Effective python
第一章：用pythonic的方式思考
1：确认使用的python版本
python --version
python3 --version
2：遵循PEP8风格指南
《Python Enhancement Proposal #8》又叫PEP8，它是针对Python代码风格而编订的风格指南。链接
采用一致的代码风格来书写可以令代码更加易懂、更加易读；
3：了解bytes、str与Unicode的区别
python2有两种表示字符的类型：str、Unicode；str包含原始的8位值，Unicode包含Unicode字符。
python3有两种表示字符的类型：bytes、str；bytes包含原始的8位值，str包含Unicode字符。
在编写程序时，一定要把编码、解码的操作放在界面最外围来做，程序的核心应该使用Unicode字符类型。
注意：
- python2中，如果str只包含7位ASCII字符，此时Unicode和str似乎就成了同一种类型，可以使用+、等价、不等价来判断str和Unicode，也可以使用%s来格式化Unicode。
- python3中，内置open函数默认会以utf-8编码格式来操作文件，python2中默认是二进制格式。
4：用辅助函数来取代复杂的表达式
总结下来就是：
- 开发者很容易过度运用python的语法特性，从而写出那种特别复杂又难以理解的单行表达式。
- 请把复杂的表达式移到辅助函数中，如果要反复使用相同的逻辑，那更应该这么做。
- 使用if/else表达式，要比用or、and这样的bool操作符写成的表达式更加清晰。
5：了解切割序列的办法
- 不要写多余的代码：当start索引为0，或者end索引为序列长度时，应该将其省略。
- 切片操作不会计较start与end索引是否越界，这使得我们很容易就能从序列的前端或者后端开始，对其进行范围固定的切片操作。
- 对list赋值的时候，如果使用切片操作，就会把原列表中处在相关范围内的值替换成新值，即便它们的长度不同也依然可以替换。
6：在单次切片操作内，不要同时指定start、end和stride
- 既有start和end，又有stride的切割操作，可能会令人费解。
- 尽量使用stride为正数，且不带start或end索引的切割操作。尽量避免使用负数做stride。
- 在同一个切片操作内，不要同时使用start、end和stride。
7：用列表推导来取代map和filter
- 列表推导要比内置的map和filter函数清晰，因为它无需额外编写lambda表达式。
- 列表推导可以跳过输入列表中的某些元素，如果改用map来做，那就必须辅以filter方能实现。
- 字典和集合也支持推导表达式。
8：不要使用包含两个以上表达式的列表推导
- 超过两个表达式的列表推导是很难理解的，应该尽量避免。
9：用生成器表达式来改写数据量较大的列表推导
- 当输入的数据量较大时，列表推导可能会因为占用太多内存而出问题。
- 由生成器表达式返回的的迭代器，可以逐次产生输出值，从而避免了内存占用高的问题。
10：尽量用enumerate取代range
- enumerate函数提供了一种简洁的写法，可以在遍历迭代器时获知每个元素的索引。
- 尽量用enumerate来改写那种将range与下标访问相结合的序列遍历代码。
- 可以给enumerate提供第二个参数，以指定开始计数时所用的值（默认为0）。
11：用zip函数同时遍历两个迭代器
12：不要在for和while循环后面写else块
- 只有当整个循环主体都没有遇到break语句时，循环后面的else块才会执行。
- 不要在循环后面使用else块，因为这种写法既不直观，又容易引人误解。
13：合理利用try/except/else/finally结构中的每个代码块
- 无论try块是否发生异常，都可利用try/finally复合语句中的finally块来执行清理工作。
- else块可以用来缩减try块中的代码量，并把没有发生异常时所要执行的语句与try/except代码块隔开。
- 顺利执行try块后，若想使某些操作能在finally块的清理代码之前执行，则可以将这些操作写到else块中。
第二章：函数
14：尽量用异常来表示特殊情况，而不要返回None
- 用None这个返回值来表示特殊意义的函数，很容易使调用者犯错，因为None和0以及空字符串之类的值，在条件表达式中都会评估为False。
- 函数在遇到特殊情况时应该抛出异常，而不是返回None。
15：了解如何在闭包中使用外围作用域中的变量
去了解global和nonlocal的用法（nonlocal是python3的语法）
- 对于定义在某作用域内的闭包来说，它可以引用这些作用域中的变量，但是不能修改不可变变量。
- 使用默认方式对闭包内的变量赋值不会影响外围作用域中的变量值。
- python3可以使用nonlocal修饰某个名称，使该闭包能够修改外围作用域中的同名变量。
- python2可以使用可变值来实现nonlocal相仿的机制（放入列表中）。
16：考虑用生成器来改写直接返回表聊得函数。
- 当数据量大时，使用迭代器替换直接返回列表可以避免消耗太大的内存。
17：在参数上面迭代时，要多加小心
- 函数在参数上多次迭代要小心，如果参数是迭代器，那么可能会导致奇怪的行为并错失某些值。
- python的迭代器协议，描述了容器和迭代器应该如何与iter和next内置函数、for循环及相关表达式配合。
- 把
__iter__实现为生成器，即可定义自己的容器。 - 判断某个值是不是迭代器，可以两次调用
iter方法，如果两次值相同，就是迭代器，可以调用next方法使迭代器前进一步。
for x in foo会先调用iter(foo)返回一个迭代器对象，iter会调用foo.__iter__方法。
18：用数量可变的位置参数减少视觉杂讯
- def定义函数时使用*arg，可令函数接受数量可变的位置参数。
19：用关键字参数表达可选的行为
- 函数参数可以按位置或关键字来指定。
- 只使用位置参数可能会使函数调用不明晰。
- 给函数添加新行为时，可以使用带默认值的关键字参数，以保持代码兼容。
- 可选参数应该总是以关键字参数形式出现，而不是可变位置参数。
20：用None和文档字符串来描述具有动态默认值的参数
- 参数的默认值只会在加载模块时计算一次，对于{}，[]等动态的值，可能会出现奇怪的问题。
- 应该把默认值设置为None，在函数中判断为None的时候再设置为需要的值。
21：用只能以关键字形式指定的参数来确保代码明晰
- 关键字参数能够使函数调用的意图更加明确。
第三章：类与继承
22：尽量用辅助类来维护程序的状态，不要用元组或者字典
- 不要使用包含其他字典的字段，也不要使用过长的元组。
- 如果容器包含简单不可变的数据，可以考虑使用nametuple，但是nametuple也有自己的局限。
- 保存内部状态的字典如果变得比较复杂，就应该把这些代码拆解为多个辅助类。
23：简单的接口应该接收函数，而不是类的实例
- python中的函数和对象一样，都是都可以当做参数传递给函数的。
- 通过名为
__call__的特殊方法，可以使类的实例能够像普通的python函数那样得到调用。 - 如果要用函数保存状态，那就定义新的类，并实现
__call__方法，而不要定义带状态的闭包。
24：以@classmethod形式的多态去通用的构建对象
- 在python中，每个类只能有一个构造器，也就是
__init__方法。 - 通过@classmethod机制，可以用一种与构造器相仿的方式来构造类的对象。
- 通过类方法多态机制，能够以更加通用的方式构建并拼接具体的子类。
25：用super初始化父类
- python采用标准的方法解析顺序来解决超类初始化次序及钻石继承问题，可以用mro方法来查看这个顺序，调用顺序和这个顺序相反。
- 总是应该使用内置的super函数来初始化父类。
26：只在使用Mix-in组件制作工具时进行多重继承
mix-in是一种小型的类，它只定义了其他类可能需要提供的一套附加方法，而不定义自己的实例属性，也不要求使用者调用自己的__init__方法。
- 能用mix-in组件实现的效果，就不要用多重继承来做。
- 将各个功能实现为可插拔的mix-in组件，使需要该功能的类继承mix-in组件即可具备该行为。
27：多用public属性，少用private属性
- python编译器无法严格保证private字段的私密性。
- 不要盲目的将属性设置为private。
- 应该多用protected，即以一个下划线为前缀的属性名。
28：继承collections.abc以实现自定义的容器类型
collections.abc模块定义了一系列抽象基类，它们提供了每一种容器类型所应该具备的常用方法。从这样的基类中继承之类之后，如果忘记实现某个方法，那么collections.abc模块就会指出这个错误。
- 编写自定义的容器类型时，可以从collections.abc模块的抽象基类中继承，那些基类能够确保我们的之类拥有适当的接口和行为。
第四章：元类及属性
29：用纯属性取代get和set方法
- 编写新类时，应该用最简单的public属性来定义其接口。
- 如果要控制某个属性的访问时，应该是用@property。
- @property修饰的方法应该尽量简单。
30：考虑用@property来代替属性重构
- @property可以为现有的实例属性添加新的功能
- 可以用@property来逐步完善数据模型
31：用描述符来改写需要复用的@property方法
- 如果想复用@property方法及其验证机制，可以自己定义描述符类。
- WeakKeyDictionary可以保证描述符类不会内存泄露。
32：用__getattr__和__get_attribute__和__setattr__实现按需生成的属性。
如果某个类定义了__getattr__，同时系统在该类对象的实例字典中又找不到待查询的属性，系统就会调用该方法。
- 通过
__setattr__和__getattr__，我们可以用惰性的方式来加载并保存对象的属性。 - 要理解
__getattr__和__getattribute__的区别：前者只会在属性不存在时才会被调用，而后者则会在每次访问属性时触发。 - 如果要在
__getattribute__和__setattr__方法中访问实例属性，应该直接通过super()来做，避免无限递归。
33：用元类来验证子类
元类最简单的一种用途，就是验证某个类定义的是否正确。构建复杂的类体系时，我们可能需要确保类的风格协调一致、确保某些方法得到了覆写，或是确保类属性之间具备某些严格的关系。
- 通过元类，我们可以在生成子类对象之前，先验证子类的定义是否合乎规范。
34：用元类来注册子类
- 在构建模块化的python程序时，类的注册是一种很有用的模式。
- 通过元类来实现类的注册，可以确保所有的子类都不会被遗漏。
35：用元类来注解类的属性
- 借助元类，我们可以在某个类完全定义好之前，率先修改该类的属性。
第五章：并发及并行
36：用subprocess模块管理子进程
- 可以用subprocess模块运行子进程，并管理其输入流与输出流。
37：可以用线程来执行阻塞式io，但不要用它做平行计算
- python的多线程适合io密集型应用。
38：在线程中使用lock来防止数据竞争
- python虽然存在GIL，但是多线程依然需要加锁保护竞争资源。
39：用Queue来协调各线程之间的工作
40：考虑用协程来并发地运行多个函数。
虽然可以用开发多个线程来实现并发，但是线程有以下缺点：
- 为了确保数据安全，必须要使用同步工具。
- 线程需要占用大量内存，大约8M。
- 线程启动时的开销比较大。
- 协程提供了一种有效的方式，令程序看上去好像能够同时运行大量函数。
41：考虑用concurrent.futures来实现真正的平行计算
- 利用ProcessPoolExecutor可以突破GIL的限制，利用多核的优势，但是这种方案的限制是仅适用于需要在进程间传递少量数据的场景。
第六章：内置模块
42：用functools.wraps定义函数装饰器
- python为装饰器提供了专门的语法，它使得程序在运行的时候，能够用一个函数来修改另一个函数。
- 内置的functools模块提供了名为wraps的装饰器，开发者在定义自己的装饰器时应该用wraps对其做一些处理，避免一些问题。
43：考虑以contextlib和with语句来改写可复用的try/finally代码
- 内置模块contextlib提供了contextmanager的装饰器，方便开发者用来实现自己的上下文管理。
44：用copyreg实现可靠的pickle操作
- 内置的pickle模块，只适合用来在彼此信任的程序之间，对相关对象执行序列化和反序列化。
- 把内置的copyreg和pickle结合起来使用，以便给旧数据添加缺失的属性值、进行类的版本管理。
45：应该用datetime模块来处理本地时间，而不是用time
time模块的实现依赖操作系统而运行，应该仅仅用来在UTC（时间戳）和当地时区时间之间转换。
- 不要用time模块在不同时区之间进行转换。
- 如果要在不同时区之间，可靠地执行转换操作，那就应该使用datetime和pytz。
- 开发者应该总是把时间转换为UTC格式，然后做各种操作，最终转换为当地时间。
46：使用内置算法与数据结构
双向队列：deque
有序字典：OrderedDict()
带有默认值的字典：defaultdict()
堆队列：heap
与迭代有关的工具：itertools
47：在重视精确度的场合，应该使用decimal
48：学会安装有python开发者社区所构建的模块
第七章：协作开发
49：为每个函数、类和模块编写文档字符串
50：用包来安排模块，并提供稳固的API
51：为自编的模块定义根异常，以便调用者与API相隔离
52：用适当的方式打破循环依赖关系
53：用虚拟环境隔离项目，并重建其依赖关系
第八章：部署
54：考虑用模块级别的代码来配置不同的部署环境
55：通过repr字符串来输出调试信息
- repr可以展示要输出的对象的类型。
56：用unittest来测试全部代码
57：考虑用pdb实现交互调试
import pdb
pdb.settrace()
58：先分析性能再优化
- Profile和CProfile工具可以用来分析性能。
59：用tracemalloc来掌握内存的使用及泄露情况
- python内置的gc
- python3.4支持的tracemalloc
- python2可以使用开源包：heapy
