使用decimal进行高精度计算

Python内置了decimal模块，主要解决日常精度，默认提供了28个小数位进行数学计算。

decimal中Decimal 类解决了IEEE 754浮点数产生的精度问题，并且可以进行更为准确舍入行为。

所以我们在涉及重要场合比如货币金额计算情况，非常合适。

当然我们也可以进行把小数转化为整数计算，只是会更麻烦一些，不够灵活应对。

不要返回None

遇到特殊情况是，应该抛出异常，而不是返回None，比如除法分子为0的情况，当调用者看到异常就知道如何修正代码。

举一个错误的例子

def divide(a, b):
    try:
        return a/b
    except ZeroDivisonError
        return None

返回None的话，由于我们有空字符串，0，空字典，空列表等都表示False，容易误导我们写出错误的代码。

另外就算我们意识到这个问题，我们代码中也会充斥许多检查None值的判断语句，变相增加了我们工作量

传递可变参数，默认值用None

紧接上一条，在传递可变参数我们参数应该使用None，因为函数的默认值，只会在程序加载模块并读到本函数的定义时进行评估。

如果默认值用空字典，空列表，往往会导致前后共用一个默认值，发生奇怪行为。

我们可以使用None作为形式上的默认值，在中途重新赋值，改变这种行为。

使用推导式替换map和filter

通过列表、字典推导可以让我们代码看起来更为简单明了，比如下面例子：

a = [1,2,3,4,5,6]

b = [x**2 for x in a if x % 2 == 0]

把filter函数和map结合起来也能做到，但是代码变得更为复杂难懂

c = map(lambda x: x**2, filter(lambda x: x%2 == 0, a))

上面一对比一下就知道那个更容易理解了，列表推导虽好，但不建议多个列表推导式，虽然最终看起来节约了代码，但是给人难以理解，增加理解成本。

毕竟代码是给人看的，只是顺带给机器执行一下而已。：）

使用ipdb进行调试

调试过程中，虽然有 print，logger，单元测试帮助我们查找问题原因，但是面对更为复杂的问题调试，往往需要更强大的调试工具进行交互操作，打印局部变量，程序状态，查看上下文，单步调试等等。

ipdb是pdb的升级版，非常灵活支持代码变量输入补全，非常方便，类似ipython和python的功能对比，推荐大家去使用使用。

使用环境变量

经常看到一些新手开发的时候，在进行环境参数配置导入导出的时候喜欢用层层叠加的方式覆盖，每次开发过程把配置文件名pro_config.py 改为 pro_config.py.bak来进行环境变量控制等等。

try:
    from local_config import *
    from dev_config import *
    from pro_config import *
except:
    pass

Python有对应的包 importlib，结合os 模块，我们可以通过export进行环境变量的控制，

配合docker-compose类似工具，启动不同环境容器就能进行隔离开发非常方便。

import importlib
import os
config_file = os.getenv('XXX_API_SETTINGS')
if not config_file:
    config_file = 'XXX.config.test'
config_module = importlib.import_module(config_file)

上面的几个技巧，是我常用的一些方法技巧，起于Python，不止Python，欢迎大家在留言区留下你的方式方法，我们一起讨论。

另外在上一篇文章我分享了提高代码质量，这本书就够了，这里面有赠送「代码整洁之道」这本书的活动，今天的技巧就有来自该书，感兴趣的同学可以去上篇文章下面留言参与。