초보자를 위한 Python의 ommon 리팩터링
리팩토링은 코드를 더욱 깔끔하고 효율적으로 만드는 데 도움이 됩니다. 다음은 Python 초보자를 위한 5가지 일반적인 리팩터링입니다.
나. 불리언 표현식 단순화
일반적인 패턴은 True 또는 False를 반환하기 위해 if-else 블록을 사용하는 것입니다. 예:
if condition: return True else: return False
다음으로 리팩토링하세요.
return condition
조건 자체가 이미 부울 표현식이므로 if-else 블록이 필요하지 않습니다. 조건을 직접 반환하면 코드가 더 짧아지고 읽기 쉬워집니다. 이는 기능을 변경하지 않고도 명확성을 향상시킬 수 있는 간단하면서도 효과적인 방법입니다.
II. for / if 대신 목록 내포
초보자는 목록을 작성하기 위해 if 문과 함께 for 루프를 사용하는 경우가 많습니다. 예:
result = [] for item in items: if condition(item): result.append(item)
목록 이해로 리팩터링:
result = [item for item in items if condition(item)]
목록 이해는 목록을 구성하는 보다 간결한 방법을 제공합니다. 또한 Python에서 내부적으로 최적화되기 때문에 일반적으로 동등한 for 루프보다 빠릅니다. 이 접근 방식은 특히 간단한 목록 작성 작업의 경우 읽기가 더 쉽습니다.
III. 반복 계산 방지
루프에서 동일한 함수를 여러 번 호출하는 경우 결과를 변수에 저장하세요. 예:
for item in items: if len(item) > 5: result.append(item) ...
다음으로 리팩토링하세요.
for item in items: len = len(item) if len > 5: result.append(item) ...
이 조건이 여러 elif 또는 중첩된 if 문에 포함되어 있다고 상상해 보세요. 여기서 len(item)은 각 반복마다 두 번 호출되므로 특히 큰 목록의 경우 비효율적일 수 있습니다. len(item)의 결과를 변수(len)에 저장하면 반복 계산이 제거되어 성능이 향상되고 코드가 더 깔끔해집니다. 기본적인 예시입니다.
IV. 루프를 맵 및 필터로 교체
명시적인 루프를 작성하는 대신 map() 및 filter()와 같은 Python의 내장 함수를 사용하면 더 효율적이고 간결할 수 있습니다. 예를 들어 목록의 각 항목을 두 배로 늘리려면 다음과 같이 하세요.
result = [] for item in items: result.append(item * 2)
다음으로 리팩토링하세요.
result = list(map(lambda x: x * 2, items))
또는 5보다 큰 항목을 필터링하려면:
result = [] for item in items: if item > 5: result.append(item)
다음으로 리팩토링하세요.
result = list(filter(lambda x: x > 5, items))
map()과 filter()는 모두 함수를 인수로 사용하므로 람다를 사용하여 작은 익명 함수를 정의할 수 있습니다. 람다 함수는 간단한 작업을 정의하는 간결한 방법입니다. 예를 들어, Lambda x: x * 2는 x에 2를 곱하는 함수를 생성합니다. map() 및 filter()의 이점은 for 루프를 사용하는 것보다 더 효율적이고 일반적으로 더 읽기 쉽다는 것입니다. 목록 이해를 사용할 수도 있습니다(위 참조).
V 여러 if 문 결합
여러 조건을 확인할 때 논리 연산자(and, or)와 결합하면 코드가 단순화됩니다. 예:
if a > 0: if b > 0: result = a + b
다음으로 리팩토링하세요.
if condition: return True else: return False
이렇게 하면 불필요한 중첩이 줄어들고 코드를 더 쉽게 읽고 유지 관리할 수 있습니다. 조건을 하나의 if 문으로 결합하면 논리 흐름이 더 명확해지고 중복이 제거됩니다.
결론
리팩토링은 코드의 기능을 변경하지 않고도 코드를 더 짧고 명확하며 효율적으로 만드는 것입니다. 부울 표현식을 단순화하고, 목록 이해를 사용하고, 반복 계산을 피하고, map() 및 filter()와 같은 내장 함수를 활용하고, 조건을 병합함으로써 코드를 DRY로 만들 수 있습니다. 람다를 사용하면 한 줄로 작은 함수를 정의하여 코드를 깔끔하고 빠르게 유지할 수 있습니다. 이러한 관행은 성능을 향상시킬 뿐만 아니라 장기적으로 코드를 유지 관리하는 데 중요한 가독성도 향상시킵니다.
추가 자료:
https://www.w3schools.com/python/python_lambda.asp
https://www.w3schools.com/python/ref_func_filter.asp
https://www.w3schools.com/python/ref_func_map.asp
위 내용은 초보자를 위한 Python의 ommon 리팩터링의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

Python은 배우고 사용하기 쉽고 C는 더 강력하지만 복잡합니다. 1. Python Syntax는 간결하며 초보자에게 적합합니다. 동적 타이핑 및 자동 메모리 관리를 사용하면 사용하기 쉽지만 런타임 오류가 발생할 수 있습니다. 2.C는 고성능 응용 프로그램에 적합한 저수준 제어 및 고급 기능을 제공하지만 학습 임계 값이 높고 수동 메모리 및 유형 안전 관리가 필요합니다.

하루에 2 시간 동안 파이썬을 배우는 것으로 충분합니까? 목표와 학습 방법에 따라 다릅니다. 1) 명확한 학습 계획을 개발, 2) 적절한 학습 자원 및 방법을 선택하고 3) 실습 연습 및 검토 및 통합 연습 및 검토 및 통합,이 기간 동안 Python의 기본 지식과 고급 기능을 점차적으로 마스터 할 수 있습니다.

Python은 개발 효율에서 C보다 낫지 만 C는 실행 성능이 높습니다. 1. Python의 간결한 구문 및 풍부한 라이브러리는 개발 효율성을 향상시킵니다. 2.C의 컴파일 유형 특성 및 하드웨어 제어는 실행 성능을 향상시킵니다. 선택할 때는 프로젝트 요구에 따라 개발 속도 및 실행 효율성을 평가해야합니다.

Python과 C는 각각 고유 한 장점이 있으며 선택은 프로젝트 요구 사항을 기반으로해야합니다. 1) Python은 간결한 구문 및 동적 타이핑으로 인해 빠른 개발 및 데이터 처리에 적합합니다. 2) C는 정적 타이핑 및 수동 메모리 관리로 인해 고성능 및 시스템 프로그래밍에 적합합니다.

Pythonlistsarepartoftsandardlardlibrary, whileraysarenot.listsarebuilt-in, 다재다능하고, 수집 할 수있는 반면, arraysarreprovidedByTearRaymoduledlesscommonlyusedDuetolimitedFunctionality.

파이썬은 자동화, 스크립팅 및 작업 관리가 탁월합니다. 1) 자동화 : 파일 백업은 OS 및 Shutil과 같은 표준 라이브러리를 통해 실현됩니다. 2) 스크립트 쓰기 : PSUTIL 라이브러리를 사용하여 시스템 리소스를 모니터링합니다. 3) 작업 관리 : 일정 라이브러리를 사용하여 작업을 예약하십시오. Python의 사용 편의성과 풍부한 라이브러리 지원으로 인해 이러한 영역에서 선호하는 도구가됩니다.

과학 컴퓨팅에서 Python의 응용 프로그램에는 데이터 분석, 머신 러닝, 수치 시뮬레이션 및 시각화가 포함됩니다. 1.numpy는 효율적인 다차원 배열 및 수학적 함수를 제공합니다. 2. Scipy는 Numpy 기능을 확장하고 최적화 및 선형 대수 도구를 제공합니다. 3. 팬더는 데이터 처리 및 분석에 사용됩니다. 4. matplotlib는 다양한 그래프와 시각적 결과를 생성하는 데 사용됩니다.

웹 개발에서 Python의 주요 응용 프로그램에는 Django 및 Flask 프레임 워크 사용, API 개발, 데이터 분석 및 시각화, 머신 러닝 및 AI 및 성능 최적화가 포함됩니다. 1. Django 및 Flask 프레임 워크 : Django는 복잡한 응용 분야의 빠른 개발에 적합하며 플라스크는 소형 또는 고도로 맞춤형 프로젝트에 적합합니다. 2. API 개발 : Flask 또는 DjangorestFramework를 사용하여 RESTFULAPI를 구축하십시오. 3. 데이터 분석 및 시각화 : Python을 사용하여 데이터를 처리하고 웹 인터페이스를 통해 표시합니다. 4. 머신 러닝 및 AI : 파이썬은 지능형 웹 애플리케이션을 구축하는 데 사용됩니다. 5. 성능 최적화 : 비동기 프로그래밍, 캐싱 및 코드를 통해 최적화
