10 Python Mistakes That Tell You’re a Nooby
Zusammenfassung
Kurz
Der vollständige Artikel erläutert zehn aus Sicht des Autors ungünstige Python-Muster und zeigt Alternativen, etwa gezielte Importe, benannte Ausnahmen, `with`, NumPy, `zip` und f-Strings. Er betont außerdem lesbaren Code und warnt vor veränderlichen Standardargumenten; Effizienzbehauptungen wie der Geschwindigkeitsvorteil von NumPy werden nicht mit konkreten Messwerten belegt.
Mittel
Frank Andrade stellt in seinem vollständigen Artikel zehn Python-Gewohnheiten vor, die er für ungünstig hält, und zeigt jeweils eine Alternative. Dazu zählen pauschale Sternchen-Importe, nicht näher bestimmte `except`-Blöcke, offene Dateien ohne `with` und veränderliche Standardargumente. Ein leeres `except` könne laut Autor auch `SystemExit` und `KeyboardInterrupt` abfangen. Eine Listen-Vorgabe als Funktionsstandard könne Werte zwischen Aufrufen behalten; als Lösung zeigt er `None` und das Erzeugen einer neuen Liste im Funktionskörper.
Für weitere Beispiele empfiehlt der Autor NumPy-Vektoroperationen bei Array-Berechnungen, PEP-8-konformen und verständlichen Code, direkte Dictionary-Iteration beziehungsweise `.items()`, passende Comprehensions sowie `zip` statt Indexschleifen mit `range(len(...))`. Für Zeichenketten schlägt er f-Strings statt Verkettung mit `+` vor. Comprehensions sollten jedoch nicht übermäßig eingesetzt werden; Einfachheit und Lesbarkeit bleiben wichtig.
Der Beitrag ist ein praxisnaher Ratgeber mit Codebeispielen. Der Autor behauptet, NumPy sei im gezeigten Fall schneller, nennt aber weder konkrete Laufzeitwerte noch ein systematisches Benchmark-Verfahren.
Ausführlich lesen
Der vollständige Artikel „10 Python Mistakes That Tell You’re a Nooby“ von Frank Andrade beschreibt zehn Programmiergewohnheiten, die der Autor bei Lernenden für ungünstig hält, und zeigt jeweils eine alternative Schreibweise. Seine zentrale Empfehlung lautet, vorhandene Python-Funktionen und klare, gut lesbare Muster zu verwenden, statt auf unübersichtliche oder fehleranfällige Lösungen zurückzugreifen.
Erstens rät der Autor von `from ... import *` ab: Es sei nicht klar, welche Namen importiert würden, und das Importieren vieler Objekte könne Zeit kosten. Stattdessen solle man gezielt Objekte oder das Modul selbst importieren. Zweitens solle man bei `except` konkrete Ausnahmen nennen. Ein leeres `except` fange laut Artikel auch `SystemExit` und `KeyboardInterrupt` ab, wodurch sich ein Programm schwerer mit Strg-C unterbrechen lasse.
Drittens empfiehlt der Artikel NumPy für mathematische Berechnungen mit Arrays. Als Beispiel vergleicht er eine Schleife, die den Mittelwert nicht bestandener Prüfungswerte berechnet, mit einer vektorisierten NumPy-Operation. Der Autor behauptet, NumPy sei dabei schneller; konkrete Laufzeitwerte oder ein systematisches Benchmark-Verfahren nennt der Text nicht. Viertens empfiehlt er, Dateien mit `with` zu öffnen, damit sie auch dann geschlossen werden, wenn beim Lesen oder Schreiben ein Fehler auftritt.
Fünftens verweist der Artikel auf PEP 8 als Richtlinie für Python-Code. IDEs wie PyCharm könnten auf Abweichungen hinweisen. Als Beispiele nennt der Autor Leerzeichen nach Kommas und Doppelpunkten sowie verständliche Variablennamen. Sechstens erklärt er, dass man bei einer Schleife über Dictionary-Schlüssel direkt über das Dictionary iterieren könne; für Schlüssel und Werte gemeinsam sei `.items()` geeignet.
Siebtens empfiehlt er Comprehensions, wenn sie eine Folge verständlich verkürzen, warnt aber vor übermäßigem Einsatz und beruft sich auf den Grundsatz, dass Einfachheit Vorrang vor Komplexität habe. Achtens schlägt er vor, beim gleichzeitigen Durchlaufen zweier Listen `zip` zu verwenden; `enumerate` nennt er als eine weitere Möglichkeit, die Indexschleifen mit `range(len(...))` ersetzen kann. Neuntens empfiehlt er f-Strings statt wiederholter Verkettung mit `+`, sowohl aus Gründen der Lesbarkeit als auch der Effizienz. Zehntens warnt er vor veränderlichen Standardargumenten wie einer leeren Liste: Diese könne Werte aus früheren Funktionsaufrufen behalten. Als Gegenmittel zeigt er `None` als Standardwert und das Anlegen einer neuen Liste innerhalb der Funktion.
Der Text ist ein praxisorientierter Ratgeber mit Codebeispielen. Er liefert keine umfassende Untersuchung oder systematische Messungen; die Aussagen zur Effizienz werden im Artikel behauptet und anhand kurzer Beispiele erläutert.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Geprüft wurden zwei Fassungen von Luna (kurz und mittel). Beide geben den Bericht sachlich korrekt wieder, auch die Aussage, dass der Artikel für den NumPy-Geschwindigkeitsvorteil keine Messwerte und kein Benchmark-Verfahren nennt. Die mittlere Fassung ist vollständiger. Da für die Einordnung keine Fragen angegeben wurden, bleibt die Liste leer.
Im Bericht, aber nicht in der Zusammenfassung
- In der kurzen Fassung fehlen Comprehensions, die Dictionary-Methoden keys und items sowie zip statt range(len())
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.