下面是小编为大家整理的90,条写,Python,程序建议汇编（附Python语言程序设计课程建设初探）【优秀范文】,供大家参考。

90 条写 Python 程序建议汇编 1.首先 建议 1、理解 Pythonic 概念—-详见 Python 中的《Python 之禅》 建议 2、编写 Pythonic 代码 （1）避免不规范代码，比如只用大小写区分变量、使用容易混淆的变量名、害怕过长变量名等。有时候长的变量名会使代码更加具有可读性。

　　（2）深入学习 Python 相关知识，比如语言特性、库特性等，比如 Python演变过程等。深入学习一两个业内公认的 Pythonic 的代码库，比如 Flask 等。

　　建议 3：理解 Python 与 C 的不同之处，比如缩进与{}，单引号双引号，三元操作符？，Switch-Case 语句等。

　　建议 4：在代码中适当添加注释 建议 5：适当添加空行使代码布局更加合理 建议 6：编写函数的 4 个原则 （1）函数设计要尽量短小，嵌套层次不宜过深 （2）函数声明应该做到合理、简单、易用 （3）函数参数设计应该考虑向下兼容 （4）一个函数只做一件事，尽量保证函数粒度的一致性 建议 7：将常量集中在一个文件，且常量名尽量使用全大写字母 2.编程惯用法 建议 8：利用 assert 语句来发现问题，但要注意，断言 assert 会影响效率 建议 9：数据交换值时不推荐使用临时变量，而是直接 a, b = b, a 建议 10：充分利用惰性计算（Lazy evaluation）的特性，从而避免不必要的计算 建议 11：理解枚举替代实现的缺陷（最新版 Python 中已经加入了枚举特性） 建议 12：不推荐使用 type 来进行类型检查，因为有些时候 type 的结果并不一定可靠。如果有需求，建议使用 isinstance 函数来代替 建议 13：尽量将变量转化为浮点类型后再做除法（Python3 以后不用考虑） 建议 14：警惕 eval()函数的安全漏洞，有点类似于 SQL 注入 建议 15：使用 enumerate()同时获取序列迭代的索引和值 建议 16：分清==和 is 的适用场景，特别是在比较字符串等不可变类型变量时（详见） 建议 17：尽量使用 Unicode。在 Python2 中编码是很让人头痛的一件事，但Python3 就不用过多考虑了 建议 18：构建合理的包层次来管理 Module 3.基础用法 建议 19：有节制的使用 from…import 语句，防止污染命名空间 建议 20：优先使用 absolute import 来导入模块（Python3 中已经移除了 relative import） 建议 21：i+=1 不等于++i，在 Python 中，++i 前边的加号仅表示正，不表示操作 建议 22：习惯使用 with 自动关闭资源，特别是在文件读写中 建议 23：使用 else 子句简化循环（异常处理） 建议 24：遵循异常处理的几点基本原则 （1）注意异常的粒度，try 块中尽量少写代码 （2）谨慎使用单独的 except 语句，或 except Exception 语句，而是定位到具体异常 （3）注意异常捕获的顺序，在合适的层次处理异常 （4）使用更加友好的异常信息，遵守异常参数的规范 建议 25：避免 finally 中可能发生的陷阱 建议 26：深入理解 None，正确判断对象是否为空。

　　建议 27：连接字符串应优先使用 join 函数，而不是+操作 建议 28：格式化字符串时尽量使用.format 函数，而不是%形式 建议 29：区别对待可变对象和不可变对象，特别是作为函数参数时 建议 30：[], {}和()：一致的容器初始化形式。使用列表解析可以使代码更清晰，同时效率更高 建议 31：函数传参数，既不是传值也不是传引用，而是传对象或者说对象的引用 建议 32：警惕默认参数潜在的问题，特别是当默认参数为可变对象时 建议 33：函数中慎用变长参数 args 和 kargs （1）这种使用太灵活，从而使得函数签名不够清晰，可读性较差 （2）如果因为函数参数过多而是用变长参数简化函数定义，那么一般该函数可以重构 建议 34：深入理解 str()和 repr()的区别 （1）两者之间的目标不同：str 主要面向客户，其目的是可读性，返回形式为用户友好性和可读性都比较高的字符串形式；而 repr 是面向 Python 解释器或者说 Python 开发人员，其目的是准确性，其返回值表示 Python 解释器内部的定义 （2）在解释器中直接输入变量，默认调用 repr 函数，而 print(var)默认调用str 函数 （3）repr 函数的返回值一般可以用 eval 函数来还原对象 （4）两者分别调用对象的内建函数 __str__ ()和 __repr__ () 建议 35：分清静态方法 staticmethod 和类方法 classmethod 的使用场景 4.库的使用 建议 36：掌握字符串的基本用法 建议 37：按需选择 sort()和 sorted()函数 sort()是列表在就地进行排序，所以不能排序元组等不可变类型。

　　sorted()可以排序任意的可迭代类型，同时不改变原变量本身。

　　建议 38：使用 copy 模块深拷贝对象，区分浅拷贝（shallow copy）和深拷贝（deep copy） 建议 39：使用 Counter 进行计数统计，Counter 是字典类的子类，在 collections模块中 建议 40：深入掌握 ConfigParse 建议 41：使用 argparse 模块处理命令行参数 建议 42：使用 pandas 处理大型 CSV 文件 Python 本身提供一个 CSV 文件处理模块，并提供 reader、writer 等函数。

　　Pandas 可提供分块、合并处理等，适用于数据量大的情况，且对二维数据操作更方便。

　　建议 43：使用 ElementTree 解析 XML 建议 44：理解模块 pickle 的优劣 优势：接口简单、各平台通用、支持的数据类型广泛、扩展性强 劣势：不保证数据操作的原子性、存在安全问题、不同语言之间不兼容 建议 45：序列化的另一个选择 JSON 模块：load 和 dump 操作 建议 46：使用 traceback 获取栈信息 建议 47：使用 logging 记录日志信息 建议 48：使用 threading 模块编写多线程程序 建议 49：使用 Queue 模块使多线程编程更安全 5.设计模式建议 50：利用模块实现单例模式建议 51：用 mixin 模式让程序更加灵活建议 52：用发布-订阅模式实现松耦合建议 53：用状态模式美化代码 6.内部机制 建议 54：理解 build-in 对象 建议 55：__init__ ()不是构造方法，理解 __new__ ()与它之间的区别 建议 56：理解变量的查找机制，即作用域 局部作用域 全局作用域 嵌套作用域 内置作用域 建议 57：为什么需要 self 参数 建议 58：理解 MRO（方法解析顺序）与多继承 建议 59：理解描述符机制 建议 60：区别 __getattr__ ()与 __getattribute__ ()方法之间的区别 建议 61：使用更安全的 property 建议 62：掌握元类 metaclass 建议 63：熟悉 Python 对象协议 建议 64：利用操作符重载实现中缀语法 建议 65：熟悉 Python 的迭代器协议 建议 66：熟悉 Python 的生成器 建议 67：基于生成器的协程和 greenlet，理解协程、多线程、多进程之间的区别 建议 68：理解 GIL 的局限性 建议 69：对象的管理和垃圾回收 7.使用工具辅助项目开发 建议 70：从 PyPI 安装第三方包 建议 71：使用 pip 和 yolk 安装、管理包 建议 72：做 paster 创建包 建议 73：理解单元测试的概念 建议 74：为包编写单元测试 建议 75：利用测试驱动开发（TDD）提高代码的可测性 建议 76：使用 Pylint 检查代码风格 代码风格审查 代码错误检查 发现重复以及不合理的代码，方便重构 高度的可配置化和可定制化 支持各种 IDE 和编辑器的集成 能够基于 Python 代码生成 UML 图 能够与 Jenkins 等持续集成工具相结合，支持自动代码审查 建议 77：进行高效的代码审查 建议 78：将包发布到 PyPI 8.性能剖析与优化 建议 79：了解代码优化的基本原则 建议 80：借助性能优化工具 建议 81：利用 cProfile 定位性能瓶颈 建议 82：使用 memory_profiler 和 objgraph 剖析内存使用 建议 83：努力降低算法复杂度 建议 84：掌握循环优化的基本技巧 减少循环内部的计算 将显式循环改为隐式循环，当然这会牺牲代码的可读性 在循环中尽量引用局部变量 关注内层嵌套循环 建议 85：使用生成器提高效率 建议 86：使用不同的数据结构优化性能 建议 87：充分利用 set 的优势 建议 88：使用 multiprocessing 模块克服 GIL 缺陷 建议 89：使用线程池提高效率 建议 90：使用 Cythonb 编写扩展模块 Python 语言程序设计课程建设初探 摘要：Python 是目前最热门的程序设计语言之一，可以应用在系统运维、Web 编程、网络爬虫、机器学习、数据分析、人工智能等领域。面对国内外很多大学相继开设了 Python 语言程序设计课程的趋势，针对计算机专业应用能力培养的要求，分析 Python 语言的发展方向，并探讨 Python 课程的后续课程建设。

　　关键词：Python 语言；程序设计；计算机专业；课程建设 1 Python 语言发展现状 根据 TIOBE 最新排名，Python 语言超越 C#，与 Java，C，C++成为全球前5 大流行编程语言之一。在 2017 年世界脚本语言排行榜中，Python 排名第 1，也是多领域首选语言。从云端、客户端，到物联网终端，Python 应用无处不在。

　　Python 语言已经走进了中小学生的课堂，它是计算机二级考试的自选项目。国内许多高校非计算机专业开设 Python 语言课程。Python 被称为万能的“胶水语言”，人才缺口高达 60 万。对于以应用为主的计算机专业本科高校，更建议将Python 语言作為首门程序设计语言[1]。

　　Python 是一门免费、开源的跨平台高级动态编程语言，具有简洁性、易读性以及可扩展性，拥有大量功能强大的内置对象、标准库和扩展库，简化了开发的复杂度。Python 可以让初学者把精力集中在编程对象和思维方法上，让初学者专注于编程逻辑，而不是困惑于晦涩的语法细节上。各领域的人员可以更多地将Python 语言作为一个解决应用问题的工具，而把主要精力放在业务逻辑的设计与实现上，在开发速度与运行效率之间达到平衡。

　　2 基于 Python 语言的课程建设 由于以上这些现状，使用 Python 语言讲授程序设计课程正成为一种趋势， 计算机专业拟定将 Python 课程引入到培养方案中来，则必须考虑后续课程的衔接问题。既要突出应用能力的培养，又要保证在未来 5 年内仍是前沿方向，突出专业的核心竞争力。

　　Python 的发展前景有如下几个方面：

　　1）Web 应用开发 Web 应用开发可以说是目前软件开发中最重要的部分。有众多优秀的 Web框架，利用 Python 的框架可以做网站，做一些精美的前端界面。众多大型网站均为 Python 开发，像 Youtube、Dropbox、豆瓣、知乎、果壳、饿了么、搜狐等都是 Python 应用的典型。比较典型的 Python Web 框架有 Django，支持异步高并发的 Tornado 框架，短小精悍的 flask。

　　2）网络爬虫 在爬虫领域，Python 的地位是不言而喻的。爬虫的本质就是抓取网页、分析内容，把想要的部分提取出来。Python 语法简洁、开发效率高、支持的模块多，相关的 HTTP 请求模块和 HTML 解析模块非常丰富。还有强大的爬虫 Scrapy，以及成熟高效的 scrapy-redis 分布式策略，调用其他接口也非常方便。

　　3）云计算 云计算近几年是非常火热的一个技术。目前最知名的云计算框架就是OpenStack，它是最近几年学习 Python 的人最值得学习的一个云计算框架。它是通过 Python 语言开发的，因此 Python 在编程语言方面拥有先天的优势，通过深入研究 Nova 和 Swift 模块，能够快速地搭建私有云、公有云、企业云。

　　4）人工智能 人工智能涉及大量的数据计算，用 Python 简单高效。Python 有非常多优秀的深度学习库可用，而且现在大部分深度学习框架都支持 Python。

　　5）科学运算 随着 NumPy 等众多程序库的开发，Python 越来越适合于做科学计算、绘制高质量的 2D 和 3D 图像。与科学计算领域最流行的商业软件 Matlab 相比，Python是一门通用的程序设计语言，比 Matlab 所采用的脚本语言的应用范围更广泛。

　　6）游戏开发 Python 有较高阶的抽象能力，可以用更少的代码描述游戏业务逻辑，更适合作为一种 Host 语言，可以在必要的时候用 C/C++写一些扩展。

　　7）自动化运维 对于运维工程师而言，因为几乎所有 Linux 系统都内置 Python 解释器，所以用 Python 做自动化，不需要系统预安装什么软件。Shell 虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用 Python 替代 Shell，做一些复杂的任务，对运维人员来说，是一次解放。

　　通过以上分析，结合本校应用性本科人才面向能力导出的培养目标，笔者认为可以在 Python 的后续课程中选定两个主要方向：

　　1）Web 应用开发技术是传统开发内容。有越来越多的项目使用 Python 语言开发，同时也有越来越多的 Python 类库被开发出来，这使得 Python 语言变得更加易用，尤其适合 web 应用程序开发[2]。有人预测 5 年之内，Python 会取代 PHP，成为最受欢迎的 Web 开发语言。Python 有上百种 Web 开发框架，有很多成熟的模板技术，选择 Python 开发 Web 应用，不但开发效率高，而且运行速度快。三大 Python 后端框架，解决一切前后端 Web 开发问题。Flask 是一个 Web微框架，适合新手入门。Django 是一个全能型框架。Tornado 支持异步处理的功 能，这是它的特点，其他框架不支持。

　　那么，在课程设置上应融会贯通前端和后台所学知识，让学生掌握 Web 框架，提升开发效率，可进行前后端全栈 Web 开发。使用 Python 做 Web 开发的好处是开发、部署都很快，相比较 Java 程序，Python 变更起来很容易，代码量小所以抛弃起来也很容易，不容易背上历史的负担。

　　Python 的缺点是运行起来相对 Java 来说慢得多，性能有瓶颈的时候，Java等语言具有优势。如果业务本身比较繁杂、变更比较频繁，那么用 Python 这样的脚本语言就比较合适。

　　2）大数据分析是热门方向。如今是一个大数据时代，通过数据分析，我们可以充分挖掘数据的价值。大数据的数据需要靠爬虫来抓取互联网数据来做分析。而网络爬虫是 Python 的传统强势领域，在大数据的抓取方面具有先天优势，最流行的爬虫框架 Scrapy 和 scrapy-redis 分布式框架。Python 有很多的数据分析、机器学习模块库，而且大部分是开源的。NumPy 和 Scipy，Pandas 都是重要的Python 数据分析、处理库，可以快速地进行数据的读...

相关热词搜索： 条写 Python 程序建议汇编（附Python语言程序设计课程建设初探） 标签 初探 汇编 python语言程序设计基础笔记