1.理解pythonic（python化）的概念
- 美胜丑，显胜隐，简胜杂，杂胜乱，平胜陡，疏胜密(以最小，最明显的逻辑单元来写方法)
- 找到简单问题的一个方法，最好是唯一的方法(正确的解决之道)
- 难以解释的实现，源自不好的主意；如有非常 棒的主意，它的实现肯定易于解释(一个需求过来，先看自己给自己在逻辑上走的通)
- 交换变量使用a,b = b,a
- 使用with 语句来做为python资源的安全关闭文件描述符
- 使用formate代替%s 等字符串格式化操作
- 包和模块的命名采用小写，单数，而且短小
- 包通常仅作为命令空间，如果包含空的__init__.py文件
2. 编写pythonic代码
- 好好修炼内功，从以下几个方面出发
- 不要害怕过长的变量名
- 避免使用容易引起混淆(每个func都要明确的指明方法的做用，不要是使用大而范的命名)
- 避免只用大小写来区分不同的对象
- 全面掌握python提供的所有特性，包括语言特性与库特性：
- python 2.x doc
- 深入学习比较公认的pythonic的代码，比如Flask,gevent和requests等
- 查看如下的代码库
- 非常高质量的代码库
3.理解python与c语言的不同之处
- python的底层都是用c语言实现的
- 关于缩进与{} ，如果使用pycharm来写代码，记得将Tab与4个space 空格符相等，这样可以很方便的实现代码的格式化，另外，一定要将space空格显示出来，这样才能很清晰的看到空白处是制表符还是一个空格，关于如果调，请参考我的这篇文章舒服的pycharm设置
- ‘ 与” ，在c or C# 之中，’ ‘代表的是单个字符，”” 这个里面代表的是字符串，在python之中，单引号与双引号没有明显的区别。
- 三元操作符 “?:” ，python下是没有三元操作符的，不过可以很方便的写成 x if c else y
- switch … case ，python之中没有c语言之中分支语句，不过python里面有一个更好的实现方式
def f(x):
return {
0:'you input is zero',
1:'you input is one ',
2:'you input is two'
}.get(x,"i don't know what you are input")
使用dict 实现值的映射，其实这里面不仅仅可以输入一个返回值 ，也可以直接返回python的一等公民：函数
def fp(x):
return {
0:lambda y:y+1,
1:lambda y:y+2,
2:lambda y:y+3
}.get(x,lambda y:y)(x)
当然，函数可以映射，那class更是可以了。
4.在代码中添加适当的注释。
5.通过适当加添加空行使代码布局更为优雅，合理。
- 在一组代码表达完一个完整的思路之后，应该使用空白行进行间隔
- 尽量保持上下文语义的易理解性
- 避免过长的代码
- 不要为了保持水平对齐而使用多余的空格。
6.编写函数的4个原则
- 原则1 函数设计要尽量短小，嵌套层次不要太深
- 原则2 函数声明应该做到合理，简单，易于使用
- 原则3 函数参数设计应该考虑向下兼容，或者提供参数的默认值
- 原则4 一个函数只做一件事，尽量保证函数语句粒度的一致性
7.将常量集中到一个文件里面
- 通过命令风格来提醒使用者该变量的意义为常量，如果常量名所有字母大写，用下划线来链接各个单词
- 通过自定义的类实现常量功能。
8.利用assert语句来发现问题
断言(assert)在很多语言中是存在的，它主要为调试程序服务。
assert expression1 [‘,’ expression2]
如果 expression1 的值是假的时候，则会出现异常信息
9.数据交换值的时候不推荐使用中间变量。
之前大家一般都会使用中间变量来交换值，现在推荐直接交互。比如
x,y = y,x
那我们更深入一点，为什么会快呢。
一般情况下，python表达式的计算顺序都是从左到右的，但是遇到表达式赋值的时候，表达式右边的操作数(优先级)要先于表达式左边的操作数计算。因些表达式expr3,expr4 = expr1,expr2 的计算优先顺序是
expr1 ,expr2 -> expr3 ,expr4
表达式右边在内存中创建元组，计算时不用重复创建对象，只需要将标识符重新分配就可以达到交换值的目的。这里我们分析一下字节码：
import dis
def swap_third():
a = 1
b = 2
c = a
a = b
b = c
#print a,b
def swap_two():
a = 1
b = 2
a,b = b,a
#print a,b
print dis.dis(swap_two)
print '================'
print dis.dis(swap_third)
输出：
12 0 LOAD_CONST 1 (1)
3 STORE_FAST 0 (a)
13 6 LOAD_CONST 2 (2)
9 STORE_FAST 1 (b)
14 12 LOAD_FAST 1 (b)
15 LOAD_FAST 0 (a)
18 ROT_TWO
19 STORE_FAST 0 (a)
22 STORE_FAST 1 (b)
25 LOAD_CONST 0 (None)
28 RETURN_VALUE
None
================
4 0 LOAD_CONST 1 (1)
3 STORE_FAST 0 (a)
5 6 LOAD_CONST 2 (2)
9 STORE_FAST 1 (b)
6 12 LOAD_FAST 0 (a)
15 STORE_FAST 2 (c)
7 18 LOAD_FAST 1 (b)
21 STORE_FAST 0 (a)
8 24 LOAD_FAST 2 (c)
27 STORE_FAST 1 (b)
30 LOAD_CONST 0 (None)
33 RETURN_VALUE
None
我们查看标号为18的动作:这里的指令ROT_TWO主要作用是交换栈的最顶层元素，它比执行一个Load_Fast 和 Store_Fast 要快。
10，充分利用Lazy evaluation的特性
惰性计算指的是仅仅在需要真正需要执行的时候才计算表达式的值，充分利用Lazy evaluation的带来的好处主要体现在以下两个方面。
1） 避免不必要的计算，带来性能上的提升。
对于python中的条件表达式if x and y ，在x 为 false 的情况下 y表达式的值将不再计算。而于if x or y，当x的值为true的时候将直接返回，不再计算y的值。因此编码中应该充分利用这一特性。
2) 节省空间，使得无限循环的数据结构成为可能。python中最典型的就是yield 生达器表达式了。它仅每次需要的时候才会返回相应的计算值 。
两个例子一个经典的斐波那契數列，一个是读取文件中使用的
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
# print b
a, b = b, a + b
n = n + 1
def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return
15.使用enumerate()获取序列的索引和值
def print_index_and_value():
a = ['a','b','c','d']
for i,p in enumerate(a):
print i,p
转载出处：大鱼的鱼塘
待续.......
