Python最佳实践与常见陷阱

最佳实践与常见陷阱

代码风格 PEP 8

Python 官方风格指南，核心要点：

1
2
3
4
5
6
7
8
9
10
11
12
# 好
def calculate_total(items: list[float]) -> float:
    return sum(items)

MAX_RETRIES = 3
user_name = "alice"

# 命名
# 变量/函数: snake_case
# 类: PascalCase
# 常量: UPPER_SNAKE_CASE
# 私有: _leading_underscore

工具自动格式化：

1
2
ruff format .
ruff check --fix .

常见陷阱

可变默认参数

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 错误：默认值只创建一次
def append_item(item, lst=[]):
    lst.append(item)
    return lst

append_item(1)   # [1]
append_item(2)   # [1, 2]  意外共享

# 正确
def append_item(item, lst=None):
    if lst is None:
        lst = []
    lst.append(item)
    return lst

循环中捕获变量

1
2
3
4
5
6
7
8
9
# 错误
funcs = []
for i in range(3):
    funcs.append(lambda: i)
[f() for f in funcs]   # [2, 2, 2]

# 正确
funcs = [lambda x=i: x for i in range(3)]
[f() for f in funcs]   # [0, 1, 2]

浅拷贝

1
2
3
4
5
6
7
a = [[1, 2], [3, 4]]
b = a.copy()           # 或 list(a)、a[:]
a[0][0] = 99
# b[0][0] 也是 99

import copy
c = copy.deepcopy(a)   # 深拷贝

is vs ==

1
2
3
4
5
6
7
8
9
a = [1, 2, 3]
b = [1, 2, 3]
a == b    # True，值相等
a is b    # False，不同对象

# 不要用 is 比较字符串、数字内容
# 例外：与 None 比较用 is None
if x is None:
    ...

浮点精度

1
2
3
4
5
6
7
0.1 + 0.2 == 0.3   # False

from decimal import Decimal
Decimal("0.1") + Decimal("0.2") == Decimal("0.3")   # True

import math
math.isclose(0.1 + 0.2, 0.3)   # True

闭包延迟绑定

1
2
3
4
5
6
7
8
# 错误
buttons = []
for i in range(3):
    buttons.append(lambda: print(i))
# 全部打印 2

# 正确：默认参数绑定
buttons = [lambda i=i: print(i) for i in range(3)]

Pythonic 写法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
# 交换
a, b = b, a

# 遍历带索引
for i, val in enumerate(items):
    ...

# 同时遍历多个序列
for a, b in zip(list_a, list_b):
    ...

# 字典默认值
d.get(key, default)
collections.defaultdict(list)

# 解包
first, *middle, last = [1, 2, 3, 4, 5]

# 成员检测
if item in collection:
    ...

# 真值测试
if items:          # 非空
    ...
if not items:      # 空
    ...

性能建议

场景 建议
字符串拼接 "".join(parts)
成员检测 set 而非 list
数值计算 NumPy 向量化
IO 密集 异步 asyncio 或多线程
CPU 密集 multiprocessing（绕过 GIL）

GIL 简述

CPython 的全局解释器锁（GIL）使同一进程内多线程无法并行执行 Python 字节码。多线程适合 IO 密集；CPU 密集任务用 multiprocessing 或调用 C 扩展（NumPy 等）。

项目结构参考

1
2
3
4
5
6
7
8
9
10
11
12
13
14
myproject/
├── pyproject.toml
├── README.md
├── src/
│   └── myapp/
│       ├── __init__.py
│       ├── main.py
│       ├── models/
│       ├── services/
│       └── api/
├── tests/
│   ├── conftest.py
│   └── test_*.py
└── .venv/

学习路线建议

1
2
3
4
5
6
7
入门 → 语法 / 数据类型 / 流程控制
     → 列表 / 字典 / 字符串
     → 面向对象 / 异常 / 文件 IO
     → 模块 / 迭代器 / 装饰器
     → 标准库 / 测试
     → Web（Flask/FastAPI）/ 数据分析（Pandas）/ 自动化
     → 异步 asyncio / 类型系统 / 源码阅读

系列目录

章节 主题
1 Python语言入门与环境搭建
2 Python基础语法与数据类型
3 Python流程控制与函数
4 Python列表字典与集合
5 Python字符串与正则表达式
6 Python面向对象编程
7 Python异常处理
8 Python文件与IO
9 Python模块与包管理
10 Python迭代器与生成器
11 Python装饰器与上下文管理器
12 Python标准库实战
13 Python测试与调试
14 Python最佳实践与常见陷阱（本文）

小结

Python 强调可读性与开发效率。避开可变默认值、浅拷贝、闭包绑定等经典陷阱，配合 pytest、ruff、mypy 等工具，即可写出健壮、易维护的代码。进阶方向包括 Web 框架、数据科学、自动化运维和 asyncio 异步编程。