學習Python可能遇到的問題

小編給大家分享一下學習Python可能遇到的問題，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

Python是一種非常富有表現力的語言。它為我們提供了一個龐大的標準庫和許多內置模塊，幫助我們快速完成工作。然而，許多人可能會迷失在它提供的功能中，不能充分利用標準庫，過度重視單行腳本，以及誤解Python基本結構等。本文是一個關于Python新手可能會陷入的一些陷阱的不完全列表。

1.不知道Python版本

這是一個在StackOverflow上反復出現的問題。許多人能寫出在某個版本上完美工作的代碼，但在他們在自己的系統上安裝有不同版本的Python。要確保你知道你正在使用的Python版本。

你可以通過下邊的代碼查看Python版本：

[pythontab@testServer]$ python --version
Python 2.7.10
[pythontab@testServer]$ python --V
Python 2.7.10

上面兩種方法都是可以的

2.不使用版本管理器

pyenv是一個極好的管理不同Python版本的工具，但很不幸，它只工作在*nix系統上。在Mac系統上，你可以簡單地通過brew install pyenv安裝它，在Linux上，也有一個自動安裝程序。

3.沉迷于一行程序

許多人熱衷于一行程序帶來的興奮感。即使他們的一行解決方案比一個多行解決方案低效，他們也會吹噓。

Python中的一行程序在本質上意味著具有多個表達式的復雜推導。例如：

l = [m for a, b in zip(this, that) if b.method(a) != b for m in b if not m.method(a, b) and 
reduce(lambda x, y: a + y.method(), (m, a, b))]

老實講，我編造了上面的例子。但我看到很多人都寫類似的代碼。這樣的代碼在一個星期后就會變得難以理解。如果你想做一些稍微復雜的事情，例如根據條件簡單地在一個列表或集合中添加一個元素，你可能就會犯錯誤。

單行代碼并不是什么成就，是的，他們可能看起來很靈活，但不是什么成就。想象一下，這就像是你在打掃房間時把所有的東西都塞進你的衣櫥。好的代碼應該是干凈的，易于閱讀的和高效的。

4.利用錯誤的方式初始化一個集合

這是一個更微妙的問題，可能讓你措手不及。集合推導很像列表推導。

>>> { n for n in range(10) if n % 2 == 0 }
{0, 8, 2, 4, 6}
>>> type({ n for n in range(10) if n % 2 == 0 })

上面就是集合推導的一個例子。集合就像列表，也是一個容器。所不同的是，一個集合中不能有任何重復的值，而且是無序的。看到集合推導人們經常錯誤地認為{}能初始化一個空集合。但其實不然，它初始化一個空字典。

>>> {}
{}
>>> type({})

如果你想初始化一個空集合，可以簡單地調用set()方法。

>>> set()
set()
>>> type(set())

注意一個空集合用set()表示，但是一個包含一些元素的集合就就要用花括號包圍元素來表示。

>>> s = set()
>>> s
set()
>>> s.add(1)
>>> s
{1}
>>> s.add(2)
>>> s
{1, 2}

這和直覺是相反的，因為你期望類似于set([1, 2])的一些東西。

5.誤解GIL

GIL（全局解釋器鎖）意味著在Python程序中，任意一個時間點只能有一個線程在運行。這意味著當我們創建一個線程并希望它并行運行時，它并不會那樣。Python解釋器實際的工作是在不同的運行線程之間快速進行切換。但這只是對實際發生事情的一個非常簡單的解釋，實際情況要復雜的多。有很多種并行運行的實例，例如使用本質為C擴展的各種庫。但運行Python代碼時，大部分時間里它不會并行執行。換句話說，Python中的線程并不像Java或C++中的線程。

許多人會嘗試為Python辯解，說這些都是真正的線程。這確實是真的，但并不能改變這樣一個事實：Python處理線程的方式和你期望的方式是不同的。Ruby語言也有相同的情況（Ruby也有一個解釋器鎖）。

指定的解決方案是使用multiprocessing模塊。multiprocessing模塊提供Process類，它是一個對fork的很好的覆蓋。然而，fork過程比一個線程的代價高得多，所以你可能不會每次都能看到性能上的提升，因為不同的process之間需要做大量的工作來進行相互協調。

然而，這個問題并不存在于每一個Python的實現版本中。例如，Python的一個實現PyPy-stm就試圖擺脫GIL（仍未穩定）。建立在其他平臺，如JVM（Jython）或CLR（IronPython），上的Python實現，也沒有GIL的問題。

總之，使用Thread類時要多加小心，你得到的可能不是你想要的。

6.使用舊式類

在Python 2中，有兩種類型的類，分別為“舊式”類和“新式”類。如果你使用Python 3，那么你默認使用“新式”類。為了確保在Python2中使用“新式”類，你需要讓你新創建的每一個類都繼承object類，且類不能已繼承了內置類型，例如int或list。換句話說，你的基類、類如果不繼承其他類，就總是需要繼承object類。

class MyNewObject(object):
# stuff here

7.按錯誤的方式迭代

對于這門語言的新手來說，下邊的代碼是非常常見的：

for name_index in range(len(names)):
print(names[name_index])

在上邊的例子中，沒有必須調用len函數，因為列表迭代實際上要簡單得多：

for name in names:
print(name)

此外，還有一大堆其他的工具幫助你簡化迭代。例如，可以使用zip同時遍歷兩個列表：

for cat, dog in zip(cats, dogs):
print(cat, dog)

如果你想同時考慮列表變量的索引和值，可以使用enumerate：

for index, cat in enumerate(cats):
print(cat, index)

在itertools中也有很多有用的函數供你選擇。然而請注意，使用itertools函數并不總是正確的選擇。如果itertools中的一個函數為你試圖解決的問題提供了一個非常方便的解決辦法，例如鋪平一個列表或根據給定的列表創建一個其內容的排列，那就用它吧。但是不要僅僅因為你想要它而去適應你代碼的一部分。

濫用itertools引發的問題出現的過于頻繁，以至于在StackOverflow上一個德高望重的Python貢獻者已經貢獻他們資料的重要組成部分來解決這些問題。

8.使用可變的默認參數

我多次見到過如下的代碼：

def foo(a, b, c=[]):
# append to c
# do some more stuff

永遠不要使用可變的默認參數，可以使用如下的代碼代替：

def foo(a, b, c=None):
if c is None:
c = []
# append to c
# do some more stuff

與其解釋這個問題是什么，不如展示下使用可變默認參數的影響：

>>> def foo(a, b, c=[]):
... c.append(a)
... c.append(b)
... print(c)
...
>>> foo(1, 1)
[1, 1]
>>> foo(1, 1)
[1, 1, 1, 1]
>>> foo(1, 1)
[1, 1, 1, 1, 1, 1]

同一個變量c在函數調用的每一次都被反復引用。這可能有一些意想不到的后果。 

看完了這篇文章，相信你對學習Python可能遇到的問題有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！