如何优雅的写好Pythonic代码？
Python 与其它语言（比如Java或者C++）相比有比较大的区别，其中最大的特点就是非常简洁。如果按照其它语言的思路来写Python代码，则会使得代码繁琐复杂，并且容易出现Bug。在Python语言中，有个词很火，Pythonic。有的同学可能不明白这个词的意义，小编的理解就是用Python的写法写代码，而非是其它语言的通用的写法，写出Python的特点，写出Python的风格。
下面，就通过几个示例来看一下不同思维的Python代码的差异。
1、变量值交换
这个问题最常见，大家从最开始写Java及C++等语言代码都会遇到这个问题。通常是通过一个临时变量来实现的：
tmp = a
a = b
b = tmp而Python中可以直接交换两个变量，即：
a, b = b, a2、列表推导式
列表推导式是Java及C++等语言没有的特性，能够很简洁的实现for循环，可以应用于列表，集合或者字典。
例如我们要求20以内的整除3的数的平方的列表，可以用如下代码实现：
numbers = []
for x in xrange(20):
if x % 3 == 0:
numbers.append(x*x)而通过列表推导式一行代码即可实现：
numbers = [x*x for x in range(20) if x % 3 == 0]列表推导式也可以用于集合和字典，将[...]变为{...}即可。集合和字典的实现如下所示：
集合：
numbers = {x * x for x in range(0, 20) if x % 3 == 0}字典：
numbers = {x: x * x for x in range(0, 20) if x % 3 == 0}3、字符串拼接
这是一个老生常谈的问题，当我们需要将数个字符串拼接的时候，习惯性的使用 "+" 作为连接字符串的手段。
然而，由于像字符串这种不可变对象在内存中生成后无法修改，合并后的字符串会重新开辟出一块内存空间来存储。因此每合并一次就会单独开辟一块内存空间，这样会占用大量的内存空间，严重影响代码的效率。
words = ['I', ' ', 'love', ' ', 'Python', '.']
sentence = ''
for word in words:
sentence += '' + word解决这个问题的办法是使用字符串连接的join，Python写法如下：
words = ['I', ' ', 'love', ' ', 'Python', '.']
sentence = ''.join(words)4、如何快速翻转字符串
Java或者C++等语言的写法是新建一个字符串，从最后开始访问原字符串：
a = 'I love Python.'
reverse_a = ''
for i in range(0, len(a)):
reverse_a += a[len(a) - i - 1]而Python则将字符串看作list，而列表可以通过切片操作来实现反转：
a = 'I love Python.'
reverse_a = a[::-1]5、for/else语句
在C语言或Java语言中，我们寻找一个字符是否在一个list中，通常会设置一个布尔型变量表示是否找到：
cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
tofind = 'Shanghai'
found = False
for city in cities:
if tofind == city:
print 'Found!'
found = True
break
if not found:
print 'Not found!'而Python中的通过for...else...会使得代码很简洁，注意else中的代码块仅仅是在for循环中没有执行break语句的时候执行：
cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
tofind = 'Shanghai'
for city in cities:
if tofind == city:
print 'Found!'
break
else:
# 执行else中的语句意味着没有执行break
print 'Not found!'6、迭代对象善用enumerate类
enumerate类接收两个参数，其中一个是可以迭代的对象，另外一个是开始的索引。比如，我们想要打印一个列表的索引及其内容，可以用如下代码实现：
cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
index = 0
for city in cities:
index = index + 1
print index, ':', city而通过使用enumerate则极大简化了代码，这里索引设置为从1开始（默认是从0开始）：
cities = ['BeiJing', 'TianJin', 'JiNan', 'ShenZhen', 'WuHan']
for index, city in enumerate(cities, 1):
print index, ":", city7、通过lambda来定义函数
lambda可以返回一个可以调用的函数对象，会使得代码更为简洁。若不使用lambda则需要单独定义一个函数：
def f(x):
return x * x
map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])使用lambda后仅仅需要一行代码：
map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])这里注意，lambda生成的是一个可以像其他函数一样使用的函数对象，即
def f(x):
return x * x等价于
lambda x: x * x8、应用上下文管理
在打开文件时，通常是通过捕获异常来进行实现的，并且在finally模块中对文件来进行关闭：
try:
file = open('python.txt')
for line in file:
print line
except:
print "File error!"
finally:
file.close()而通过上下文管理中的with语句可以让代码非常简洁：
with open('python.txt') as file:
for line in file:
print line9、使用装饰器
装饰器在Python中应用特别广泛，其特点是可以在具体函数执行之前或者之后做相关的操作，比如：执行前打印执行函数的相关信息，对函数的参数进行校验；执行后记录函数调用的相关流水日志等。使用装饰器最大的好处是使得函数功能单一化，仅仅处理业务逻辑，而不附带其它功能。
在函数调用前打印时间函数名相关的信息，不使用装饰器可以用如下代码实现：
from time import ctime
def foo():
print('[%s] %s() is called' % (ctime(), foo.__name__))
print('Hello, Python')这样写的问题是业务逻辑中会夹杂参数检查，日志记录等信息，使得代码逻辑不够清晰。所以，这种场景需要使用装饰器：
from time import ctime
def deco(func):
def decorator(*args, **kwargs):
print('[%s] %s() is called' % (ctime(), func.__name__))
return func(*args, **kwargs)
return decorator
@deco
def foo():
print('Hello, Python')10、使用生成器
生成器与列表最大的区别就是，列表是一次性生成的，需要较大的内存空间；而生成器是需要的时候生成的，基本不占用内存空间。生成器分为生成器表达式和生成器函数。
先看一下列表：
l = [x for x in range(10)]改为生成器只需要将[...]变为(...)，即
g = (x for x in range(10))至于生成器函数，是通过yield关键字来实现的，我们以计算斐波那契数列为例，使用列表可以用如下代码来实现：
def fib(max):
n, a, b = 0, 0, 1
fibonacci = []
while n < max:
fibonacci.append(b)
a, b = b, a + b
n = n + 1
return fibonacci而使用生成器则变为：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 111、Counter的使用
通常的词频统计中，我们的思路是：
需要一个字典，key值存储单词，value存储对应的词频。当遇到一个单词，判断是否在这个字典中，如果是，则词频加1；如果否，则字典中新增这个单词，同时对应的词频设置为1。
对应的Python代码实现如下：
#统计单词出现的频次
def computeFrequencies(wordList):
#词频字典
wordfrequencies = {}
for word in wordList:
if word not in wordfrequencies:
# 单词不在单词词频字典中, 词频设置为1
wordfrequencies[word] = 1
else:
# 单词在单词词频字典中, 词频加1
wordfrequencies[word] = wordfrequencies[word] + 1
return wordfrequencies有没有更简单的方式呢？答案是肯定的，就是使用Counter。collection 中的 Counter 类就完成了这样的功能，它是字典类的一个子类。Python代码变得无比简洁：
# 统计单词出现的频次
def computeFrequencies(wordList):
#词频字典
wordfrequencies = Counter(wordList)
return wordfrequencies12、链式比较
在实际数字比较中，我们可能需要多次比较多次，比如我们判断学习成绩是否位于某个区间：
x = 79
>>> x < 80 and x > 70
True而更Pythonic的写法变身链式比较，即：
x = 79
>>> 80 < x < 90
False
>>> 70 < x < 80
True这种写法给人的感受也更为直观易懂。
13、函数返回多个值
在Java语言中，当函数需要返回多个值时，通常的做法是生成一个Response对象，然后将要返回的值写入对象内部。而Python不需要这样做，可以直接返回多个值：
def f():
error_code = 0
error_desc = "成功"
return error_code, error_desc使用的时候也会非常简单：
code, desc = f()
print code, desc14、使用*运算符
*运算符和** 运算符完美的解决了将元组参数、字典参数进行 unpack，从而简化了函数定义的形式，如：
def fun(*args):
for eacharg in args:
print 'tuple arg:', eacharg
fun('I', 'love', 'Python')运行的结果为：
tuple arg: I
tuple arg: love
tuple arg: Python
15、找出列表中出现最多的数
这是经常会遇到的一个问题。解决这个问题的其中一个思路是按照标题11提供的词频统计的方法，先统计词频，然后遍历字典，找出具有最大词频的数字。有没有更简洁的方式？
当然，Python代码如下：
num = [1, 3, 3, 4, 5, 6, 3, 6, 6, 6]
print max(set(num),key=num.count)这些Pythonic的代码是否让你耳目一新？你还能写出哪些Pythonic的代码？在留言区跟大家分享一下吧！
本文来自公众号：python那些事
文部分来源网络，如有侵权请第一时间联系删除。