python cookbook 一書非常經典，作者David Beazley，擁有超過20年的Python使用經驗，再加上他很強的寫作技能，所以值得一看。

它的翻譯版本也有很多，其中比較優秀的版本是yidao620c翻譯的，今天查閱翻譯作者，就職華為。當然，最重要的還是書的內容好，這種按照一個小的話題展開討論的方式，相信很多Python愛好者都比較喜歡。

這本書的話題要想理解透，還是需要具備一定的Python基礎，不太適合純Python小白。下面說說這本書，到底好在哪里，該怎么使用。

這是它的整體大綱目錄，一共包括十五章，分別討論：數據結構，字符串，數字，迭代器和生成器，文件與IO，函數、類、模塊，網絡編程，并發與測試。這些都屬于Python中最最核心的知識模塊，原書作者David個人推薦解決現實問題時，優先考慮Python中內置的模塊是否能解決問題。

那么這本書到底好在哪里呢？它分話題展開討論，每個話題都足夠精簡，無廢話。最大限度的從實際應用總結每個知識點，比如在話題：保留最后N個元素時，編寫的代碼就很漂亮：

from collections import deque

def search(lines, pattern, history=5):
    previous_lines = deque(maxlen=history)
    for line in lines:
        if pattern in line:
            yield line, previous_lines
        previous_lines.append(line)

# Example use on a file
if __name__ == '__main__':
    with open(r'../../cookbook/somefile.txt') as f:
        for line, prevlines in search(f, 'python', 5):
            for pline in prevlines:
                print(pline, end='')
            print(line, end='')
            print('-' * 20)

保留有限歷史記錄正是 collections.deque 大顯身手的時候，難得是作者會對上面的代碼做了簡要的分析：

我們在寫查詢元素的代碼時，通常會使用包含 yield 表達式的生成器函數，也就是我們上面示例代碼中的那樣。這樣可以將搜索過程代碼和使用搜索結果代碼解耦

讓我們真正明白到底好在哪里，以及Python內置的模塊真的很強大。

再比如作者在討論查找最大或最小的 N 個元素這個話題時，表面上這是一個很簡單的話題，其實如果要考慮的全面，也是需要留意一些事情的。作者分別討論了：

• 當查找元素個數N = 1時，建議直接使用max或min方法

• 當查找元素個數接近整個列表長度時，建議使用sorted函數以切片的方式獲取

• 當要查找的元素個數相對比較小的時候，函數 nlargest() 和 nsmallest() 是很合適的

相信大家都對前兩種情況的解決方法比較熟悉，第三種使用內置模塊heapq是算法中的堆結構，常見的大根堆，小根堆，

>>> nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
>>> import heapq
>>> heap = list(nums)
>>> heapq.heapify(heap)
>>> heap
[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
>>>

Python中heapify后，默認建立一個小根堆。它最重要的特征是 heap[0] 永遠是最小的元素。

比如，如果想要查找最小的 3 個元素，你可以這樣做，首先執行一次heappop后，次小元素變為最小，如下圖所示：

>>> heapq.heappop(heap)
-4

再次執行兩次后，就能得到列表的前三個最小的元素為[-4,1,2]，此時的小根堆為如下圖所示：

>>> heapq.heappop(heap)
1
>>> heapq.heappop(heap)
2