最近在网上看到一篇介绍Pythonic编程的文章：Code Like a Pythonista: Idiomatic Python，其实作者在2006的PyCon会议后就写了这篇文章，写这篇文章的主要原因是作者发现很多有经验的Pythoner写出的代码不够Pythonic。我觉得这篇文章很不错，所以将它用中文写了下来(不是逐字的翻译，中间加了一些自己的理解)，分享给大家。另：由于本人平时时间有限，这篇文章翻译了比较长的时间，如果你发现了什么不对的地方，欢迎指出。。
这首特别的“诗”开始作为一个笑话，但它确实包含了很多关于Python背后的哲学真理。Python之禅已经正式成文PEP 20，具体内容见：PEP 20
Abelson & Sussman在《计算机程序的构造和解释》一书中说道：程序是写来给人读的，只是顺带让机器执行。所以，我们在编码时应该尽量让它更易读懂。PEP8是Python的编码规范，文档见：PEP 8，PEP是Python Enhancement Proposal的缩写。PEP8包括很多编码的规范，下面主要介绍一下缩进和命名等内容。
空和缩进在Python语言中非常重要，它替代了其他语言中{}的作用，用来区分代码块和作用域。在这方面PEP8有以下的：
1、每次缩进使用4个空2、不要使用Tab，更不要Tab和空混用3、两个方法之间使用一个空行，两个Class之间使用两个空行4、添加一个空在字典、列表、序列、参数列表中的“，“后，以及在字典中的”：“之后，而不是之前5、在赋和比较两边放置一个空（参数列表中除外）6、紧随括号后面或者参数列表前一个字符不要存在空
命名规范是编程语言的基础，而且大部分的规范对于高级语言来说都是一样的，Python的基本规范如下：
以上内容只是对PEP8做了非常简单的介绍，由于今天的主题不在于此，所以就不在这里多讲。想要更加深入的了解Python编码规范，可以阅读PEP8文档Google Python编码规范等内容。
可能你已经在其他地方见过这种写法，但是你知道Python是如何实现这种语法的吗？首先，逗号(,)是Python中tuple数据结构的语法；的语执行一下的操作：
3、然后将tuple的第一个元素赋给左边的第一个变量，第二个元素赋给左边第二个变量。
PS：在使用这种语法时，需要确保左边的变量个数和右边tuple的个数一致，否则，Python会抛出ValueError异常。
我们知道：逗号(,)在Python中是创建tuple的构造器，所以我们可以按照的方式很方便的创建一个tuple；需要注意的是：如果声明只有一个元素的tuple，末尾必须要带上逗号，两个以上的元素则不需要。声明tuple的语法很简单，但同时它也比较坑：如果你发现Python中的变量不可思议的变成了tuple，那很可能是因为你多写了一个逗号。。
这是Python中比较有用的一个功能，不过有很多人不知道(我也是接触Python很久之后才知道的)。。在Python的交互式控制台中，当你计算一个表达式或者调用一个方法的时候，运算的结果都会放在一个临时的变量_里面。_(下划线)用来存储上一次的打印结果，比如：
PS：当返回结果为None的时候，控制台不会打印，_里面存储的也就不会改变。
假如现在有一个list，里面是一些字符串，你现在需要将它们合并成一个字符串，最简单的方法，你可以按照下面的方式去处理：
但是，很快你会发现：这种方法非常低效，尤其当list非常大的时候。Python中的字符串对象是不可改变的，因此对任何字符串的操作如拼接，修改等都将产生一个新的字符串对象，而不是基于原字符串。所以，的方消耗很大的内存：它需要计算，存储，同时扔掉中间的计算结果。正确的方法是使用Python中的join方法：
当合并元素比较少的时候，使用join方法看不出太大的效果；但是当元素多的时候，你会发现join的效率还常明显的。不过，在使用的时候请注意：join只能用于元素是字符串的list，它不会进行任何的强制类型转换。连接一个存在一个或多个非字符串元素的list时将抛出异常。
当你需要判断一个KEY是否在dict中或者要遍历dict的KEY时，最好的方法是使用关键字in：
Python的dict对象是对KEY做过hash的，而keys()方将dict中所有的KEY作为一个list对象；所以，直接使用in的时候执行效率会比较快，代码也更简洁。
dict是Python内置的数据结构，在写Python程序时会经常用到。这里介绍一下它的get方法和deultdict方法。
在获取dict中的数据时，我们一般使用index的方式，但是如果KEY不存在的时候会抛出KeyError。这时候你可以使用get方法，使用方法：dict.get(key, deult=None)，可以避免异常。例如：
dict本身有个fromkeys方法，可以通过一个list生成一个dict，不过得提供默认的value，例如：
需要注意的是：由于dict本身是无序的，所以通过keys()和values()方法获得的list的顺序已经和原始的list不一样了。。
在Python中，我们在遍历列表的时候，可以通过enumerate方法来获取遍历时的index，比如：
enumerate方法是惰性方法，所以它只会在需要的时候生成一项，也因此在上述代码print的时候需要包装一个list。enumerate其实是一个生成器(generator)，这个下面会讲到。使用enumerate之后，for循环变得很简单：
使用enumerate的代码比其他两个都短，而且更简单，更容易读懂。下面的例子可以说明一下enumerate实际返回的数据：一个迭代器，
在Python中，变量没有数据类型，是附属于对象的标示符名称，如下图：实际，这段表明了像python，PHP这类动态脚本语言中“变量”包含了两个内容：1标识符名称 2 标识符所对应(引用)的(对象)，也就是说“变量”不在是一个容器。
现在，变量a 是附属在整数对象 2 。最初的整数对象 1 已经没有指向它的变量 a，它可能还存在，但是我们已经不能通过变量 a获得。当一个对象没有了指向它的引用的时候，它将会被从内存中删除(垃圾回收)。如果我们将存在的变量赋给一个新的变量，Python会在已经存在的对象上加上一个指向自己的变量(tag)。
PS：Python中的变量，引用等设计和其他语言不同，这里只是将原文翻译说明了一下，更多的介绍可以参看：Python中的变量、引用、拷贝和作用域
对于Python初学者来说，Python的方法默认参数有一个很容易犯错的地方：在默认参数中使用可变对象，甚至有不少Python老鸟也可能会在这个问题上掉坑里，如果他们不能理解Python的对象引用。。问题如下：
这个问题的主要原因是：a_list参数的默认是一个空的list，它在函数定义的时候已经被创建。所以，之后每次调用该函数的时候，a_list的默认都是这个list对象。List，dict和set是可变对象，如果想在函数中获取一个默认的list(dict or set)对象，正确的做法是在函数中创建：
的代码中，我们指定了用来式化的的名字，然后可以根据name在字典中查找相应的value。其实，的name和messages已经在local命名空间中定义，所以，我们可以利用这一点：
locals()方法返回一个包含所有本地变量的字典。这个功能非常强大，你可以不必担心提供的values是否和模板匹配；但是同时这个也常的：你将会整个本地命名空间给调用者，这一点需要你注意。
在Python中，对象有一个__dict__属性，你可以在式化字符串的时候使用;
flags可以有,-, 或0。表示右对齐。-表示左对齐。 为一个空，表示在正数的左侧填充一个空，从而与负数对齐。0表示使用0填充。
的width, precision为两个整数。我们可以利用*，来动态代入这两个量。比如：
str.format()方法是在Python 2.6中引入的，它通过 {} 和 : 来代替 % ，功能非常强大。具体的用法见下面的例子：
List Comprehensions即迭代器(列表生成式)，是Python内置的非常简单却强大的可以用来创建list的生成式。在不使用迭代器的时候，创建一个新列表可以使用for和if来实现：
列表生成式非常简洁的，不过是在某种程度上。你可以在列表生成式中使用多个for循环和多个if语句，但是两个以上的for和if语句会让列表生成式非常复杂，这时候直接用for循环。根据Zen of Python，选择更容易读的方式。下面是一些例子：
生成器和提到的迭代器差不多，可以说：生成器是一种特殊的迭代器；但是它们之间有一个很大的区别：迭代器是的，而生成器是懒惰的，具体来说：迭代器会一次性的计算出整个结果列表，而生成器只在需要的时候计算一个。这个特性在列表非常大，或者需要一步一步计算的时候非常有用。
在的例子中，我们只需要平方和，不需要平方的list，所以我们使用生成器xrange。如果我们计算1 ～ 1000000000的平方和，使用迭代器的话会内存溢出，但是生成器却不会：
在语法上，迭代器会有一个[]，但是生成器没有；不过有时候，生成器需要()，所以，最好每次都带上。一些自定义的生成器例子：
需要注意的是：list的sort()方直接在原list变量上排序，改变原本的list对象，并且该方法不会返回一个list对象。如果你需要不改变原list，并且返回新的list对象的话，可以使用Python的orted方法：
但是，如果你想对一个list进行排序，不过不想使用默认的排序方式，比如你可能需要先根据第二行排序，再根据第四行排序。这时候，我们也可以使用sort()方法，但是得提供一个自定义的排序方法：
DSU即Decorate-Sort-Undecorate，中文就是封装-排序-解封。DSU方法不会创建自定义的排序方法，而是创建一个辅助的排序列表，然后对这个列表进行默认排序。需要说明的是：DSU方法是一种比较老的方法，现在已经基本上不使用了，不过这里还是给出一个简单的例子说明一下：
上述代码第一行创建了一个tuple的list，tuple中的前两项是用来排序的字段，最后一项是原数据；第二行使用sort()方法对辅助的list进行默认的排序；最后一行是从已经排序的辅助list中获取原数据，重新组成list。
这种方法是使用复杂度和内存空间来减少计算时间，比较简单，也比较快，但是我们得复制原列表的数据。
自从Python 2.4之后，list.sort()和sorted()都添加了一个key参数用来指定一个函数，这个函数作用于每个list元素，在做cmp之前调用。key参数是一个函数，这个函数有一个参数，返回一个用来排序的关键字。这种排序方法很快，因为key方法在每个输入的record上只执行一次。你可以使用Python内置的函数(len, str.lower)或者自定义函数作为key参数，下面是一个简单的例子：
检查数据可以让程序更健壮，用术语来说就是防御性编程。检查数据的时候，有EAFP和LBYL两种不同的编程风，具体的意思如下：
异常处理总是比事先检查容易，因为你很难提前想到所有可能的问题。所以，一般情况下编码时会倾向使用EAFP风，但它也不是适应所有的情况。两个风的优缺点如下：
对于LBYL，容易打乱思维，本来业务逻辑用一行代码就可以搞定的。却多出来了很多行用于检查的代码。防御性的代码跟业务逻辑混在一块降低了可读性。而EAFP，业务逻辑代码跟防御代码隔离的比较清晰，更容易让开发者专注于业务逻辑。不过，异常处理会影响一点性能。因为在发生异常的时候，需要进行保留现场、回溯traceback等操作。但其实性能相差不大，尤其是异常发生的频率比较低的时候。
另外，需要注意的是，如果涉及到原子操作，强烈推荐用EAFP风。比如我某段程序逻辑是根据redis的key是否存在进行操作。如果先if exists(key)，然后do something。这样就变成2步操作，在多线程并发的时候，可能key的状态已经被其他线程改变了。而用EAFP风则可以确保原子性。
PS：在使用EAFP风捕获异常时，尽量指明具体的异常，不要直接捕获Exception。否则会捕获到其他未知的异常，如果有问题，你会很难去定位(debug)。
你可能在其他地方见过这种使用通配符*的引用方式，可能你也比较喜欢这种方式。但是，这里要说的是：请不要使用这种引用方式！
通配符引用的方式属于Python中的面，这种方式会导致命名空间污染的问题。你可能会在本地命名空间中得到意想不到的东西，而且这种方式引入的变量可能将你在本地定义的变量覆盖，在这种情况下，你很难弄清楚变量来自哪里。所以，通配符引用的方式虽然方便，但可能会导致各种各样奇怪的问题，在Python项目中尽量不要用这种方式。
这种方式直接import的是模块，然后通过模块访问其中的变量，Class和方法。使用这种方式可以很清晰的知道变量来自哪里：
为了使一个Python文件既可以被引用，又可以直接执行，你可以在Python文件中加上这样的代码：
当被引用时，一个模块(module)的__name__属性会被设置为该文件的文件名(不包括.py后缀)。所以，代码片段中if语句中的脚本在被引用的时候不会执行。当把Python文件作为一个脚本执行的时候，__name__属性则被设置为__main__，这时候if语句中的脚本才会被执行。
最好不要在Python文件中直接写可执行的语句，应该将这些代码放在方法或类里面，必要的时候放在if __name__ == __main__:中。一个Python文件的结构可以参考下面的：
Python是一种脚本语言，有时候我们会直接在命令行运行Python文件，这时候可能需要解析命令行传入的参数，下面是一个例子：cmdline.py
在你写代码之前，你需要先看一下有没有其他人已经实现了类的功能。你可以从下面的几个地方寻找：
m0_38081481:作者在开始对hfp、hbp、hsw几个定义有错误，说明和图有出入，还有hsw的必要性的定义有问题。
推荐：