坑爹的Python陷阱(避坑指南)
我个人对陷阱的定义是这样的:代码看起来可以工作,但不是以你“想当然“”的方式。如果一段代码直接出错,抛出了异常,我不认为这是陷阱。比如,Python程序员应该都遇到过的“UnboundLocalError”, 示例:
>>> a=1>>> def func():... a+=1... print a...>>> func()traceback (most recent call last):File "<stdin>", line 1, in <module>File "<stdin>", line 2, in funcUnboundLocalError: local variable a referenced before assignment
对于“UnboundLocalError”,还有更高级的版本:
import random
def func(ok): if ok: a = random.random() else: import random a = random.randint(1, 10) return a
func(True)# UnboundLocalError: local variable random referenced before assignment
可能对于很多python新手来说,这个Error让人摸不着头脑。但我认为这不算陷阱,因为这段代码一定会报错,而不是默默的以错误的方式运行。不怕真小人,就怕伪君子。我认为缺陷就好比伪君子。
那么Python中哪些真正算得上陷阱呢
第一:以mutable对象作为默认参数
这个估计是最广为人知的了,Python和其他很多语言一样,提供了默认参数,默认参数确实是个好东西,可以让函数调用者忽略一些细节(比如GUI编程,Tkinter,QT),对于lambda表达式也非常有用。但是如果使用了可变对象作为默认参数,那么事情就不那么愉快了
>>> def f(lst = []):... lst.append(1)... return lst...>>> f()[1]>>> f()[1, 1]
惊喜不惊喜?!究其原因,python中一切都是对象,函数也不列外,默认参数只是函数的一个属性。而默认参数在函数定义的时候已经求值了。
Default parameter values are evaluated when the function definition is executed.
stackoverflow上有一个更适当的例子来说明默认参数是在定义的时候求值,而不是调用的时候。
>>> import time>>> def report(when=time.time()):... return when...>>> report()1500113234.487932>>> report()1500113234.487932
python docoment 给出了标准的解决办法:
A way around this is to use None as the default, and explicitly test for it in the body of the function
>>> def report(when=None):... if when is None:... when = time.time()... return when...>>> report()1500113446.746997>>> report()1500113448.552873
第二: x += y vs x = x + y
一般来说,二者是等价的,至少看起来是等价的(这也是陷阱的定义 — 看起来都OK,但不一定正确)。
>>> x=1;x += 1;print x2>>> x=1;x = x+1;print x2>>> x=[1];x+=[2];print x[1, 2]>>> x=[1];x=x+[2];print x[1, 2]
呃,被光速打脸了?
>>> x=[1];print id(x);x=x+[2];print id(x)43571328004357132728>>> x=[1];print id(x);x+=[2];print id(x)43571328004357132800
前者x指向一个新的对象,后者x在原来的对象是修改,当然,那种效果是正确的取决于应用场景。至少,得知道,二者有时候并不一样
第三,神奇的小括号—()
小括号(parenthese)在各种编程语言中都有广泛的应用,python中,小括号还能表示元组(tuple)这一数据类型, 元组是immutable的序列。
>>> a = (1, 2)>>> type(a)<type tuple >>>> type(())<type tuple >
但如果只有一个元素呢
>>> a=(1)>>> type(a)<type int >
神奇不神奇,如果要表示只有一个元素的元组,正确的姿势是:
>>> a=(1,)>>> type(a)<type tuple >
第四:生成一个元素是列表的列表
这个有点像二维数组,当然生成一个元素是字典的列表也是可以的,更通俗的说,生成一个元素是可变对象的序列
很简单嘛:
>>> a= [[]] * 10>>> a[[], [], [], [], [], [], [], [], [], []]>>> a[0].append(10)>>> a[0][10]
看起来很不错,简单明了,but
>>> a[1][10]>>> a[[10], [10], [10], [10], [10], [10], [10], [10], [10], [10]]
我猜,这应该不是你预期的结果吧,究其原因,还是因为python中list是可变对象,上述的写法大家都指向的同一个可变对象,正确的姿势
>>> a = [[] for _ in xrange(10)]>>> a[0].append(10)>>> a[[10], [], [], [], [], [], [], [], [], []]
另外一个在实际编码中遇到的问题,dict.fromkeys, 也有异曲同工之妙:创建的dict的所有values指向同一个对象。
fromkeys(seq[, value])
Create a new dictionary with keys from seq and values set to value.
第五,在访问列表的时候,修改列表
列表(list)在python中使用非常广泛,当然经常会在访问列表的时候增加或者删除一些元素。比如,下面这个函数,试图删掉列表中为3的倍数的元素:
>>> def modify_lst(lst):... for idx, elem in enumerate(lst):... if elem % 3 == 0:... del lst[idx]...
测试一下,
>>> lst = [1,2,3,4,5,6]>>> modify_lst(lst)>>> lst[1, 2, 4, 5]
好像没什么错,不过这只是运气好
>>> lst = [1,2,3,6,5,4]>>> modify_lst(lst)>>> lst[1, 2, 6, 5, 4]
上面的例子中,6这个元素就没有被删除。如果在modify_lst函数中print idx, item就可以发现端倪:lst在变短,但idx是递增的,所以在上面出错的例子中,当3被删除之后,6变成了lst的第2个元素(从0开始)。在C++中,如果遍历容器的时候用迭代器删除元素,也会有同样的问题。
如果逻辑比较简单,使用list comprehension是不错的注意
第六,闭包与lambda
这个也是老生长谈的例子,在其他语言也有类似的情况。先看一个例子:
>>> def create_multipliers():... return [lambda x:i*x for i in range(5)]...>>> for multiplier in create_multipliers():... print multiplier(2)...
create_multipliers函数的返回值时一个列表,列表的每一个元素都是一个函数 -- 将输入参数x乘以一个倍数i的函数。预期的结果时0,2,4,6,8. 但结果是5个8,意外不意外。
由于出现这个陷阱的时候经常使用了lambda,所以可能会认为是lambda的问题,但lambda表示不愿意背这个锅。问题的本质在与python中的属性查找规则,LEGB(local,enclousing,global,bulitin),在上面的例子中,i就是在闭包作用域(enclousing),而Python的闭包是 迟绑定 , 这意味着闭包中用到的变量的值,是在内部函数被调用时查询得到的。
解决办法也很简单,那就是变闭包作用域为局部作用域。
>>> def create_multipliers():... return [lambda x, i = i:i*x for i in range(5)]...
第七,定义del
大多数计算机专业的同学可能都是先学的C、C++,构造、析构函数的概念应该都非常熟。于是,当切换到python的时候,自然也想知道有没有相应的函数。比如,在C++中非常有名的RAII,即通过构造、析构来管理资源(如内存、文件描述符)的声明周期。那在python中要达到同样的效果怎么做呢,即需要找到一个对象在销毁的时候一定会调用的函数,于是发现了init, del函数,可能简单写了两个例子发现确实也能工作。但事实上可能掉进了一个陷阱,在python documnet是有描述的:
Circular references which are garbage are detected when the option cycle detector is enabled (it’s on by default), but can only be cleaned up if there are no Python-level del() methods involved.
简单来说,如果在循环引用中的对象定义了del,那么python gc不能进行回收,因此,存在内存泄漏的风险
第八,不同的姿势import同一个module
示例在stackoverflow的例子上稍作修改,假设现在有一个package叫mypackage,里面包含三个python文件:mymodule.py, main.py, init.py。mymodule.py代码如下:
l = []class A(object): pass
main.py代码如下:
def add(x): from mypackage import mymodule mymodule.l.append(x) print "updated list",mymodule.l, id(mymodule)
def get(): import mymodule print module in get , id(mymodule) return mymodule.l
if __name__ == __main__ : import sys sys.path.append( ../ ) add(1)
ret = get() print "lets check", ret
运行python main.py,结果如下:
updated list [1] 4406700752module in get 4406700920lets check []
从运行结果可以看到,在add 和 get函数中import的mymodule不是同一个module,ID不同。当然,在python2.7.10中,需要main.py的第13行才能出现这样的效果。你可能会问,谁会写出第13行这样的代码呢?事实上,在很多项目中,为了import的时候方便,会往sys.path加入一堆路径。那么在项目中,大家同意一种import方式就非常有必要了
第九,python升级
python3.x并不向后兼容,所以如果从2.x升级到3.x的时候得小心了,下面列举两点:
在python2.7中,range的返回值是一个列表;而在python3.x中,返回的是一个range对象。
map()、filter()、 dict.items()在python2.7返回列表,而在3.x中返回迭代器。当然迭代器大多数都是比较好的选择,更加pythonic,但是也有缺点,就是只能遍历一次。在instagram的分享中,也提到因为这个导致的一个坑爹的bug。
第十:++i —i
这个陷阱主要是坑来自C、C++背景的同学。简单来说,++i是对i取两次正号,—i是对i取两次负号,运算完之后i的值不变。
第十一:setattr getattr getattribute
Python中有大量的magic method(形似xx),其中许多跟属性访问有关,比如get, set,delete_,getattr, setattr, delattr, getattribute。前三个跟descriptor相关,详细可参见《python descriptor 详解》。坑爹的是,getattr与setattr相差很大,在《python属性查找(attribute look up)》一文中有详细介绍。简单说来,setattr与getattribute是对应的,都是修改python默认的属性修改、查找机制,而getattr只是默认查找机制无法找到属性的时候才会调用,setattr应该叫setattribute__才恰当!
第负一,gil
以GIL结尾,因为gil是Python中大家公认的缺陷!
其他语言过来的同学可能看到python用threading模块,拿过来就用,结果发现效果不对啊,然后就会喷,什么鬼
总结:
毫无疑问的说,python是非常容易上手,也非常强大的一门语言。python非常灵活,可定制化很强。同时,也存在一些陷阱,搞清楚这些陷阱能够更好的掌握、使用这么语言。本文列举了一些python中的一些缺陷,这是一份不完全列表,欢迎大家补充。
references:
instagram-pycon-2017
python-2-x-gotchas-and-landmines
module-reimported-if-imported-from-different-path
本文版权归作者xybaby
原文地址:http://www.cnblogs.com/xybaby/)
喜欢文章,点个在看
坑爹的Python陷阱(避坑指南)相关推荐
- 集成灶怎么选品牌(拒绝陷阱避坑指南)
很多朋友在选购集成灶,大多数选择会到网上去看一些网友或博主的推荐.看多了听多了,就对某个品牌印象深刻,最终就选择了常听到的某个品牌. 作为深耕集成灶行业7年的我,经常被问哪个品牌好?我最常说的是品牌不 ...
- python避坑指南_Linux下Python3.6的安装及避坑指南
Python3的安装 1.安装依赖环境 Python3在安装的过程中可能会用到各种依赖库,所以在正式安装 Python 3之前,需要将这些依赖库先行安装好. yum -y install zlib-d ...
- Python+Selenium 网页自动化 exe 程序编程实现(最全避坑指南)
前言 在我的日常工作中,经常需要在内网(不连接互联网)的网页版办公系统中进行抓取网页数据.修改表单等大量重复性的操作.我就想是否可以编写出自动化的工具,将这些日常琐碎的操作变得轻松而高效.虽然本人非计 ...
- HarmonyOS 开发避坑指南
Harmony OS 开发避坑指南--源码下载和编译 本文介绍了如何下载鸿蒙系统源码,如何一次性配置可以编译三个目标平台(Hi3516,Hi3518和Hi3861)的编译环境,以及如何将源码编译为三个 ...
- 【吐血经验】在 windows 上安装 spark 遇到的一些坑 | 避坑指南
在 windows 上安装 spark 遇到的一些坑 | 避坑指南 最近有个活:给了我一个阿里云桌面(windows 10系统),让我在上面用 scala + spark 写一些东西. 总是报错不断, ...
- Ununtu 18.04 安装Carla 0.9.13 以及Carla ros bridge 超级避坑指南(更新于2022.10.20)
Carla0.9.13 以及Carla ros bridge 超级避坑指南 Carla0.9.13 以及Carla ros bridge 超级避坑指南 站在巨人肩膀前进 显卡驱动问题 首先就是虚幻4的 ...
- 【A卡,Windows】stable diffusion webui下载安装避坑指南
观前提醒 本文内容都是本人亲身经历的,一个一个安装下载测试所感,当然如果你更想用傻瓜式集成包的,那还是跳过这篇文章吧. 当然我不推荐这篇文章的操作,因为我用了差不多1h才有一副图,有N卡,就用N卡,这 ...
- 百度程序员开发避坑指南(3)
前两期我们分享了日常工作中前端.移动端开发的相关问题,感兴趣的同学可以在文末推荐阅读跳转查看.本期我们分享三个议题:golang对象池减少gc压力.FFmpeg中的并发控制.paddle的静态图和动态 ...
- 2023年Matlab毕设避坑指南及选题推荐
大家好! 2021-2022学年,接了很多matlab数字图像处理/语音信号处理的单子,其中碰到了很多同学们的遭遇,给大家分享下.可以说因为都是第一次,没经验,往往会贪图便宜而踩坑被骗.基础不好不会做 ...
- Hi3861开发环境搭建 ||避坑指南|| [适用于几乎所有以Hi3861为主控的开发板]
Hi3861开发环境搭建 ||避坑指南|| [适用于几乎所有以Hi3861为主控的开发板] 前言: 这几天为了搭建Hi3861的开发环境,看了不少官方文档和视频,但是依然折腾了很久才配置好编译.上传都 ...
最新文章
- 数据结构与算法 | 线性表 —— 链表
- 龙芯派启用串口3-5
- WPF 蒙罩层 LoadingPage
- php 判断同时存在英文跟数字,php判断输入是否是纯数字,英文,汉字的方法
- 携程微服务框架实践及思考
- 2021-2025年中国云日志服务行业市场供需与战略研究报告
- vmware-linux虚拟机上网配置
- Hadoop原理——HDFS原理
- 自动驾驶仿真:如何通过TCP方式进行VTD驾驶员仿真
- 机器视觉Halcon教程(1.介绍)
- NAT 穿透是如何工作的:技术原理及企业级实践
- 数据库常用日期统计查询
- 从零讲JAVA ,给你一条清晰地学习道路!该学什么就学什么!!
- 计网 | PGP协议实验(邮件加密解密)
- 用于光波导耦合的倾斜光栅分析
- android手机应用程序开发,Android手机应用程序开发标准
- Lesson 29 Come in, Amy
- 普通的加载千篇一律,有趣的 loading 万里挑一
- matlab文件名批量读取dat文件,matlab批量读取dat
- 【JavaScript】(9)——实例:滑动效果的弹出框