标签：索引 loop mic P20 compute ann string 怎么 重要
Python对初学者非常友好，许多人在开始学习编程时都会选择Python。简单易上手是你接触它之后发现的第一个优点。进一步了解之后，你可能会被它的灵活性所吸引——可通过各种方式做同一功能。
事实上，还有更便捷的解决方案。代码越简洁，可读性越高且能够长期存在。用Python编写简洁代码的方法有很多，本文想与大家分享笔者在日常Python项目中发现的特别有用的五个技巧。
列表推导式是众多Python程序员最喜欢的特征之一。这是一种从迭代器创建列表的简洁方法。基本语法是[expression for x in iterable]。可以看一些示例进一步了解其用法：
>>># Create a list for subsequentoperations
>>> numbers = [1, 2, 3, 4, 5, 6]
>>>
>>># Typical way to create a list consisting of squares
>>> squares0 = []
>>>for number in numbers:
... squares0.append(number*number)
...
>>># List comprehensions
>>> squares1 = [number*number for number in numbers]在不使用列表推导式的情况下，必须创建一个空列表，并通过运行for循环来添加每个数字的平方，这通常需要三行代码。使用列别推导式后，只需一行代码即可构建相同的平方列表。
除了列表推导式，还有字典和集合推导式。字典推导式有该基本语法 {key_expr:value_expr for x in iterable}，集合推导式的基本语法是 {expressionfor x in iterable}。与列表推导式示例类似，不使用推导式的情况下，需要多行代码来构建所需的字典和集合。
>>># Dictionary comprehension
>>> squares_dict = {number: number*number for number in numbers}
>>> squares_dict
{1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36}
>>>
>>># Set comprehension
>>> numbers_dups = [1, 2, 3, 4, 3, 2, 1]
>>> squares_set = {number*number for number in numbers_dups}
>>> squares_set
{16, 1, 4, 9}
Lambda函数是Python中的匿名函数，通常用于小规模操作。Lambda函数可以接受一到多个参数，只需一个表达式，其语法为lambda parameters:expression。
图源：pixabay
笔者将使用内置sorted()函数演示lambda函数的用法。具体而言，sorted()函数会使用key函数对迭代进行排序，该函数由key参数指定。我们可以将lambda函数作为key参数，而不是用def关键字声明常规函数。
>>># Create a list of students with theirgrading information
>>> grades = [{ name : John , grade : 95}, { name : Aaron , grade : 92}, { name : Jennifer , grade : 100}]
>>>
>>># Sort using a regular function
>>>defsort_grade(student):
... return student[ grade ]
...
>>>sorted(grades, key=sort_grade)
[{ name : Aaron , grade : 92}, { name : John , grade : 95}, { name : Jennifer , grade : 100}]
>>>
>>># Sort using a lambda
>>>sorted(grades, key=lambda x: x[ grade ])
[{ name : Aaron , grade : 92}, { name : John , grade : 95}, { name : Jennifer , grade : 100}]如上所示，使用lambda函数可以编写出更简洁的调用sorted()函数的命令。在使用正则表达式之前，必须先声明该函数，然后才能使用sorted()函数，这一定比直接使用lambda函数更繁琐。
元组可以存储一些相关数据，但是使用起来并不顺手，特别是涉及特定元素时，必须记住顺序并使用特定元素的正确索引。如果不想使用元组，虽然可以构建一个自定义类来管理相关数据，但namedtuple数据类型是一种非常有用的轻量级数据结构。
通过集合模块，namedtuple数据类型采用以下基本语法：namedtuple(Typename,field_names)。语法并不直截了当，不过从概念上来说是容易理解的。
来看看示例。理想的特性是创建一个可以存储学生信息的数据结构，包括姓名、性别和学生ID号。
>>># Use a custom class
>>>classStudent0:
... def__init__(self, name, gender, student_id):
... self.name = name
... self.gender = gender
... self.student_id = student_id
...
>>> s0 =Student0( John , M , 2020001)
>>>f"Name: {s0.name}; Gender: {s0.gender}; ID #: {s0.student_id}"
Name: John; Gender: M; ID #: 2020001
>>>
>>># Use the namedtuple
>>>from collections import namedtuple
>>>Student1=namedtuple("Student1", ["name", "gender", "student_id"])
>>> s1 =Student1( Jennifer , F , 2020002)
>>>f"Name: {s1.name}; Gender: {s1.gender}; ID #: {s1.student_id}"
Name: Jennifer; Gender: F; ID #:2020002 使用namedtuple模块，可以用更简洁的代码编写轻量级数据结构。当然，请注意，自定义类提供了更多可以操作的功能。但如果只是为了存储和检索数据而创建一个数据结构，完全可以考虑使用namedtuple模块。
图源：unsplash
编码的一个关键原则是精简。当处理一系列数据（如数字列表）时，通常需要对列表中的每个数字执行相同的操作。为了避免重复相同的代码，可以使用for循环loop来运行整个列表的迭代。
当迭代一个列表或任何序列时，有时还需要知道该项在序列中的位置。下面几种方法可以做到这一点。
>>># Create a list of students based ontheir arrival sequence
>>> students = [ John , Aaron , Jennifer , Ashley ]
>>>
>>># Lengthy way
>>>for index inrange(len(students)):
... student = students[index]
... print(f"Arrival # {index+1}: {student}")
...
Arrival# 1: John
Arrival# 2: Aaron
Arrival# 3: Jennifer
Arrival# 4: Ashley
>>>
>>># Concise way
>>>for index, student inenumerate(students, 1):
... print(f"Arrival # {index}: {student}")
...
Arrival# 1: John
Arrival# 2: Aaron
Arrival# 3: Jennifer
Arrival# 4: Ashley通过使用内置函数enumerate()，可以轻松访问序列中的索引和元素，这比第一次迭代更简洁。更重要的是，它可以设置开始计数的数字。在上面的示例中设置为了1。
除了enumerate()函数，zip()函数在迭代中也颇为有用。此函数可以从多个迭代中创建元组，而无需特意为这些迭代创建复合迭代。
>>># Create two lists for zip(), with oneto one match
>>> names = [ John , Danny , Jennifer ]
>>> scores = [95, 99, 100]
>>>
>>># Lengthy way
>>>for index inrange(len(names)):
... name, score = names[index], scores[index]
... print(f"Name: {name}; Score: {score}")
...
Name: John; Score: 95
Name: Danny; Score: 99
Name: Jennifer; Score: 100
>>>
>>># Concise way
>>>for name, score inzip(names, scores):
... print(f"Name: {name}; Score: {score}")
...
Name: John; Score: 95
Name: Danny; Score: 99
Name: Jennifer; Score: 100基本上，zip()函数所做的就是从迭代中获取每个元素，以便在每次迭代中形成一个有顺序的元组。这样一来代码会更简洁，可读性也更高。
图片
图源：unsplash
字符串太基础了，我们基本上在哪都会用它。字符串的一个基本应用是与某些格式一并使用。有几种格式化字符串的方法，笔者想介绍的是f字符串，这个方法非常简单。
f字符串是使用字母f（或F）作为字符串文本的前缀插入的字符串文本。为了编写简洁的代码，下面两个用例首选f字符串：
· 显示变量。最基本的用法是显示一些变量的值，以便在开发过程中进行调试。如果使用传统的format（）方法，代码会偏长。
>>># Construct a list for formatting/debugging
>>> prime_numbers = [2, 3, 5, 7, 11]
>>>
>>># Show the list using format
>>>print("Prime Numbers: {}".format(prime_numbers))
PrimeNumbers: [2, 3, 5, 7, 11]
>>>
>>># Show the list using f-string
>>>print(f"Prime Numbers: {prime_numbers}")
PrimeNumbers: [2, 3, 5, 7, 11]· 加入变量/连接字符串。f字符串不是使用+和字符串的join（）方法，而是非常直接地用于字符串连接，并且它们具有最高的可读性。在实际操作中可用于构造文件路径，如下所示：
>>># The folder and extension
>>> folder = ./usr/images
>>> ext = .jpg
>>>
>>># File name is computed from this list
>>> names = [10, 11, 12]
>>>
>>># Construct File paths
>>># Use + for concatenation
>>> paths0 = [folder + / +str(x) + ext for x in names]
>>>
>>># Use join()
>>> paths1 = [ .join([folder, / , str(x), ext]) for x in names]
>>>
>>># Use f strings
>>> paths2 = [f"{folder}/{x}{ext}"for x in names]
图源：pixabay
编写越简短，代码的可读性和可维护性就会得到实际的提高，这是亘古不变的真理。但请记住，简洁的代码不应该带来任何潜在的歧义或混淆。
你必须在简洁性和可读性之间寻求平衡点。一旦发生冲突，首先考虑可读性，哪怕这会需要更多的代码。
编译组：苏韫琦、高洋
相关链接：
https://medium.com/better-programming/5-tricks-to-write-more-concise-python-code-f075f66336b6
如转载，请后台留言，遵守转载规范ACL2018论文集50篇解读
EMNLP2017论文集28篇论文解读
2018年AI三大顶会中国学术成果全链接
ACL2017论文集：34篇解读干货全在这里
10篇AAAI2017经典论文回顾
你的代码“balance”怎么样？找到简洁性和可读性的平衡点
标签：索引 loop mic P20 compute ann string 怎么 重要
原文地址：https://blog.51cto.com/15057819/2565273
