Python 开发中常见的 18 个坏习惯包括字符串拼接、异常处理不当、可变默认参数、滥用推导式、类型检查错误等。通过采用 f-string、上下文管理器、isinstance 判断、enumerate 迭代及 logging 模块等最佳实践，可显著提升代码质量、可读性与安全性。遵循这些规范有助于编写更符合 Pythonic 风格的代码，避免潜在的性能瓶颈与逻辑漏洞。
在 Python 开发中，养成良好的编码习惯不仅能提升代码的可读性和运行性能，还能体现专业性。以下总结了 18 个初学者常犯的错误及其改进方案，帮助开发者编写更 Pythonic 的代码。
坏的做法：
def manual_str_formatting(name, subscribers):
if subscribers > 100000:
print("Wow " + name + "! you have " + str(subscribers) + " subscribers!")
else:
print("Lol " + name + " that's not many subs")
使用 + 号拼接字符串效率较低，且代码可读性差，尤其是变量较多时。
好的做法：
def manual_str_formatting(name, subscribers):
# better
if subscribers > 100000:
print(f"Wow {name}! you have {subscribers} subscribers!")
else:
print(f"Lol {name} that's not many subs")
使用 f-string（格式化字符串字面值）不仅语法简洁，而且在 Python 3.6+ 中性能更高。
坏的做法：
def finally_instead_of_context_manager(host, port):
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
try:
s.connect((host, port))
s.sendall(b'Hello, world')
finally:
s.close()
虽然 finally 能确保资源释放，但代码结构较为冗长，容易遗漏异常处理逻辑。
好的做法：
def finally_instead_of_context_manager(host, port):
# close even if exception
with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as s:
s.connect((host, port))
s.sendall(b'Hello, world')
使用上下文管理器（with 语句），即使发生异常，也会自动关闭 socket，代码更简洁安全。
坏的做法：
def manually_calling_close_on_a_file(filename):
f = open(filename, "w")
f.write("hello!\n")
f.close()
手动调用 close() 容易忘记，或者在异常发生时导致文件未正确关闭。
好的做法：
def manually_calling_close_on_a_file(filename):
with open(filename) as f:
f.write("hello!\n")
# close automatic, even if exception
使用上下文管理器打开文件，即使发生异常，文件也会自动关闭，这是处理文件 IO 的首选方式。
坏的做法：
def bare_except():
while True:
try:
s = input("Input a number: ")
x = int(s)
break
except: # oops! can't CTRL-C to exit
print("Not a number, try again")
捕获所有异常会导致无法通过 CTRL-C 终止程序，且可能掩盖真正的错误。
好的做法：
def bare_except():
while True:
try:
s = input("Input a number: ")
x = int(s)
break
except Exception: # 比这更好的是用 ValueError
print("Not a number, try again")
明确指定要捕获的异常类型（如 ValueError），避免静默失败或阻碍中断信号。
坏的做法：
def mutable_default_arguments():
def append(n, l=[]):
l.append(n)
return l
l1 = append(0) # [0]
l2 = append(1) # [0, 1]
默认参数在函数定义时求值一次，后续调用会共享同一个列表对象，导致非预期结果。
好的做法：
def mutable_default_arguments():
def append(n, l=None):
if l is None:
l = []
l.append(n)
return l
l1 = append(0) # [0]
l2 = append(1) # [1]
将默认参数设为 None，在函数内部初始化可变对象，确保每次调用都有独立的实例。
坏的做法：
squares = {}
for i in range(10):
squares[i] = i * i
使用循环构建字典或列表比较冗长，不够直观。
好的做法：
odd_squares = {i: i * i for i in range(10)}
列表推导式和字典推导式是 Python 的特色语法，能显著减少代码行数并提高可读性。
坏的做法：
c = [
sum(a[n * i + k] * b[n * k + j] for k in range(n))
for i in range(n)
for j in range(n)
]
过度嵌套的推导式会降低代码可读性，增加维护难度。
好的做法：
c = []
for i in range(n):
for j in range(n):
ij_entry = sum(a[n * i + k] * b[n * k + j] for k in range(n))
c.append(ij_entry)
当逻辑复杂时，应优先保证可读性，使用常规循环替代复杂的推导式。
坏的做法：
def checking_type_equality():
Point = namedtuple('Point', ['x', 'y'])
p = Point(1, 2)
if type(p) == tuple:
print("it's a tuple")
else:
print("it's not a tuple")
使用 type() == 判断类型不推荐，因为它不支持继承关系检查。
好的做法：
def checking_type_equality():
Point = namedtuple('Point', ['x', 'y'])
p = Point(1, 2)
# probably meant to check if is instance of tuple
if isinstance(p, tuple):
print("it's a tuple")
else:
print("it's not a tuple")
使用 isinstance() 可以正确处理继承和多态情况，是标准的类型检查方法。
坏的做法：
def equality_for_singletons(x):
if x == None:
pass
if x == True:
pass
if x == False:
pass
对于单例对象（如 None, True, False），使用 == 比较值而非身份。
好的做法：
def equality_for_singletons(x):
# better
if x is None:
pass
if x is True:
pass
if x is False:
pass
使用 is 操作符判断对象身份，确保与单例对象的引用完全一致。
坏的做法：
def checking_bool_or_len(x):
if bool(x):
pass
if len(x) != 0:
pass
显式调用 bool() 或检查长度通常是不必要的冗余。
好的做法：
def checking_bool_or_len(x):
# usually equivalent to
if x:
pass
Python 中的布尔上下文会自动处理真值测试，直接使用变量即可。
坏的做法：
def range_len_pattern():
a = [1, 2, 3]
for i in range(len(a)):
v = a[i]
...
b = [4, 5, 6]
for i in range(len(b)):
av = a[i]
bv = b[i]
...
使用索引遍历列表是 C/Java 风格，在 Python 中不够优雅。
好的做法：
def range_len_pattern():
a = [1, 2, 3]
# instead
for v in a:
...
# or if you wanted the index
for i, v in enumerate(a):
...
# instead use zip
for av, bv in zip(a, b):
...
直接迭代元素、使用 enumerate 获取索引、或使用 zip 并行迭代，更符合 Python 习惯。
坏的做法：
def not_using_dict_items():
d = {"a": 1, "b": 2, "c": 3}
for key in d:
val = d[key]
...
遍历字典键再取值效率低且代码啰嗦。
好的做法：
def not_using_dict_items():
d = {"a": 1, "b": 2, "c": 3}
for key, val in d.items():
...
使用 dict.items() 直接解包键值对，既高效又清晰。
坏的做法：
mytuple = 1, 2
x = mytuple[0]
y = mytuple[1]
通过索引访问元组元素增加了不必要的复杂度。
好的做法：
mytuple = 1, 2
x, y = mytuple
使用序列解包可以直接将元素赋值给变量，语义更明确。
坏的做法：
def timing_with_time():
start = time.time()
time.sleep(1)
end = time.time()
print(end - start)
time.time() 受系统时钟调整影响，精度较低。
好的做法：
def timing_with_time():
# more accurate
start = time.perf_counter()
time.sleep(1)
end = time.perf_counter()
print(end - start)
使用 time.perf_counter() 提供最高精度的计时器，适合性能分析。
坏的做法：
def print_vs_logging():
print("debug info")
print("just some info")
print("bad error")
使用 print 输出日志难以控制级别，且无法灵活配置输出目标。
好的做法：
def print_vs_logging():
# versus
# in main
level = logging.DEBUG
fmt = '[%(levelname)s] %(asctime)s - %(message)s'
logging.basicConfig(level=level, format=fmt)
# wherever
logging.debug("debug info")
logging.info("just some info")
logging.error("uh oh :(")
使用 logging 模块支持日志级别、格式化和多目标输出，便于生产环境管理。
坏的做法：
subprocess.run(["ls -l"], capture_output=True, shell=True)
设置 shell=True 会将命令传递给 Shell 解释器，存在安全风险（如注入攻击）。
好的做法：
subprocess.run(["ls", "-l"], capture_output=True)
直接传递命令和参数列表，避免中间 Shell 进程，更安全且跨平台兼容性好。
坏的做法：
def not_using_numpy_pandas():
x = list(range(100))
y = list(range(100))
s = [a + b for a, b in zip(x, y)]
```\n纯 Python 列表处理数值计算效率低下，缺乏向量化能力。
**好的做法：**
```python
import numpy as np
def not_using_numpy_pandas():
# 性能更快
x = np.arange(100)
y = np.arange(100)
s = x + y
使用 NumPy 进行数组运算，利用底层 C 实现，性能大幅提升。
坏的做法：
from itertools import *
count()
通配符导入污染命名空间，导致变量来源不明，增加冲突风险。
好的做法：
from mypackage.nearby_module import awesome_function
def main():
awesome_function()
if __name__ == '__main__':
main()
显式导入具体函数或模块，保持命名空间整洁，提高代码可维护性。
以上 18 个习惯涵盖了字符串处理、资源管理、异常处理、数据结构、类型检查及性能优化等多个方面。遵循这些最佳实践不仅能减少 Bug，还能让代码更易读、易维护。建议开发者在日常工作中对照检查，逐步养成 Pythonic 的编码风格。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online