Python心得--如何提高代码质量
前些日子用python基于prometheus开发了一个vsphere volume卷监控的exporter，于是跟vsphere的api(pyvmomi)接口打上了交道，开发的过程中你会发现pyvmomi的接口返回的对象好多列表类型的，当你取其中一个对象的时候可能需要进行多层的循环遍历。于是促使了我写这一篇文章，记录一下在使用python搬砖过程中的一些心得体会。如有错误，欢迎大家指正。
Python里面所谓高质量的代码，我自己理解的主要是两方面。一是编写具有python风格的代码，即所谓的Pythonic；二是代码的执行效率。Python的执行效率一直被人诟病，这点我承认，但我更认同的一种说法是“编程语言本身没有好坏，关键在于使用者的使用方法是否恰当。”
以下是个人总结的，在python编程过程中常见的几点提高代码质量的方法：
- 变量的赋值
In [11]: a, b = 10, 50 # 赋值写在一行
In [12]: a
Out[12]: 10
In [13]: b
Out[13]: 50
In [14]: a, b = b, a # a, b互换
In [15]: a
Out[15]: 50
In [16]: b
Out[16]: 10变量交换的时候尽量避免使用中间变量增加开销。
2. 列表推导提高效率和可读性
如下生成一个新的列表：
In [17]: [n for n in range(10)]
Out[17]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]另一方面，列表推导也可能被滥用。通常的原则是，只用列表推导来创建新的列表，并且尽量保持简短。 如果列表推导的代码超过了两行，你可能就要考虑是不是得用 for 循环重写了。就跟写文章一样，并没有什么硬性的规则，这个度需要自己把握。
3. 列表和字典的迭代
列表使用enumerate() 获取list的索引和值，字典使用iteritems方法获取索引和值。
In [18]: l1 = [n for n in range(10)]
In [21]: for k, v in enumerate(l1):
....: print k, v
....:
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
In [23]: dict1 = {'a':1, 'b':2, 'c':3, 'd':4}
In [24]: dict1
Out[24]: {'a': 1, 'b': 2, 'c': 3, 'd': 4}
In [25]: for k, v in dict1.iteritems():
....: print k, v
....:
a 1
c 3
b 2
d 44. 使用三元表达式进行条件赋值
三元表达式允许用简单的一行快速判断，而不是使用复杂的多行if语句，可以使代码简单、可维护。
In [26]: 1 if 5>3 else 0
Out[26]: 1
In [27]: 1 if 5>8 else 0
Out[27]: 0举一个在实际生产中运用列表推导和三元表达式结合使用的例子：
dc_list = [datacenter for datacenter in root_folder.childEntity if isinstance(
datacenter, vim.Datacenter)]这里生成了一个名为dc_list的列表，首先在"root_folder.childEntity"中遍历出datacenter，接着判断这个datacenter是否是一个"vim.Datacenter"的实例，如果为真，加入到dc_list列表中，最终返回该datacenter列表。
5. 使用 with 自动关闭资源
对文件操作完成后应该立即关闭它们，因为打开的文件不仅会占用系统资源，而且可能影响其他程序或者进程的操作，甚至会导致用户期望与实际操作结果不一致。
In [5]: with open('111.py', 'rb') as file:
...: for line in file:
...: print line
...:
#!/usr/bin/env python
# -*- coding:utf-8 -*-
print "name is %s" % __file__6. 使用yield
这里有一个生成斐波那契数列的例子：
In [8]: def fab(n):
...: a, b = 0, 1
...: for i in xrange(n):
...: yield b
...: a, b = b, a + b
...:
In [9]: fab(20)
Out[9]: <generator object fab at 0x1092975a0>
In [10]: for n in fab(20):
....: print n
....:
1
1
2
3
5
8
13
21
34
55
89
144
233
377
610
987
1597
2584
4181
6765可以看出一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
7. 减少循环内部执行的计算
优化python循环的关键一点，是要减少Python在循环内部执行的工作量。
In [30]: a = range(10000)
In [31]: size_a = len(a)
In [32]: %timeit -n 1000 for i in a: k = len(a)
1000 loops, best of 3: 658 μs per loop
In [33]: %timeit -n 1000 for i in a: k = size_a
1000 loops, best of 3: 304 μs per loop8. 字符串连接优先使用"join"，而不是“+”
In [42]: letter = ['a', 'b', 'c', 'd']
In [43]: print ''.join(letter)
abcd9. None类型判断
不要使用‘==’ None的形式：
if foo == None:
do_something()正确用法：
if not foo:
do_something()
10. “过早的优化是万恶之源”
最后不得不提一下这句话，借用一下别人的诠释：
Make it Work.
Make it Right.
Make it Fast.
不要跳过前面两个直奔第三个！