两则Python方面的例子。

第一则。看了不少别人的代码，发现大量Python程序员习惯这么取List里的数据：

lst = [['张三丰', '太极拳', '武当派', ['男', 60]],

       ['越阿青', '越女剑', '无门派', ['女', 15]],

       ['凌未风', '大须弥', '天山派', ['男', 48]],

       ['张无忌', '九阳功', '武当派', ['男', 28]],

       ['铁摩勒', '八仙剑', '昆仑派', ['男', 35]]]

 

for l in lst:

    # 处理l

    print(l[0], l[1], l[2], l[3][0], l[3][1])

这种涉及位置的处理方式，一旦逻辑复杂起来，或则数据多了，代码就变得难以阅读，甚至久而久之自己再看都费劲。

我们可以换一种方式：

for name, kf, pai, (s, age) in lst:

      # 处理l

      print(name, kf, pai, s, age)

这里利用了解构特性，方法更一目了然了。如果要操作原 lst 列表，则可以这样做（借助 enumerate() ）：

for idx, (name, kf, pai, (s, age)) in enumerate(lst):

    # 处理l

    if pai == '无门派':

        lst[idx][2] = '越女派'

或者使用列表解析（List Comprehension，当然也可以借助 filter 、 map 等函数）：

 

lst = [[name,

        kf,

        '越女派' if pai == '无门派' else pai,

        [s, age]] for name, kf, pai, (s, age) in lst]

事情感觉是一步步变好。但是不是还有继续改进的空间呢？比如 lst 数据列表？可能很多人会喜欢设计一个数据类/数据集合类，举个例子（第二则）：

class Data:

    def __init__(self,  name, kf, pai, props):

        self.name  = name

        self.kf    = kf

        self.pai   = pai

        self.props = props

 

 

class DataSet:

    def __init__(self):

        self.dataSet = []

 

    def append(self, item):

        self.dataSet.append(item)

 

 

d1 = Data('张三丰', '太极拳', '武当派', ['男', 60])

ds = DataSet()

ds.append(d1)

ds.dataSet[0].name

但如果只是一个数据模型，而且数据生成好后只用于查询，则大可使用 collections.namedtuple 函数，这是一个工厂方法，能够生成一个 tuple 的增强子类：

 

from collections import namedtuple

 

DM = namedtuple('DataModel', 'name, kf, pai, props')

d1 = DM('张三丰', '太极拳', '武当派', ['男', 60])

ds.append(d1)

ds.dataSet[0].name

这不是更方便吗？

上面只是大概举两个例子，还可以继续根据现实所需优化结构：如果需要各种复杂数据操作，则可继续丰富 Data 类的方法；如果只是涉及简单的操作，则可以考虑 Map 。但希望能体现出充分借助语言特性进行代码良好构造的重要性。

Python发展到今天，已不能简单理解早十几年提出的“统一一种方式”的理念了， 找出最优方式而坚持并形成约定 ，应该是这个理念的深入含义。

现在市面上的Python书籍琳琅满目，但如果只是裹足于常规使用，确实很容易陷入所谓“Python容易”的感觉中。但其实Python并不容易，什么语言都不容易，要娴熟掌握都是要不断磨练。

这一段常看到“给语言排难易度”、“这个语言好还是那个语言好”、“谁又取代了谁”之类的话题，其实静下心来充实自己就好了。

很多的思维，不仅仅是编程方式，还有看问题的角度， 我们都需要不时提醒自己：要不断尝试突破旧思维，突破思维禁锢，让自己的头脑中始终存在着一条清晰的主轴。 这样才能把握好方向。