smells.md

Smells comuns em Python

usar range(len(a)) ao invés de enumerate
Com smell	Sem smell
names = ["a", "b", "c"] for i in range(len(names)): print(f'The name is {names[i]} and the index is {i}')	names = ["a", "b", "c"] for i, name in enumerate(names): print(f'The name is {name} and the index is {i}')
Usar list comprehensions para alterar estados, mas sem alterar a própria lista
funcionarios = ['joão', 'josé', 'marcos'] [s.pagar(i) for i in funcionarios]	funcionarios = ['joão', 'josé', 'marcos'] map(s.pagar, funcionarios) Ou usar loop, caso map não seja aplicável funcionarios = [joão, josé, marcos] for funcionario in funcionarios: funcionario.pagar()
List comprehension aninhadas
list = [[1,2,3],[-1,-5,6]] flatten = [item for sublist in list for item in sublist if item > 0]	flatten = [] for rows in list: for sublist in rows: if len(sublist) > 0: flatten.append(sublist)
Gerar list comprehensions sem L-value (ou seja, uma lista que você não vai usar)
values = [1,2,3,4,5,6] [do_something(val) for val in values]	values = [1,2,3,4,5,6] for val in values: do_something(val) Ou usar map, para ser mais pythonic: values = [1,2,3,4,5,6] map(do_something,values)
Long param list (kwargs é moda aqui)
def deslocar(self,x,y,z,velocidade,sentido,angulo): self.foo(x,y,z,velocidade) self.bar(velocidade,sentido) self.foobar(sentido,rotacao)	def deslocar(self,coords,velocidade,direcao): self.foo(coords,velocidade) self.bar(velocidade,direcao.sentido) self.foobar(direcao)
Usar loops em dataframes
df = pd.read_csv('alunos.csv') df | nome | nota | |-------|------| | João | 10 | | José | 6 | | Maria | 3 | aprovacoes = [] for i in range(0,len(df)): ta_aprovado = df.iloc[i]['notas'] >= 7 aprovacoes.append(ta_aprovado) df['aprovado'] = aprovacoes df | nome | nota | aprovado | |-------|------|----------| | João | 10 | True | | José | 6 | False | | Maria | 3 | False |	df = pd.read_csv('alunos.csv') aprovacoes = [] for _, row in df.iterrows(): ta_aprovado = row['notas'] >= 7 aprovacoes.append(ta_aprovado) df['aprovado'] = aprovacoes Ainda melhor: df['notas'] = df.apply(lambda row: row['notas'] >= 7,axis='columns')