陷阱對我非常有幫助，我希望它也能對你有用。

讓我們開始吧。

布林條件語句

這是入門程式設計師常犯的錯誤。這也是不那麼入門的程式設計師所犯的錯誤，他們缺乏正式的程式設計背景，因為他們只是將程式碼用作工具。我在看著你，資料科學家。

Python 中的條件語句很有用，但並不總是必要的。當您檢查的條件已經包含布林值（真或假）時，尤其如此。

讓我用一個簡單的例子來說明。假設我們要寫程式碼來確定一個資料集是否已經被清理過。對我們來說幸運的是，程式碼庫包含一個名為 is_data_clean 的方便變量，它可以追蹤這一點。我們需要做的就是檢查它並傳回正確的值。

作為第一次嘗試，我們可能會寫如下內容：

def a_function():
if is_data_clean == True:
return True
else:
return False

這已經可以運行了，但它不必如此複雜。你看到問題了嗎？仔細看。

變數 is_data_clean 已經是一個布林值； 因此，它已經包含了您需要傳回的值！程式碼檢查它是否為 True，然後傳回 True，如果它不是 True（表示它為 False），則程式碼傳回 False。這只是一大堆不必要的檢查。

我們可以將函數中的程式碼簡化為一行：

def a_function():
return is_data_clean

好多了。

手動求和、平均值或其他內建操作

Python 具有比大多數人意識到的更多的內建功能。仍然使用循環來手動計算總和的人數實在是太多了。

如果我們在Python 中有一個數字列表，我們絕對不應該像這樣計算總和：

total = 0
for num in numbers_list:
total += num

請改用內建的求和函數：

total

需要最小值還或最大值？全宇宙都禁止你寫這樣的程式碼：

import math
minimum = math.inf # 从最高可能值开始
for number in numbers_list:
if number < minimum:
minimum = number

這不是介紹性的電腦科學原理課程； 這是真實的世界。停止重新發明輪子並使用內建的min 和max 函數：

minimum = min(numbers_list)
maximum

有關內建函數的完整列表，請參閱Python 文件

獎勵：技術上不是內建的內建功能。

有些功能很難找到，但這並不意味著您不應該找到它們。

例如，如果我們需要一列數字的平均值（您可能會感覺到這是反覆出現的主題），我們可以使用下面的第一個程式碼片段，但我們應該使用第二：

# 片段 1：不要这样做！
total = 0
for num in numbers_list:
total += num
avg = total / len(numbers_list)

# 片段 2：这样做！
import numpy as np
avg = np.mean(numbers_list)

通常，Python 會在模組中提供有用的函數。定位我們需要的模組並導入函數可能需要一些額外的工作，但非常值得。

請記住 — Python 就是簡單性和可讀性。內建函數是你的朋友。與你的人類朋友不同，他們永遠不會讓人失望。

不做无意义的事情

在我教授的一门 Python 入门课程中，学生的第一个项目是编写一个简单的决策算法。 这主要是一个条件练习，要求学生定义一个问题和相关的评分系统，以确定某人有资格回答这个问题的可能性。

例如，有人可能会问，“我应该成为一名数据科学家吗？” 然后，该算法可能包含以下问题，所有这些问题都会根据答案从最终输出分数中增加或减少：

• 我是否有兴趣使用数据来深入了解世界？
• 我愿意学习 Python 吗？
• 我喜欢与多学科团队合作吗？

等等。

在编写算法的过程中，许多学生意识到在某些情况下，他们根本不想对总分做任何事情。 例如，他们可能会决定，如果有人愿意学习 Python，那么他们的总分会增加 10 分，但如果他们不愿意，则分数保持不变。

大多数学生使用以下代码实现它：

# willing_to_lean 是一些基于用户输入的预定义变量
if willing_to_learn:
score += 10
else:
score += 0

这是什么都不做的经典案例。 让我们分解一下 Python 在看到代码行 score += 0 时必须执行的所有操作：

• 它需要查找变量 score 的值。
• 它需要将 0 添加到该值。 这需要调用加法函数，传入两个参数（当前值和 0），并计算输出。
• 将 score 变量重新分配给新值（显然是相同的）。

所有这些代码什么都不做。

当然，这对计算机来说不是很大的工作量，也不会对代码的效率产生任何有意义的影响。 也就是说，它毫无意义，而且有些不干净，这是优秀 Python 代码所不具备的特征。

更好的解决方案是使用 Python 的 pass 关键字，它实际上告诉 Python 什么都不做，继续前进。 它填充了一行不需要的代码，但如果完全留空就会出错。 我们甚至可以添加一点评论以提供进一步的清晰度：

if willing_to_learn:
score += 10
else:
pass # 保持分数不变

更干净、更清晰、更 Pythonic。

单一的条件变得疯狂

条件语句可以说是标准编程中最强大和一致的结构之一。 第一次学习它时，很容易忽略一个重要的微妙之处。

当我们要检查两个或多个条件时，就会出现这种情况。 例如，假设我们正在审查一项调查，以获取以下三种形式之一的回答：“Yes”、“No”或“Maybe”。

早期的 Python 程序员通常使用以下两种方式之一对此进行编码：

# 可能 1
if response == "Yes":
# do something
if response == "No":
# do something
if response == "Maybe":
# do something

# 可能 2
if response == "Yes":
# do something
elif response == "No":
# do something
else:
# do something

在这种情况下，这两个代码片段实际上是相同的。 它们的行为方式相同，理解起来并不特别混乱，并且它们实现了预期的目标。 当人们错误地认为上面的两个结构总是等价时，问题就出现了。

这是错误的。 上面的第二个代码片段是由多个部分组成的单个条件表达式，而第一个代码片段由三个独立的条件表达式组成，尽管它们看起来是相互关联的。

为什么这很重要？ 因为每当 Python 看到一个全新的 if 关键字（即一个新的条件表达式开始）时，它就会检查关联的条件。 另一方面，如果当前条件表达式中的先前条件不满足，Python 只会输入 elif 或 else 条件。

让我们看一个例子，看看为什么这很重要。 假设我们需要编写代码，根据学生在某项作业中的分数给他们打分。 我们在Python 文件中写入以下代码：

score = 76

print("SNIPPET 1")
print()

if score < 100:
print('A')
elif score < 90:
print('B')
elif score < 80:
print('C')
elif score < 70:
print('D')
else:
print('F')

print()
print("SNIPPET 2")
print()

if score < 100:
print('A')
if score < 90:
print('B')
if score < 80:
print('C')
if score < 70:
print('D')
if score < 60:
print('F')

运行此代码输出以下内容：

SNIPPET 1
A
SNIPPET 2
A
B
C

你看得到差别吗？ 在第二种情况下，我们得到了意想不到的输出。 为什么？ 因为 Python 将每个 if 语句作为一个新的条件来读取，所以如果一个分数恰好小于多个数字检查，则会为所有这些打印出相应的字母等级。

现在，有多种方法可以使用多个 if 语句； 例如，我们可以让条件检查范围而不仅仅是上限。 这个例子的重点不是争论一个例子优于另一个例子（尽管为了清楚起见，我个人倾向于使用 elif 和 else），而只是为了说明它们是不一样的。

确保你明白这一点。

最后的想法和回顾

这是您的 Python 初学者备忘单：

1. 当您可以简单地直接返回布尔值时，不要为布尔值设置不必要的条件。
2. 内置函数是您最好的朋友。
3. 如果您需要告诉 Python 什么都不做，请使用 pass 关键字。
4. 确保正确构造条件表达式，理解 if 、 elif 和 else 关键字的含义。

你决定学习 Python 真是太好了——我向你保证，这门语言会对你很好。

以上是初學 Python 應避免的四個常見錯誤的詳細內容。更多資訊請關注PHP中文網其他相關文章！