初学 Python 应避免的四个常见错误

Python 对于初学者来说是一门优秀的语言，但这并不意味着就不会犯错误。 尤其是在学习编程的早期阶段，很容易编写出技术上正确但风格上很差的代码。

如果您要学习编码，那么学好它是至关重要的。 无论是在学术界还是工业界，代码的质量都很重要。 它不仅会影响您，还会影响将继续阅读和使用您的代码的每一个人。 也许更自私的是，它还会影响您的招聘前景。

在本文中，我将讨论介绍性 Python 程序员常犯的四个错误。 在我早期的 Python 时代学习这些陷阱对我非常有帮助，我希望它也能对你有用。

让我们开始吧。

布尔条件语句

这是入门程序员常犯的错误。 这也是不那么入门的程序员所犯的错误，他们缺乏正式的编程背景，因为他们只是将代码用作工具。 我在看着你，数据科学家。

Python 中的条件语句很有用，但并不总是必需的。 当您检查的条件已经包含布尔值（真或假）时，尤其如此。

让我用一个简单的例子来说明。 假设我们要编写代码来确定一个数据集是否已经被清理过。 对我们来说幸运的是，代码库包含一个名为 is_data_clean 的方便变量，它可以跟踪这一点。 我们需要做的就是检查它并返回正确的值。

作为第一次尝试，我们可能会编写如下内容：

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

这已经可以运行了，但它不必如此复杂。 你看到问题了吗？ 仔细看。

变量 is_data_clean 已经是一个布尔值； 因此，它已经包含了您需要返回的值！ 代码检查它是否为 True，然后返回 True，如果它不是 True（意味着它为 False），则代码返回 False。 这只是一大堆不必要的检查。

我们可以将函数中的代码简化为一行：

def a_function():
return is_data_clean

好多了。

手动求和、均值或其他内置操作

Python 具有比大多数人意识到的更多的内置功能。 仍然使用循环来手动计算总和的人数实在是太多了。

如果我们在 Python 中有一个数字列表，我们绝对不应该像这样计算总和：

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

请改用内置的求和函数：

total

需要最小值还或最大值？ 全宇宙都禁止你写这样的代码：

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

这不是介绍性的计算机科学原理课程； 这是真实的世界。 停止重新发明轮子并使用内置的 min 和 max 函数：

minimum = min(numbers_list)
maximum

​有关内置函数的完整列表，请参阅 Python 文档

奖励：技术上不是内置的内置功能。

有些功能很难找到，但这并不意味着您不应该找到它们。

例如，如果我们需要一列数字​的平均值（您可能会感觉到这是反复出现的主题），我们可以使用下面的第一个代码片段，但我们应该使用第二个：

# 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 会在模块中提供有用的函数。 定位我们需要的模块并导入函数可能需要一些额外的工作，但非常值得。

请记住 — Python 就是简单性和可读性。 内置函数是你的朋友。 与你的人类朋友不同，他们永远不会让人失望。

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。

以上是初学 Python 应避免的四个常见错误的详细内容。更多信息请关注PHP中文网其他相关文章！