本文共 6782 字，大约阅读时间需要 22 分钟。
全文共3164字，预计学习时长16分钟
图源：unsplash
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。
1.列表、字典和集合推导式
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} 2.Lambda函数
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。
3.命名元组作数据结构
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
4.使用enumerate()和zip()进行迭代
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。
图源：unsplash
5.f字符串格式化
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。
推荐阅读专题
留言点赞发个朋友圈
我们一起分享AI学习与发展的干货
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
推荐文章阅读
长按识别二维码可添加关注
读芯君爱你