這篇文章主要介紹了七個(gè)初學(xué)者常犯的Python調(diào)試錯(cuò)誤，并告訴大家如何去避免這些錯(cuò)誤。

1.具有副作用的功能

由于Python不是像Haskell這樣的純函數(shù)式語言，因此會產(chǎn)生副作用。 嚴(yán)格來說，這不是一個(gè)錯(cuò)誤，但是很容易無意間手忙腳亂。 下面的示例演示了該問題。

在Python中，對象是引用類型。 因此，當(dāng)您將列表作為參數(shù)傳遞時(shí)，將傳遞引用而不是值。 這意味著，如果您在函數(shù)中更改它們，則更改將反映在外部。

這可能會導(dǎo)致一些非常令人討厭的意外情況和浪費(fèi)我們的時(shí)間去調(diào)試。 請及時(shí)提防這些錯(cuò)誤，減少麻煩。

2.默認(rèn)參數(shù)中的函數(shù)調(diào)用

默認(rèn)參數(shù)有時(shí)很難使用。 看一下以下內(nèi)容。

為什么每次調(diào)用的返回值都一樣？ 原因是在定義函數(shù)時(shí)，Python會在默認(rèn)參數(shù)中計(jì)算表達(dá)式。 如果要?jiǎng)討B(tài)生成默認(rèn)參數(shù)，則可以執(zhí)行以下操作。

3.可變的默認(rèn)參數(shù)

此問題是以上兩個(gè)的結(jié)合。 您是否遇到過以下情況？

這里發(fā)生兩件事。

1.定義函數(shù)后，Python會對表達(dá)式［［］求值。 （這相當(dāng)于調(diào)用list（）。）

該對象的引用綁定到參數(shù)。 因此，無論何時(shí)調(diào)用該函數(shù)，都將使用相同的對象。

2.因此，使用可變對象作為默認(rèn)參數(shù)不是一個(gè)好主意。 你絕對不應(yīng)該那樣做。

4. 參考覆蓋

如我們所見，每個(gè)對象都是Python中的引用類型。 除了將它們傳遞給函數(shù)之外，這還可能引起一些混亂。 請參見以下示例：

當(dāng)執(zhí)行b = a時(shí)，實(shí)際上存儲了a的引用。 因此，a和b指向同一對象。 要解決此問題，您應(yīng)該使用內(nèi)置的Deepcopy功能。 這將所有值類型的屬性遞歸復(fù)制到新變量中。

如果使用整數(shù)而不是list嘗試相同的操作，則所有操作的行為都將與您期望的一樣。 原因是整數(shù)類型是不可變的，因此在更改它們時(shí)會覆蓋引用。

5.從東西導(dǎo)入*

我知道，我們都做到了這一點(diǎn)。 這有幾個(gè)缺點(diǎn)。

首先，不同名稱空間中的函數(shù)可以具有相同的名稱，從而導(dǎo)致整個(gè)代碼庫混亂。

其次，當(dāng)您在Python中導(dǎo)入模塊時(shí)，該模塊中的所有代碼都將被執(zhí)行。 如果有很多子模塊要導(dǎo)入，這會大大降低速度。 因此，如果僅導(dǎo)入NumPy以生成隨機(jī)數(shù)，則最好使用下面方法：

than

6.使用字符串串聯(lián)連接路徑

假設(shè)您必須從變量data_folder給定的文件夾中打開一個(gè)名為data.csv的文件。 應(yīng)該如何確定文件路徑？ 如果你在做：

那你做錯(cuò)了。 例如，這在Windows上將不起作用。 您可能沒有經(jīng)驗(yàn)，但是使用不同開發(fā)設(shè)置的你的同事肯定會感到痛苦。

為了解決這個(gè)問題，您應(yīng)該使用Python的內(nèi)置工具pathlib或簡單地使用os.path.join函數(shù)：

7. 測試覆蓋率低

這是一個(gè)高水平的問題。 尤其是當(dāng)您是初學(xué)者時(shí)，單元測試的好處尚不清楚。 但是，每個(gè)經(jīng)驗(yàn)豐富的開發(fā)人員都可以告訴您，這是絕對必要的。 使用未經(jīng)測試的代碼就像打個(gè)模子：修復(fù)一個(gè)錯(cuò)誤，引入另一個(gè)錯(cuò)誤。

為了避免這些錯(cuò)誤，從項(xiàng)目的開始就應(yīng)該注意。 添加功能（甚至功能）后，應(yīng)立即編寫測試用例以驗(yàn)證能否跑通。 有很多很棒的庫，例如內(nèi)置的unittest或非常流行的pytest。

應(yīng)該認(rèn)真投入時(shí)間來測試您的代碼。 這樣做可能需要一些時(shí)間，但這是一項(xiàng)長期投資。 您將節(jié)省更多的調(diào)試時(shí)間。

簡而言之，這是您在Python中可能犯的七個(gè)最痛苦的錯(cuò)誤。 在追求Python熟練度的過程中，您肯定還會遇到更多。 但是，有了本指南，您將有知識來避免這些出現(xiàn)最頻繁的錯(cuò)誤。