Python编程（反模式）

文章给出了一些在Python初学者中很常见的反模式，反模式通常是指那些不符合习惯或者会导致糟糕后果的用法。Lignos把他总结的反模式分成了四大类——迭代、性能、变量的漏洞和编程风格。下面我们逐一来看一个例子，理解这些反模式到底“反”在什么地方。

迭代

当我们需要简单迭代一个数量范围的时候，Python给了我们一个非常好用的函数：range。Lignos观察到有些初学者喜欢用range来迭代列表的下表，像下面这种形式：

for i in range(len(alist)):    print alist[i]

这代码现在还没什么问题，但已经不符合Python的习惯了。但下面的代码就有问题了：

alist = ['her', 'name', 'is', 'rio']for i in range(0, len(alist) - 1): # 漏掉了最后一个    print i, alist[i]

我们可以看一下Python官方文档range的示例：

>>> range(1, 11)[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

range的右区间是不包含在内的，如果受了直觉或其他编程语言的影响，再减1就不对了。Lignos还列举了其他几种错误的迭代模式，我们只要记住，range应该用在迭代一个数量范围。

性能

Lignos给出了两段代码：

lyrics_list = ['her', 'name', 'is', 'rio']words = make_wordlist()for word in words:    if word in lyrics_list: # 线性时间        print word, "is in the lyrics"

和

lyrics_set = set(lyrics_list)words = make_wordlist()for word in words:    if word in lyrics_set: # 常数时间        print word, "is in the lyrics"

哪种模式效率更高？Lignos注释已经给出了答案。注释的意思是，判断一个元素是否在一组元素中存在，使用list的算法复杂度是O(n)，而使用set的算法复杂度是O(1)。那是否set永远是优于list？在其他情况下，应该用哪个数据结构？Python官方Wiki有一份专门各个数据结构操作的时间复杂度的文档供参考，知道参考这份文档比答案本身更重要。至于为什么，只有Python的源码才能告诉我们。

变量的漏洞

初学者往往会假设一些不该假设的前提，对一些异常流程考虑不周。Lignos也给了一个例子：

for idx, value in enumerate(y):    if value > max_value:        breakprocessList(y, idx)

这里y如果是空的，那就出问题了，因为idx根本得不到定义，最终我们会得到一个NameError的异常。比较好的做法是给idx一个默认的错误值，在C语言里面我们经常喜欢用-1。下面的代码就考虑得比较全面：

def find_item(item, alist):    # 对Python来说None比-1可能更好点    result = -1    for idx, other_item in enumerate(alist):        if other_item == item:            result = idx            break    return result

代码风格

Python有一份代码风格指导文档PEP 8，这些规则都是有道理的。当初学者不明白为什么的时候，最好的做法就是尽量遵守它，等到有更深入的理解了就会豁然开朗，同事也会明白什么时候可以打破规则。Lignos引用了这份文档的一些例子，比如，如何测试一个变量是否为空，如果测试一个变量是否为None等等