🐍

不是智商问题，不是天赋问题，而是你一直在用错误的学习方式原地打转

你写代码的时候，有没有这种感觉——

明明一样的功能，别人5行搞定，你写了50行还报错
别人10分钟调通的bug，你折腾了2小时
别人写的是Python，你写的是"Python翻译机"——把人的逻辑翻译成代码，过程还TM特别费劲

别急着否认

我见过太多太多学Python的人，每天背语法、看教程、刷题，学了大半年，一写实际代码还是那个德性——满屏的for循环，满屏的if else，满屏的print("调试中")

不是你不努力

**是你从一开始就养成了错误的编程习惯
**

这篇文章不教你什么高深的算法，也不教什么酷炫的框架

我只讲3个最普通、最常见、你绝对有过的坏习惯

改掉它们

你的代码长度减半，bug减少70%，写代码速度翻3倍

你是不是也这样？

来看看下面这些场景，如果你觉得膝盖中箭，请举起你的手（不对，请点个赞）

**场景1：你在处理一个文件，10000行数据
**

你的代码：

result = []
for line in lines:
    line = line.strip()
if line != "":
        result.append(line)

别人告诉你可以一行搞定，你的第一反应是"不可能，别骗我"

**场景2：你在写一个判断，一个数要在某个范围内
**

你的代码：

if score >= 0:
if score <= 100:
print("有效分数")

别人说可以用0 <= score <= 100，你问了句"还有这种操作
"

**场景3：你在调试代码，找一个变量在哪出错了
**

你的代码：

print("debug1:", variable1)
print("debug2:", variable2)
print("debug3:", variable3)
...

然后删了加、加了删，最后也没找到问题在哪

如果你全中，没关系，这篇文章就是帮你解决这些问题的

但我要先告诉你一个残酷的真相：

你不是Python学不会，你是不会用Python的方式思考

你觉得你在写代码，其实你只是在用Python的语法，复述你大脑里的逻辑

这不是编程，这叫翻译

而真正的编程，是利用工具，让机器替你干活

这句话值你一个赞，先收下

认知反转：效率低不是因为 你学得少，而是因为你学得"太诚实"

Python之所以成为全球最受欢迎的编程语言，不是因为它强大（虽然确实强大），而是因为它有一大堆帮你偷懒的工具

但问题是——

**你学Python的时候，是不是把Python当成了C语言来学
**

我见过太多的人，学Python之前先学C，学Java，再转Python

然后呢

然后他们把C语言的思维方式带过来了——

• • 循环要自己写？不，Python有列表推导式
• • 判断要嵌套？不，Python有链式比较
• • 字符串要自己拼接？不，Python有f-string
• • 调试要print？不，Python有pdb

**Python的设计理念是：让你的代码更少，而不是让机器的执行更快
**

这句话可能有点反常识，但我请你再多读一遍

Python的设计理念是：让你的代码更少

因为代码越少，bug越少，维护成本越低，程序员的时间越宝贵

而你——

还在用C语言的思维方式，写Python代码

活该你效率低

好，现在干货来了

下面我带着你，一个习惯一个习惯地改

每个习惯，我都会给你：

1. 1. 一个完整可运行的代码示例（15-30行）
2. 2. 逐行解释
3. 3. 运行效果

你可以直接复制运行

习惯一：还在手动循环？Python有更优雅的写法

问题场景

假设你有这么个需求：

有一个列表，里面是价格
你要把所有价格打8折，然后去掉小于0的（无效价格），再转成整数

你可能会这么写：

prices = [100, 50, -20, 80, 0, 30, -5]
result = []
for price in prices:
    discounted = price * 0.8
if discounted > 0:
        result.append(int(discounted))
print(result)

运行结果：[80, 64, 24]

这段代码有什么问题

问题1：变量名太随意，result, discounted——等你回来看代码，你根本不知道这是啥
问题2：逻辑和代码混在一起，不够清晰
问题3：如果你有嵌套循环，这代码就没法看了

更好的写法

现在我来给你展示，Python应该怎么写这个需求：

from typing importList

defdiscount_prices(prices: List[float], discount: float = 0.8) -> List[int]:
"""
    对价格列表打折，并过滤掉无效价格（小于等于0的）。

    Args:
        prices: 原始价格列表
        discount: 折扣系数，默认为0.8（8折）

    Returns:
        打折后的有效价格列表（整数）
    """
# 使用列表推导式：一行搞定过滤+打折+转型
return [int(p * discount) for p in prices if p * discount > 0]


defdemo():
"""演示函数"""
# 测试数据
    prices = [100, 50, -20, 80, 0, 30, -5]

# 直接调用函数
    result = discount_prices(prices)

# 打印结果
print(f"原始价格: {prices}")
print(f"8折后价格: {result}")


if __name__ == "__main__":
    demo()

运行效果：

原始价格: [100, 50, -20, 80, 0, 30, -5]
8折后价格: [80, 64, 24]

代码逐行解释

from typing importList# 导入类型标注，让代码更清晰

这行很重要
很多人觉得类型标注没用，但实际上，类型标注能让你在看代码的时候一眼就知道函数需要什么参数、返回什么类型
尤其是团队协作的时候

defdiscount_prices(prices: List[float], discount: float = 0.8) -> List[int]:
"""
    对价格列表打折，并过滤掉无效价格（小于等于0的）。

    Args:
        prices: 原始价格列表
        discount: 折扣系数，默认为0.8（8折）

    Returns:
        打折后的有效价格列表（整数）
    """
# 使用列表推导式：一行搞定过滤+打折+转型
return [int(p * discount) for p in prices if p * discount > 0]

**这是核心
** 列表推导式是Python最强大的特性之一

[表达式 for 变量 in 可迭代对象 if 条件]——这是Python的基本语法，但99%的人不知道它可以这样用

这里的逻辑是：

• • for p in prices：遍历每个价格
• • if p * discount > 0：过滤掉打折后<=0的
• • int(p * discount)：把结果转成整数

**一行代码，完成了原来5行的事情
**

再来一个例子：嵌套循环

如果你有两个列表，要找出它们的交集：

list1 = [1, 2, 3, 4, 5]
list2 = [3, 4, 5, 6, 7]

# 你的写法
result = []
for i in list1:
for j in list2:
if i == j:
            result.append(i)

# Python的写法
result = [i for i in list1 if i in list2]

运行结果：[3, 4, 5]

**这就是Python的区别——同样一件事，Python让你写的代码更少
**

习惯二：还在用print调试？该升级了

问题场景

你有没有遇到过这种情况——

代码运行结果不对，你想看看中间某个变量是多少

于是你加了print(xxx)，运行，发现不对，再加print(yyy)，再运行……

最后你的代码里一堆print("debug")，你自己都分不清哪个是调试用的，哪个是正式输出

等调试完了，还得一个个删掉

累不累

更好的方法

Python有一个内置的调试工具，叫pdb（Python Debugger）

它可以让你在代码里设置断点，然后一行一行地执行，观察每个变量的值

**而且不需要你删代码
**

来看这个例子：

defcalculate_total(items: list) -> float:
"""
    计算购物车总价

    Args:
        items: 商品列表，每个元素是 (商品名, 价格) 的元组

    Returns:
        总价
    """
import pdb  # 导入pdb模块

    total = 0.0

for index, item inenumerate(items):
        name, price = item
        total += price

# 设置断点！代码运行到这里会自动暂停，等待你输入命令
# 你可以在这里查看 total, name, price 的值
        pdb.set_trace()

print(f"商品: {name}, 价格: {price}, 当前总价: {total}")

return total


defdemo():
"""演示函数"""
# 测试数据：购物车里的商品
    cart = [
        ("苹果", 10.0),
        ("香蕉", 5.0),
        ("橙子", 8.0),
    ]

# 计算总价
    total = calculate_total(cart)

print(f"\n最终总价: {total}")


if __name__ == "__main__":
    demo()

代码逐行解释

import pdb  # 导入pdb模块

pdb是Python内置的调试模块，不需要安装，直接导入就能用

for index, item inenumerate(items):
    name, price = item
    total += price

# 设置断点！
    pdb.set_trace()

**这是核心
** pdb.set_trace()就是设置断点

当代码运行到这里的时候，会自动暂停，然后你可以在命令行里输入各种命令来查看变量值、单步执行等

常用的pdb命令：

• • n (next)：执行下一行
• • s (step)：进入函数内部
• • c (continue)：继续运行到下一个断点
• • p 变量名：打印变量值
• • l (list)：查看当前代码行
• • q (quit)：退出调试

运行效果

假设我运行这段代码，在第一个断点处暂停：

> /Users/xiaojiayu/Desktop/test.py(19)calculate_total()
-> pdb.set_trace()
(Pdb) p total  # 查看当前total的值
10.0
(Pdb) p name   # 查看当前name的值
'苹果'
(Pdb) n        # 执行下一行
> /Users/xiaojiayu/Desktop/test.py(22)calculate_total()
-> print(f"商品: {name}, 价格: {price}, 当前总价: {total}")
(Pdb) c        # 继续运行
商品: 苹果, 价格: 10.0, 当前总价: 10.0
> /Users/xiaojiayu/Desktop/test_line_no20)calculate_total()
-> pdb.set_trace()
(Pdb)

**这就是调试的正确方式——你想看什么变量，就看什么变量，不用满屏的print
**

更简单的方法：icecream库

如果你觉得pdb太复杂（确实需要一点学习成本），我再给你推荐一个更简单的工具——icecream库

安装：pip install icecream

用法：

from icecream import ic

defcalculate_total(items):
    total = 0.0
for item in items:
        name, price = item
        total += price
        ic(name, price, total)  # 打印变量名+值，一行搞定
return total

cart = [("苹果", 10.0), ("香蕉", 5.0)]
result = calculate_total(cart)
print(f"最终总价: {result}")

运行结果：

ic| test.py:8 in calculate_total()-16: name = '苹果', price = 10.0, total = 10.0
ic| test.py:8 in calculate_total()-16: name = '香蕉', price = 5.0, total = 15.0
最终总价: 15.0

**看到没
ic()自动帮你打印变量名和值，比print不知道方便多少倍
**

习惯三：不会利用工具库？造轮子累死你

问题场景

我见过太多的人，做个简单的数据处理，非要自己写一堆代码

比如：

有一个CSV文件，有10000行数据，要统计每列的平均值

他可能是这么写的：

withopen("data.csv", "r") as f:
    lines = f.readlines()

# 解析表头
header = lines[0].strip().split(",")

# 解析数据
data = []
for line in lines[1:]:
    row = line.strip().split(",")
    data.append([float(x) for x in row])

# 统计每列平均值
for col_index inrange(len(header)):
    col_sum = 0
for row in data:
        col_sum += row[col_index]
    col_avg = col_sum / len(data)
print(f"{header[col_index]}: {col_avg}")

这段代码有什么问题

问题1：自己解析CSV，累不累
有pandas库不用
问题2：自己写循环算平均值，有numpy不用
问题3：代码写了30多行，如果有错误都不知道错在哪

更好的写法

来，演示一下什么叫"让工具帮你干活"：

import pandas as pd

defanalyze_csv(file_path: str) -> None:
"""
    分析CSV文件，计算每列的平均值

    Args:
        file_path: CSV文件路径
    """
# 一行代码，读取CSV文件
    df = pd.read_csv(file_path)

# 一行代码，计算每列平均值
    averages = df.mean()

# 打印结果
print("各列平均值：")
print(averages)


defdemo():
"""演示函数（使用内存数据，不读取实际文件）"""
import io

# 模拟CSV数据（内存中）
    csv_data = """姓名,年龄,分数
张三,25,85
李四,30,90
王五,28,78
赵六,22,92
"""

# 用io.StringIO模拟文件读取
    df = pd.read_csv(io.StringIO(csv_data))

print("原始数据：")
print(df)
print("\n统计结果：")
print(df.describe())
print("\n各列平均值：")
print(df.mean())


if __name__ == "__main__":
    demo()

运行结果：

原始数据：
   姓名  年龄  分数
0  张三   25   85
1  李四   30   90
2  王五   28   78
3  赵六   22   92

统计结果：
          年龄    分数
count   4.000   4.000
mean   26.250   86.25
std    3.403   5.909
min   22.000   78.00
25%   24.250   83.50
50%   26.250   86.25
75%   28.000   89.00
max   30.000   92.00

各列平均值：
年龄    26.25
分数    86.25
dtype: float64

代码逐行解释

import pandas as pd

pandas是Python数据分析最常用的库，没有之一
它可以帮你处理CSV、Excel等各种格式的数据，功能强大到爆炸

df = pd.read_csv(io.StringIO(csv_data))

**一行代码，读取CSV
** 你不需要自己解析文件，不需要自己处理逗号分隔，pandas全帮你搞定了

print(df.describe())

**一行代码，输出完整的统计信息
** 包括计数、平均值、标准差、最小值、25分位数、中位数、75分位数、最大值——你手动写要写几十行吧

print(df.mean())

**一行代码，计算每列平均值
** 同理，你想算总和、用df.sum()，想算最大值用df.max()，想算最小值用df.min()

**这就是利用工具库的力量——同样的功能，你写30行代码不如调一行函数
**

再说一个例子：处理日期时间

很多人处理日期时间的时候，特别头疼

比如：

计算今天距离2024年1月1日有多少天

手动写：

from datetime import datetime

start_date = datetime(2024, 1, 1)
end_date = datetime.now()
days = (end_date - start_date).days
print(f"已经 {days} 天了")

运行结果：已经 855 天了

但如果你要处理更复杂的日期呢

比如：

有一个CSV文件，有10000行数据，其中有一列是日期格式（如"2024-03-15"），你要统计每周的平均销售额

用pandas：

import pandas as pd

df = pd.read_csv("sales.csv")
df["日期"] = pd.to_datetime(df["日期"])
df["周"] = df["日期"].dt.isocalendar().week
weekly_sales = df.groupby("周")["销售额"].mean()
print(weekly_sales)

**一行代码搞定Weekly汇总，你手动写要写多久
**

总结：3个习惯，3个改法

回顾一下，今天我带你改了哪3个习惯：

习惯1：还在手动循环

• • 改用：列表推导式
• • 效果：5行变1行

习惯2：还在用print调试

• • 改用：pdb调试器 或 icecream库
• • 效果：想看什么看什么，不再满屏print

习惯3：还在自己造轮子

• • 改用：pandas、numpy等工具库
• • 效果：30行变1行

今天就可以做的行动

现在，立刻，马上，你可以做以下3件事：

1️⃣ 检查你的代码
打开你最近写的Python代码，搜索for关键字
如果你看到嵌套超过2层的for循环，问自己一句：能不能用列表推导式

2️⃣ 安装一个调试工具
打开终端，运行：pip install icecream
下次调试的时候，试试ic(变量名)，看看是不是比print爽

3️⃣ 学会查文档
当你想要实现某个功能的时候，先问自己：
"Python有没有内置方法
"
"有没有现成的库能帮我做
"
"能不能先搜一下
"

记住这句话：**好的程序员不是写代码多的人，而是会用工具的人
**

结尾

这篇文章，只讲了几个最基本的习惯

但恰恰是这些最基本的习惯，决定了你和其他人的差距

有人写Python，5年还是curd boy
有人写Python，1年就能独当一面

不是因为智商，不是因为天赋

**是因为他们从一开始就养成了正确的习惯
**

而你，现在知道了

去改吧

**如果你觉得这篇文章有用，点个赞

如果你想看更多"反常识"的Python技巧，点个关注

下篇文章，我会告诉你：为什么你学的Python语法全忘了 but 这些技巧你永远忘不掉
**