# 一定有更好的写法：Python惯用法神课深读 你有没有过这种经历：接手一个项目，打开代码一看，缩进七层、循环里套计数器、字典手工判空，功能都对，但读起来像在啃一行行汇编。语法没错，逻辑没错，可就是一股浓浓的「外语腔」——就像一个英语很好的人，说话却句句都是中式语序。 今天要深读的这场演讲，就是治这个病的。**Raymond Hettinger 的《Transforming Code into Beautiful, Idiomatic Python》**，2013年3月在 PyCon US（Santa Clara）上录制，由 PyCon 官方频道发布，是 Python 社区公认的「必看神课」之一，十多年过去仍在各类「Python开发者必看清单」里被反复推荐。Hettinger 是 Python 核心贡献者，`itertools` 模块作者、`collections` 模块（`defaultdict`、`namedtuple` 等）的主要作者，`sorted()` 的 `key=` 参数设计背后也有他的推动——换句话说，你现在每天用的不少「Python味」，就是这个人参与定义的。 在 AI 能一行行吐代码的今天，这场十二年前的演讲非但没过时，反而更值钱了：生成代码容易了，判断代码「地道不地道」成了人类工程师的稀缺能力。下面进入正题。 ## 视频背景卡片 | 项目 | 内容 | |------|------| | 视频标题 | Transforming Code into Beautiful, Idiomatic Python | | 频道 | PyCon US（官方频道） | | 发布时间 | 2013年（PyCon US 大会演讲实录） | | 时长 | 约49分钟 | | 播放量 | 数百万级（平台实时数据以 YouTube 页面为准） | | 核心主题 | 用 Python 惯用法重写「生硬代码」，让代码更快、更短、更可读 | > 说明：本文基于视频内容与公开资料撰写，播放量等平台动态数据以 YouTube 实时页面为准。 ## 核心内容拆解 ### 1. 这不是语法糖课，是一门「集体智慧」课 很多人把这场演讲当成「语法技巧合集」，其实低估了它。Hettinger 开篇就把惯用法（idiom）定义为**社区沉淀下来的最佳表达方式**——不是某个天才的发明，而是成千上万程序员在真实项目里试错后收敛出的共识。他的口头禅全场回荡：**"There must be a better way!"**（一定有更好的写法）每当你写出生硬的代码时，先别急着往下敲，停一秒，想想社区是不是已经给出过更好的答案。 他还有一个非常动人的观点（视频原话大意）：**如果你是专家，请回头去改善集体的智慧**——去 StackOverflow 回答问题、去改文档。他本人就是这么做的，他在 StackOverflow 上的 Python 回答至今仍是大量开发者的入门教材。 **延伸分析**：这其实是编程语言学习里最容易被忽略的一层。学语法是「把句子说对」，学惯用法是「说得像母语者」。母语者扫一眼代码就能闻出「外来者」的味道，而代码的地道程度，直接决定了团队 review 的速度、新人上手的成本、以及三年后你自己回读时的痛苦程度。惯用法不是风格偏好，是沟通成本问题。 ### 2. 遍历的六次进化：把「计数器思维」扔掉 演讲最出圈的部分，是他把最常见的 C 风格循环逐一「进化」。这是整场戏肉，值得完整梳理（示例为笔者依演讲要点整理）： ```python # 生硬：把机器思维带进了高级语言 for i in range(len(names)): print(names[i]) # 地道：直接表达「对每个名字做什么」 for name in names: print(name) ``` 在这个基线上，他连续展示了六种场景的惯用改写：需要**下标**时用 `enumerate(names)`；同时遍历**两个序列**时用 `zip(a, b)`；**倒序**遍历用 `reversed(names)`，而不是手写 `range(len(names)-1, -1, -1)` 这种反人类的东西；**有序**遍历直接 `sorted(names, key=...)`；**去重**遍历用 `set(names)`。 他的核心主张可以概括为一句话：**循环应该表达「我要对什么做什么」，而不是「计数器怎么走」**。`for i in range(len(xs)): xs[i]` 这种写法，本质上是把 C 语言的机器模型原封不动搬进了 Python——用他的话说，就是别在任何语言里写别的语言（大意转述）。 ### 3. 字典是 Python 的灵魂：计数、分组、映射三件套 Hettinger 对字典的偏爱贯穿全场。他演示了两类最高频的场景。第一类是**计数**： ```python # 生硬：手工判空 counts = {} for ch in "abracadabra": if ch not in counts: counts[ch] = 0 counts[ch] += 1 # 地道：get 一行搞定 counts = {} for ch in "abracadabra": counts[ch] = counts.get(ch, 0) + 1 ``` 第二类是**分组**——把元素按某个键归类到列表里。生硬写法要判断 key 是否存在再 append，地道写法是 `defaultdict(list)`，一行解决。他还强烈推荐 `namedtuple`：与其让函数返回一个裸元组、调用方靠位置去猜第几个字段是什么，不如给每个字段起名字，代码自带文档。 **延伸分析**：这场演讲之后，社区沿着这个方向继续标准化——`collections.Counter` 把「计数惯用法」直接做成了类型，一行 `Counter(s).most_common(3)` 连排序都替你办了；后来的 `dataclasses` 和 `typing.NamedTuple` 则接棒了 `namedtuple` 的思想。你今天觉得「Python 写起来真顺手」的很多瞬间，都是这条「惯用法 → 标准库」流水线的产物：先在社区形成最佳实践，成熟了就沉淀进语言。 ### 4. 选对数据结构，性能是白拿的 这场演讲另一个被严重低估的部分：**很多性能优化根本不需要算法天赋，只需要选对数据结构**。Hettinger 给了三组经典对照： | 场景 | 慢的做法 | 惯用做法 | 差异本质 | |------|---------|---------|---------| | 成员测试 | `x in big_list` | `x in big_set` | 线性扫描 vs 哈希一步定位 | | 左端弹出 | `queue.pop(0)` | `deque.popleft()` | 全体搬家 vs 常数时间摘头 | | 字符串累积 | `s += part` | `''.join(parts)` | 反复整体拷贝 vs 一次成型 | 他现场展示的数据量级差异相当震撼：成员测试从「百万条逐个比对」变成「哈希表一次命中」，复杂度从 O(n) 掉到常数级。而且这些改写**不牺牲可读性，反而更短**。 **延伸分析**（视频外的背景补充）：这些差异不是玄学，是 CPython 的内部实现决定的——`list` 是动态数组，中间插入或头部删除意味着后面所有元素整体移位；`deque` 则是分块双向链表，两端操作天然便宜。所以「选结构」本质是「理解结构背后的内存布局」。同样一行代码，复杂度天差地别，而性能税是在写下的那一刻就交完了的，不是运行时才浮现的。 ### 5. 扁平优于嵌套：缩进是一种认知税 Python 之禅（PEP 20）里有一条：**Flat is better than nested**（扁平优于嵌套）。Hettinger 把它落成了具体的手法。第一招是 **guard clause（卫语句）提前返回**：与其把主逻辑包在层层 `if` 里，不如先把不合法的情况一个个挡在门口，主逻辑零缩进平铺直叙。第二招是 Python 特有的 **for-else**：循环体后面跟一个 `else`，循环「没被 break 打断、自然跑完」时执行——写搜索类逻辑时，能优雅处理「没找到」的分支，不用引入 found 标志变量。 他还有一个全场反复强调的原则：**one logical line of code**——把「一个逻辑动作」写成一行。不是为了压行数炫技，而是因为当一行代码只表达一个完整意图时，大脑可以整行整块地读，像读句子一样；反过来，五行拆开的中间变量、或者七层嵌套的深渊，都强迫读者在脑内手动维护一个「状态栈」。 **延伸分析**：缩进深度其实可以直接当作复杂度的量化指标。嵌套每加深一层，读者要在脑内多压一层上下文，review 出错率随之上升。后来社区流行的「提前返回 + 小函数」重构法、甚至 CodeAesthetic 那支《Why You Shouldn't Nest Your Code》爆款视频，讲的都还是这件事——认知税是真实存在的，而且按嵌套层数复利计息。 ### 6. 惰性与缓存：让代码「少干活」 Hettinger 专门讲了一类反直觉的优化：**最快的代码，是不做不必要工作的代码**。第一件武器是**生成器表达式**——`(x*x for x in xs)` 不会先把整份结果建成列表再喂给下游，而是流式吐出，处理超大文件或无限序列时内存占用完全不是一个量级。配套的 `itertools` 工具箱（`islice`、`chain`、`groupby`……）就是为「流式、惰性」组合而生——他本人正是这个模块的作者，现场他半开玩笑地提醒大家去读文档（大意）。 第二件武器是 `functools.lru_cache`：一个装饰器，让重复调用的函数自动走缓存。他演示了给递归函数加一行装饰器、性能从指数级掉到线性级的例子——一行代码，胜过手写一套缓存逻辑。 **延伸分析**：这两件事看似不相关，内核却是同一种品味——**识别重复劳动，然后把它交出去**：交给惰性求值（不提前干以后可能用不上的活），交给缓存（已经干过的活不再干第二遍）。这套思路放到系统设计层面就是流式计算和 memoization，放到个人工作流层面就是自动化脚本。品味是相通的。 ### 7. with 与上下文管理器：把「人肉纪律」下沉为「语言结构」 资源管理部分，Hettinger 展示了 `with` 语句的正确打开方式。没有 `with` 的世界，打开文件要 `try/finally` 里手写 `close()`，用锁要先 `acquire()` 再记得 `release()`——每一处都依赖工程师「一定记得做」，而忘了的那次就是事故。有了 `with`： ```python with open('data.txt') as f: process(f) with lock: # 自动加锁、自动释放，想忘都忘不掉 update_shared_state() ``` 无论中途 return、break 还是抛异常，清理动作必然执行。他强调这类惯用法的价值在于：**把正确性从「纪律」问题变成「结构」问题**——不靠人自觉，靠语言机制兜底。 **延伸分析**：这是整场演讲里最具工程哲学味道的一点。好的语言特性不是让正确的代码写得更快，而是**让错误根本写不出来**。上下文管理器、后来的 `async with`、`contextlib` 工具箱，都在扩展这个思路。做工程的人可以记住这个判断标准：如果你的流程靠「大家都小心点」来保证，那它迟早出事；把它做成结构，才是真的解决。 ### 8. 十二年后的再解读：为什么 AI 时代更该看这场演讲 最后说说我的延伸判断。2013 年的代码示例，有些 API 已经演进（`dict.iteritems` 早成了 `items`），但这场演讲的生命力反而越来越强，原因有三层。 第一，**它教的是表达方式，不是版本特性**。`enumerate` 和 `zip` 会换名字，但「用数据结构表达意图、用惯用法降低沟通成本」的思想永不退役。Python 后来的 `match-case`、`dataclass`、类型标注，全都可以用演讲里的同一套品味去审视。 第二，**AI 编程时代，审美的稀缺性上升了**。2026 年的今天，让模型生成一段「能跑的代码」是几秒钟的事；但判断这段代码是地道的 Python 还是「用 Python 语法的 C」，需要受过训练的眼睛。这场演讲几乎可以直接当成 code review 的标尺：`range(len())`、手工计数器、`pop(0)`、七层缩进、手写缓存——看到就触发改造。换句话说，它培养的正是这个时代最值钱的能力：**鉴别与品味**。 第三，**它演示了一个专家如何反哺社区**。Hettinger 把多年功力压缩成五十分钟，配上文档和 StackOverflow 回答，让整个生态的水位上升。技术演讲浩如烟海，能被一代代新人反复挖出来重看的极少——因为它们的作者卖的不是信息，是经过时间检验的判断力。 ## 知识结构图 ```mermaid flowchart TD A["Python惯用法：地道的代码"] --> B["遍历进化"] A --> C["字典惯用法"] A --> D["数据结构选型"] A --> E["控制流扁平化"] A --> F["惰性与缓存"] A --> G["资源管理"] B --> B1["直接迭代对象"] B --> B2["enumerate 与 zip"] B --> B3["sorted 与 reversed"] C --> C1["defaultdict 计数与分组"] C --> C2["namedtuple 自文档化"] D --> D1["set 成员测试常数级"] D --> D2["deque 左端操作常数级"] D --> D3["join 一次成型拼接"] E --> E1["卫语句提前返回"] E --> E2["for else 搜索模式"] F --> F1["生成器表达式流式处理"] F --> F2["itertools 惰性工具箱"] F --> F3["lru_cache 自动缓存"] G --> G1["with 上下文管理器"] G --> G2["锁与事务的自动清理"] ``` ## 实战启示 看完这场演讲，别只收藏。给你一套可以直接落地的行动方案。 **第一步：给团队立一条 review 红线。** 把这几条写进 code review 清单：出现 `range(len(xs))` → 改直接迭代或 `enumerate`；手工判空计数 → `defaultdict` 或 `Counter`；`pop(0)` → `deque`；循环里 `+=` 拼字符串 → `join`；列表大成员测试 → `set`。每条都是机械替换，风险低、收益立竿见影，特别适合作为团队「Python 味」改造的起点。 **第二步：重构按三段走。** 先跑测试锁住行为（没有测试先补冒烟用例）；再做机械替换，一次只改一类惯用法，diff 干净到 reviewer 三十秒能看完；最后对涉及 `set` 化、缓存、生成器的改动跑一次基准测试——绝大多数情况是白拿的性能，但缓存要留意失效策略，别把正确性优化没了。 **第三步：把品味喂给 AI。** 现在很多人的日常是让 AI 写代码。做法很简单：把 PEP 20 之禅和你的惯用法清单写进项目规范或 prompt 模板，明确要求「用惯用法、早返回、扁平化、标准库优先」。同一份需求，产出质量差距肉眼可见。**AI 降低了写代码的门槛，也放大了「会不会验收」的差距**——而这场演讲就是最好的验收教材。 **第四步：迁移这个学习方法。** 换任何一门新语言时，别先背语法，先搜「language idioms」和官方风格指南（Python 是 PEP 8，Go 是 Effective Go），把社区的「母语口音」先装进脑子。写对是及格线，写得地道才是专业。 ## 延伸学习路径 1. **PEP 20 – The Zen of Python**（peps.python.org/pep-0020/）— 全场演讲的思想底本，19 条之禅值得贴在工位上，终端里 `import this` 即可阅读。 2. **Raymond Hettinger 的其他 PyCon 演讲** — 在 YouTube 搜索 "Raymond Hettinger PyCon"，推荐《Modern Python: Big Ideas and Little Code》与历年「What's New in Python」系列，是同一套品味的持续更新。 3. **《Fluent Python》（2nd Edition，Luciano Ramalho 著）** — 这场演讲的「书版放大器」，惯用法背后的语言机制全部展开讲透，Python 进阶第一书。 4. **Python 官方文档：collections / itertools / functools 章节**（docs.python.org）— 演讲里每个武器的一手说明书，写得极好，作者本人就是文档主力。 5. **CodeAesthetic《Why You Shouldn't Nest Your Code》**（YouTube 站内搜索标题）— 十分钟讲透嵌套问题，与本场演讲「扁平优于嵌套」互为攻玉他山。 ## 一句话总结 **这门课真正教你的不是几个语法技巧，而是一种肌肉记忆：每写下一行生硬代码时，先停一秒问自己——There must be a better way。** ## 参考来源 1. [Raymond Hettinger – Transforming Code into Beautiful, Idiomatic Python（YouTube 站内搜索，PyCon US 官方频道发布）](https://www.youtube.com/results?search_query=Raymond+Hettinger+Transforming+Code+into+Beautiful+Idiomatic+Python) — 本文分析的核心视频 2. [PEP 20 – The Zen of Python](https://peps.python.org/pep-0020/) — 演讲思想源头，Python 之禅原文 3. [Python 官方文档：collections](https://docs.python.org/3/library/collections.html) — defaultdict、namedtuple、Counter 一手资料 4. [Python 官方文档：itertools](https://docs.python.org/3/library/itertools.html) — 惰性迭代工具箱，Hettinger 本人参与编写的模块 5. [Python 官方文档：functools](https://docs.python.org/3/library/functools.html) — lru_cache 等缓存工具官方说明 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。