链式比较操作
>>> False == False == True
False
pythonic：
if 18 < age < 60:
print("yong man")
if/else 三目运算
text = '男' if gender == 'male' else '女'
在类C的语言中都支持三目运算 b?x:y
但在python能够用 if/else 清晰表达逻辑时，就没必要再额外新增一种方式来实现。
真值判断
检查某个对象是否为真值时，还显示地与 True 和 False 做比较就显得多此一举，不专业。
一般：
if attr == True:
do_something()
if len(values) != 0: # 判断列表是否为空
do_something()
pythonic：
if attr:
do_something()
if values:
do_something()
for/else语句
for else 是 Python 中特有的语法格式，else 中的代码在 for 循环遍历完所有元素之后执行。
一般：
flagfound = False
for i in mylist:
if i == theflag:
flagfound = True
break
process(i)
if not flagfound:
raise ValueError("List argument missing terminal flag.")
pythonic：
for i in mylist:
if i == theflag:
break
process(i)
else:
raise ValueError("List argument missing terminal flag.")
字符串格式化
一般：
s1 = "foofish.net"
s2 = "vttalk"
s3 = "welcome to %s and following %s" % (s1, s2)
pythonic：
s3 = "welcome to {blog} and following {wechat}".format(blog="foofish.net", wechat="vttalk")
很难说用 format 比用 %s 的代码量少，但是 format 更易于理解。
列表切片
获取列表中的部分元素最先想到的就是用 for 循环根据条件提取元素，这也是其它语言中惯用的手段，而在 Python 中还有强大的切片功能。
一般：
items = range(10)
# 奇数
odd_items = []
for i in items:
if i % 2 != 0:
odd_items.append(i)
# 拷贝
copy_items = []
for i in items:
copy_items.append(i)
pythonic：
# 第1到第4个元素的范围区间
sub_items = items[1:4]
# 奇数
odd_items = items[1::2]
#拷贝
copy_items = items[::] 或者 items[:]
列表元素的下标不仅可以用正数表示，还是用负数表示，最后一个元素的位置是 -1，从右往左，依次递减。
--------------------------
| P | y | t | h | o | n |
--------------------------
0 1 2 3 4 5
-6 -5 -4 -3 -2 -1
--------------------------
善用生成器
一般：
def fib(n):
a, b = 0, 1
result = []
while b < n:
result.append(b)
a, b = b, a+b
return result
pythonic：
def fib(n):
a, b = 0, 1
while a < n:
yield a
a, b = b, a + b
上面是用生成器生成费波那契数列。生成器的好处就是无需一次性把所有元素加载到内存，只有迭代获取元素时才返回该元素，而列表是预先一次性把全部元素加载到了内存。此外用 yield 代码看起来更清晰。
获取字典元素
一般：
d = {'name': 'foo'}
if d.has_key('name'):
print(d['name'])
else:
print('unkonw')
pythonic：
d.get("name", "unknow")
预设字典默认值
通过 key 分组的时候，不得不每次检查 key 是否已经存在于字典中。
一般：
data = [('foo', 10), ('bar', 20), ('foo', 39), ('bar', 49)]
groups = {}
for (key, value) in data:
if key in groups:
groups[key].append(value)
else:
groups[key] = [value]
pythonic：
# 第一种方式
groups = {}
for (key, value) in data:
groups.setdefault(key, []).append(value)
# 第二种方式
from collections import defaultdict
groups = defaultdict(list)
for (key, value) in data:
groups[key].append(value)
字典推导式
numbers = [1, 2, 3]
my_dict = {number: number * 2 for number in numbers}
print(my_dict) # {1: 2, 2: 4, 3: 6}
# 还可以指定过滤条件
my_dict = {number: number * 2 for number in numbers if number > 1}
print(my_dict) # {2: 4, 3: 6}
变量交换
一般：
>>> a = 1
>>> b = 2
>>> tmp = a
>>> a = b
>>> b = tmp
pythonic：
>>> a, b = b, a
带有索引位置的集合遍历
遍历集合时如果需要使用到集合的索引位置时，直接对集合迭代是没有索引信息的。
一般：
colors = ['red', 'green', 'blue', 'yellow']
for i in range(len(colors)):
print i, '--->', colors[i]
pythonic：
for i, color in enumerate(colors):
print i, '--->', color
字符串连接
一般：
names = ['raymond', 'rachel', 'matthew', 'roger', 'betty', 'melissa', 'judith', 'charlie']
s = names[0]
for name in names[1:]:
s += ', ' + name
print s
pythonic：
print ', '.join(names)
join 是一种更加高效的字符串连接方式，使用 + 操作时，每执行一次+操作就会导致在内存中生成一个新的字符串对象，遍历8次有8个字符串生成，造成无谓的内存浪费。而用 join 方法整个过程只会产生一个字符串对象。
打开/关闭文件
一般：
f = open('data.txt')
try:
data = f.read()
finally:
f.close()
pythonic：
with open('data.txt') as f:
data = f.read()
列表推导式
能够用一行代码简明扼要地解决问题时，绝不要用两行
一般：
result = []
for i in range(10):
result.append(i)
pythonic：
[i for i in range(10)]
善用装饰器
装饰器可以把与业务逻辑无关的代码抽离出来，让代码保持干净清爽，而且装饰器还能被多个地方重复利用。比如一个爬虫网页的函数，如果该 URL 曾经被爬过就直接从缓存中获取，否则爬下来之后加入到缓存，防止后续重复爬取。
一般：
def web_lookup(url, saved={}):
if url in saved:
return saved[url]
page = urllib.urlopen(url).read()
saved[url] = page
return page
pythonic：
import urllib.request as urllib
def cache(func):
saved = {}
def wrapper(url):
if url in saved:
return saved[url]
else:
page = func(url)
saved[url] = page
return page
return wrapper
@cache
def web_lookup(url):
return urllib.urlopen(url).read()
用装饰器写代码表面上感觉代码量更多，但是它把缓存相关的逻辑抽离出来了，可以给更多的函数调用，这样总的代码量就会少很多，而且业务方法看起来简洁了。
合理使用列表
列表对象（list）是一个查询效率高于更新操作的数据结构，比如删除一个元素和插入一个元素时执行效率就非常低，因为还要对剩下的元素进行移动。
一般：
names = ['raymond', 'rachel', 'matthew', 'roger', 'betty', 'melissa', 'judith', 'charlie']
names.pop(0)
names.insert(0, 'mark')
pythonic：
from collections import deque
names = deque(['raymond', 'rachel', 'matthew', 'roger', 'betty', 'melissa', 'judith', 'charlie'])
names.popleft()
names.appendleft('mark')
deque 是一个双向队列的数据结构，删除元素和插入元素会很快
序列解包
一般：
p = 'vttalk', 'female', 30, 'python@qq.com'
name = p[0]
gender = p[1]
age = p[2]
email = p[3]
pythonic：
name, gender, age, email = p
遍历字典的 key 和 value
方法一速度没那么快，因为每次迭代的时候还要重新进行hash查找 key 对应的 value。
# 方法一
for k in d:
print k, '--->', d[k]
方法二遇到字典非常大的时候，会导致内存的消耗增加一倍以上。
# 方法二
for k, v in d.items():
print k, '--->', v
pythonic：
for k, v in d.iteritems():
print k, '--->', v
iteritems 返回迭代器对象，可节省更多的内存，不过在 python3 中没有该方法了，只有 items 方法，等值于 iteritems。
