我已經使用Python程式設計有多年了，即使今天我仍然驚訝於這種語言所能讓程式碼表現出的整潔和對DRY程式設計原則的適用。這些年來的經驗讓我學到了很多的小技巧和知識，大多數是透過閱讀很流行的開源軟體，如Django, Flask, Requests中獲得的。
下面我挑選出的這幾個技巧常常會被人們忽略，但它們在日常編程中能真正的給我們帶來不少幫助。
大多數的Python程式設計師都知道且使用過清單推導(list comprehensions)。如果你對list comprehensions概念不是很熟悉——一個list comprehension就是一個更簡短、簡潔的創建一個list的方法。
>>> some_list = [1, 2, 3, 4, 5] >>> another_list = [ x + 1 for x in some_list ] >>> another_list [2, 3, 4, 5, 6]
自從python 3.1 (甚至是Python 2.7)起，我們可以用同樣的語法來創建集合和字典表：
>>> # Set Comprehensions
>>> some_list = [1, 2, 3, 4, 5, 2, 5, 1, 4, 8]
>>> even_set = { x for x in some_list if x % 2 == 0 }
>>> even_set
set([8, 2, 4])
>>> # Dict Comprehensions
>>> d = { x: x % 2 == 0 for x in range(1, 11) }
>>> d
{1: False, 2: True, 3: False, 4: True, 5: False, 6: True, 7: False, 8: True, 9: False, 10: True}在第一個例子裡，我們以some_list為基礎，創建了一個具有不重複元素的集合，而且集合裡只包含偶數。而在字典表的例子裡，我們創建了一個key是不重複的1到10之間的整數，value是布林型，用來指示key是否是偶數。
這裡另一個值得注意的事情是集合的字面量表示法。我們可以簡單的用這個方法建立一個集合：
>>> my_set = {1, 2, 1, 2, 3, 4}
>>> my_set
set([1, 2, 3, 4])而不需要使用內建函數set()。
這聽起來顯而易見，但經常被人忘記。對大多數程式設計師來說，數一個東西是一項很常見的任務，而且在大多數情況下並不是很有挑戰性的事情——這裡有幾種方法能更簡單的完成這種任務。
Python的collections類庫裡有個內建的dict類的子類，是專門來幹這種事情的：
>>> from collections import Counter
>>> c = Counter('hello world')
>>> c
Counter({'l': 3, 'o': 2, ' ': 1, 'e': 1, 'd': 1, 'h': 1, 'r': 1, 'w': 1})
>>> c.most_common(2)
[('l', 3), ('o', 2)]# JSON是一種非常好的資料序列化的形式，被現今的各種API和web service大量的使用。使用python內建的json處理，可以使JSON串具有一定的可讀性，但當遇到大型數據時，它表現成一個很長的、連續的一行時，人的肉眼就很難觀看了。
為了能讓JSON資料表現的更友好，我們可以使用indent參數來輸出漂亮的JSON。當在控制台互動式程式設計或做日誌時，這尤其有用：
>>> import json
>>> print(json.dumps(data)) # No indention
{"status": "OK", "count": 2, "results": [{"age": 27, "name": "Oz", "lactose_intolerant": true}, {"age": 29, "name": "Joe", "lactose_intolerant": false}]}
>>> print(json.dumps(data, indent=2)) # With indention
{
"status": "OK",
"count": 2,
"results": [
{
"age": 27,
"name": "Oz",
"lactose_intolerant": true
},
{
"age": 29,
"name": "Joe",
"lactose_intolerant": false
}
]
}同樣，使用內建的pprint模組，也可以讓它任何東西列印輸出的更漂亮。
有時候，我們需要在兩台機器或服務之間做一些簡單的、很基礎的RPC之類的互動。我們希望用一種簡單的方式使用B程式呼叫A程式裡的一個方法—有時是在另一台機器上。僅內部使用。
我並不鼓勵將這裡介紹的方法用在非內部的、一次性的程式設計中。我們可以使用一種叫做XML-RPC的協定 (相對應的是這個Python函式庫)，來做這種事。
下面是一個使用SimpleXMLRPCServer模組建立一個快速的小的檔案讀取伺服器的例子：
from SimpleXMLRPCServer import SimpleXMLRPCServer
def file_reader(file_name):
with open(file_name, 'r') as f:
return f.read()
server = SimpleXMLRPCServer(('localhost', 8000))
server.register_introspection_functions()
server.register_function(file_reader)
server.serve_forever()客戶端：
import xmlrpclib
proxy = xmlrpclib.ServerProxy('http://localhost:8000/')
proxy.file_reader('/tmp/secret.txt')我們這樣就得到了一個遠端文件讀取工具，沒有外部的依賴，只有幾句代碼(當然，沒有任何安全措施，所以只可以在家裡這樣做)。
這裡我提到的幾個東西都是Python標準庫裡的，如果你安裝了Python，你就已經可以這樣使用了。而對於許多其它類型的任務，這裡有大量的社區維護的第三方庫可供你使用。
下面這個清單是我認為的好用且健壯的開源庫的必備條件：
# 包含一個很清楚的許可聲明，能適用於你的使用情境。
# 開發和維護工作很活躍(或，你能參與開發維護它。)
能夠簡單的使用pip安裝或重複部署。
# 有測試套件，具有足夠的測試覆蓋率。
如果你發現一個好的程式庫，符合你的要求，不要不好意思————大部分的開源專案都歡迎捐贈程式碼和歡迎提供幫助——即使你不是一個Python高手。
原文連結：Improving Your Python Productivity
以上是介紹Python的高效率的程式設計技巧的詳細內容。更多資訊請關注PHP中文網其他相關文章！
