关于 Python，一些不得不吐槽的“迷惑行为”

摘要：随着大数据与人工智能时代的到来，Python/ target=_blank class=infotextkey>Python 近年来颇受程序员喜爱，在 TIOBE 编程语言排行榜中也稳居第一。但这并不说明 Python 毫无缺点，本文作者就将盘点一些 Python 的“迷惑性为”。

原文链接：https://medium.com/geekculture/why-python-still-is-a-mess-1f7bf5bca281

作 者 |Ari Joury

译者| 弯月

出品 | CSDN（ID：CSDNnews）

长期以来，Python一直自诩是最适合新手程序员的语言之一。话虽没错，但这并不意味着编程新手不会对Python的一些行为感到困惑。

举个例子，动态类型。你无需单独编写一行代码来定义变量的类型，Python能够自行分辨，乍一看之下，这似乎很神奇。感觉这样编程速度更快。

然而，就因为少了一行变量定义，整个项目在运行结束之前就有可能崩溃。

说句公道话，许多其他编程语言也使用动态类型。但对于Python而言，这只是一系列噩梦的开始。

隐式的变量声明会影响阅读代码

几年前，我想在同事编写的一个软件的基础之上，进行二次开发。我知道该软件的基本思想，我的同事甚至写了一篇论文作为该软件的文档。

但是，我仍然需要阅读数千行 Python 代码，才能搞清楚各个部分在干什么，以及我可以将新功能放到哪里。然而，就在这个过程中，我遇到了很大的问题……

纵观整个代码库，变量声明到处都是。为了搞清楚每个变量的用途，我不得不搜索整个文件，甚至是整个项目。

此外，还有各种各样的复杂情况，比如函数的某个参数的名字和调用该函数时使用的变量完全不同，或者一个变量与某个类紧密结合，而该类又和另一个类中的某个变量交织在一起……诸如此类的事情层出不穷。

很多人都有类似的感觉，有人就曾表示显式变量声明优于隐式（参考链接：https://peps.python.org/pep-0020/）。但是，在Python中隐式变量声明比比皆是，尤其是在大型项目中。

无处不在的可变类型，甚至在函数中

在 Python 中，定义函数的时候可以指定可选参数，即不需要明确指定的参数。如下所示：

defadd_five(a, b= 0) : returna + b + 5

通过这个简单的示例可以看出，在调用函数时，无论指定一个参数还是两个参数都可以：

add_five(3) # returns 8 add_five(3,4) # returns 12

之所以会出现这种现象，是因为表达式b=0定义了b是一个整数，而整数是不可变的。再看看下面这个例子：

def add_element( list=[]): list.Append( "foo") returnlist add_element # returns ["foo"], as expected

发现问题了吗？再执行一次会怎么样？

• add_element # returns [ "foo", "foo"]! wtf!

因为这里的list已经存在，即["foo"]，而Python会继续向这个列表添加新东西。这是因为列表与整数不同，是可变类型。

我不禁想起一句话：“疯子就是不断重复同一件事，却期待不同的结果。”（经考证，这句话不是爱因斯坦说的）。我想说，Python + 可选参数 + 可变对象 = 疯子。

类变量并不安全

如果你认为上述问题仅限于可变对象作为可选参数的时候，那你就大错特错了。

相信你也使用Python编写面向对象的代码，在Python代码中类无处不在。而类最实用的特性之一便是：继承。

简单来说，如果父类具有某些属性，子类就可以继承这些属性。如下所示：

classparent(object): x = 1 classfirstchild(parent): pass classsecondchild(parent): pass print(parent.x, firstchild.x, secondchild.x) # returns 1 1 1

注意，这段代码写得并不好，不要复制到实际的项目中。关键在于，子类继承了 x = 1，因此我们可以获取子类的这个属性，得到的结果与父类相同。

如果我们修改某个子类的x属性，那么理应说变化的只有这个子类。就好像孩子染发不可能改变父母亲或兄弟姐妹的发色。代码如下：

firstchild.x = 2 print( parent.x, firstchild.x, secondchild.x) # returns 1 2 1

如果这时父母染发，孩子的发色会变吗？不会变，对不对？

parent.x = 3 print( parent.x, firstchild.x, secondchild.x) # returns 3 2 3

出现这个结果是因为Python的方法解析顺序（http://python-history.blogspot.com/2010/06/method-resolution-order.html）。简单来说，只要没有另行说明，子类就会继承父类拥有的一切。也就是说，在Python的世界里，如果你不提前抗议，那么你妈妈在染头发的时候，会顺带连你的头发一起染了。

反方向的作用域

我个人已经因为这个问题多次栽跟头。

在Python中，函数内部定义的变量无法在函数外部使用，这是因为超出了作用域：

def myfunction(number): basenumber = 2 return basenumber*number basenumber ## Oh no! This is the error: #Traceback (most recent call last): #File "<stdin>", line 1, in<module> #NameError: name 'basenumber'is not defined

这部分完全符合直觉，我栽跟头也不是因为这部分代码。

但是反过来呢？我的意思是，如果我在函数外部定义一个变量，然后在函数内部引用它呢？

x = 2 def add_5: x = x + 5 print(x) add_5 ## Oh dear... #Traceback (most recent call last): #File "<stdin>", line 1, in<module> #File "<stdin>", line 2, inadd_y #UnboundLocalError: localvariable 'x'referenced before assignment

这就很奇怪了，不是吗？我们生活在一个有树的世界里，虽然平时我们住在房子里，但肯定也知道树长什么样子，对不对？（树是 x，房子是 add_5，我们是 5……）

有好多次，我在某个类中调用另一个类中定义的函数，就遇到了错误。我花了很长一段时间才找到问题的根源。

其背后的基本思想是，函数内部的 x 与外部的 x 是不同的，所以你不能在外部调用它。

幸运的是，这个问题有一个简单的解决方案，即在 x 之前加一个global，让x变成全局变量！

x = 2 defadd_5: globalx x = x + 5 print(x) add_5 # works!

所以说，如果你认为作用域的目的仅仅是保护函数内部的变量不被外部干扰，那就大错特错了。在Python中，局部作用域也无法访问外部。

在迭代的过程中修改列表

请看如下代码：

mynumbers = [ x forx inrange( 10)] # thisis[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] forx inrange( len(mynumbers)): ifmynumbers[x]%3 == 0: mynumbers. remove(mynumbers[x]) ## Ew! # Traceback (most recent call last): # File "<stdin>", line2, in <module> # IndexError: list index out of range

这个循环出错，是因为循环在迭代的过程中不断删除列表中的元素。因此，列表不断缩短，循环不可能到达第10个元素，因为它不存在了！

有一种解决方法是，为你想删除的所有元素统一分配一个值，然后在循环结束后删除它们。

此外，似乎还有一种更好的解决方式：

mynumbers = [ x forx inrange( 10) ifx%3 ! = 0] # that's what we wanted! [1, 2, 4, 5, 7, 8]

只需要一行代码！

请注意，在上面的示例中，我们使用了 Python 的列表推导式来调用列表。

列表推导式指的是方括号（[]）中的表达式，一般都是循环的缩写形式。列表推导式通常比常规循环更快，因此非常适合处理大型数据集。

在这个示例中，我们添加了一个 if 子句来告诉列表推导式：不应包含可被 3 整除的数字。

这个问题与前面的几个不同，我不认为这是Python的迷惑行为，相反我认为这种处理很聪明，尽管初学者理解起来会有些困难。

总结

实际上，我们对Python的不满不止是编写代码的痛苦，别忘了，以前Python的执行速度非常慢，比大多数其他语言慢 2～10 倍。

现在情况已经好很多了。例如，现在Numpy 包能够非常快速地处理列表、矩阵等。

Python的多线程处理也变得更加容易了。你可以使用计算机上的多个内核，我曾在 20 个内核上运行进程，为我节省了数周的计算时间。

此外，在过去几年中，随着机器学习的蓬勃发展，Python 也表现出了进一步的发展空间。Pytorch 和 Tensorflow 等包的出现推动了Python的采用，而其他语言也正在努力中。

虽然，多年来Python在不断进步，但这并不能保证Python未来的发展会一帆风顺。Python语言的学习并没有那么简单，请多加小心。