从会编程到用 Python 思考：面向有经验开发者的升级路线
当已经会编程时再学习 Python，会面临一个奇怪的问题。你不需要别人解释什么是变量、条件或循环，但仅仅记住更简洁的语法也不够。困难在于恢复——或者说构建——写出在生产环境中自然、可维护且可预测的 Python 所需的判断力。 最有效的进步方式不是压缩一门初学者课程，而是改变学习顺序：从那些影响你设计决策的差异开始，并在可以运行、也可以刻意弄坏的短小示例中逐一练习。 1. 翻译心智模型，而不是逐行翻译代码 从 Java、C#、JavaScript、Go 或 C++ 过来的人，通常首先会把自己已经知道的东西逐字翻译过来。程序能运行，但保留了 Python 不需要的结构、抽象和仪式感。 建议尽早审视以下问题： • 可变性、别名和同一性； • 解包、推导式和惰性迭代； • 作为对象的函数和闭包； • 上下文管理器； • dataclasses 与数据边界； • 能使代码融入语言对象模型的特殊方法。 这些不是冷知识。它们解释了为什么两个正确的实现可能在清晰度和行为上相差很大。 2. 用类型标注设计边界 注解在描述契约时才有价值。一个 Protocol、一个窄化的返回类型或一个定义良好的 callable，可以把策略与其实现分开，让 API 更易于测试。 相反，用注解填满每个局部变量很少能改进设计。一个好的练习是：先定义组件的公共接口，再创建多个满足该接口的实现。这样一来，类型标注就不再是装饰，而成了发现耦合的工具。 3. 根据负载选择并发模型 Python 提供了多种模型，但没有一种放之四海而皆准： • 线程适合阻塞式输入/输出操作； • 进程可以把 CPU 密集型工作隔离开来； • 当许多协作任务大部分时间都在等待时，asyncio 很有用。...