Практичные Python-привычки, которые реально повышают качество кода
Недавно я начал систематизировать практики которые обычно используются и помогают экономить время. Я хочу поделиться некоторыми из них.
1. Явное состояние и мемоизация
Скрытые состояния в замыканиях и декораторах часто приводят к трудноуловимым багам.
from functools import wraps
def memoize(func):
cache = {}
@wraps(func)
def wrapper(*args):
if args not in cache:
cache[args] = func(*args)
return cache[args]
return wrapper
Использование @wraps
сохраняет имя функции, docstring и метаданные — критично для дебага и интеграции с Flask.
2. Асинхронность для продакшн
Асинхронность часто ухудшает код, если использовать её неправильно.
import asyncio, aiohttp
TOTAL_REQUESTS = 1_000_000
sem = asyncio.Semaphore(1000)
async def fetch(session, url):
async with sem:
try:
async with session.get(url) as resp:
return await resp.text()
except aiohttp.ClientError:
return None
async def main():
urls = [f"https://api.site/{i}" for i in range(TOTAL_REQUESTS)]
async with aiohttp.ClientSession() as session:
for i in range(0, len(urls), 10_000):
chunk = urls[i:i+10_000]
tasks = [fetch(session, url) for url in chunk]
await asyncio.gather(*tasks)
Контроль через Semaphore
+ чанки предотвращает OOM и блокировки API. Используйте create_task()
для управления жизненным циклом корутин.
3. Ошибки и raise
Не ловите всё подряд и используйте новые возможности языка.
# Python 3.11+
user.is_admin or raise PermissionError("Not allowed!")
raise
как выражение и except*
(Python 3.11) делают обработку ошибок лаконичной и безопасной:
# Python 3.11+
try:
await asyncio.gather(fail1(), fail2())
except* ValueError as ve: # Только ValueError
print(f"ValueErrors: {ve.exceptions}")
except* TypeError as te: # Только TypeError
print(f"TypeErrors: {te.exceptions}")
4. Типизация и валидация
from pydantic import validate_call
from typing import Annotated
from pydantic.types import Gt, Ge, Le
@validate_call
def calculate_discount(
price: Annotated[float, Gt(0)],
discount: Annotated[float, Ge(0), Le(100)]
) -> float:
return price * (1 - discount / 100)
Constraints прямо в аннотациях делают сигнатуры самодокументируемыми и безопасными без дублирования проверок.
5. Ленивая загрузка и кеширование
@cached_property
и functools.cache
экономят время при дорогих вычислениях.
from functools import cached_property
import time
class UserReport:
def __init__(self, user_id):
self.user_id = user_id
@cached_property
def total_spent(self):
print("Querying database...")
time.sleep(2) # expensive call
return 199.99
r = UserReport(123)
print(r.total_spent) # computed once
print(r.total_spent) # cached instantly
del r.__dict__["total_spent"]
print(r.total_spent) # recomputed after cache reset
Результат хранится в dict
объекта, можно сбросить при необходимости. Отлично подходит для API-запросов и конфигураций.
6. Python 3.14+
Новые возможности языка ускоряют работу и упрощают код:
uuid7()
— уникальные и сортируемые по времени ключиContextVar
как контекстный менеджерt-strings (
t"..."
) для отложенных шаблоновsubTests для granular тестирования
from string.templatelib import Template
def render(template: Template):
parts = []
for item in template:
if isinstance(item, str):
parts.append(item)
return "".join(parts)
user = "Alice"
role = "admin"
t = t"user: {user} — role: {role}"
s = render(t)
Жалко что не добавили .format()
для t -строк
Заключение
Даже небольшие изменения в подходе к разработке дают ощутимый эффект на качество кода и скорость разработки.