如果一个函数的参数列表很长，虽然可以通过使用 *args 和 **kwargs 来简化函数的定义，但这通常意味着这个函数可以有更好的实现方式，应该被重构。
可变长参数适合在下列情况下使用：
为函数添加一个装饰器
如果参数的数目不确定，可以考虑使用变长参数。
用来实现函数的多态或者在继承情况下子类需要调用父类的某些方法的时候
建议34：深入理解str()和repr()的区别
两者之间的目标不同：str主要面向客户，其目的是可读性，返回形式为用户友好性和可读性都比较高的字符串形式；而repr是面向Python解释器或者说Python开发人员，其目的是准确性，其返回值表示Python解释器内部的定义
在解释器中直接输入变量，默认调用repr函数，而print(var)默认调用str函数
repr函数的返回值一般可以用eval函数来还原对象
两者分别调用对象的内建函数__str__()和__repr__()
建议35：分清静态方法staticmethod和类方法classmethod的使用场景
4.库建议36：掌握字符串的基本用法
建议37：按需选择sort()和sorted()函数
sort()是列表在就地进行排序，所以不能排序元组等不可变类型。
sorted()可以排序任意的可迭代类型，同时不改变原变量本身。
建议38：使用copy模块深拷贝对象，区分浅拷贝（shallow copy）和深拷贝（deep copy）
建议39：使用Counter进行计数统计，Counter是字典类的子类，在collections模块中
建议40：深入掌握ConfigParse
建议41：使用argparse模块处理命令行参数
建议42：使用pandas处理大型CSV文件
Python本身提供一个CSV文件处理模块，并提供reader、writer等函数。
Pandas可提供分块、合并处理等，适用于数据量大的情况，且对二维数据操作更方便。
建议43：使用ElementTree解析XML
建议44：理解模块pickle的优劣
优势：接口简单、各平台通用、支持的数据类型广泛、扩展性强
劣势：不保证数据操作的原子性、存在安全问题、不同语言之间不兼容
建议45：序列化的另一个选择JSON模块：load和dump操作
建议46：使用traceback获取栈信息
建议47：使用logging记录日志信息
建议48：使用threading模块编写多线程程序
建议49：使用Queue模块使多线程编程更安全
5.设计模式建议50：利用模块实现单例模式
建议51：用mixin模式让程序更加灵活
建议52：用发布-订阅模式实现松耦合
建议53：用状态模式美化代码
6.内部机制建议54：理解build-in对象
建议55：init()不是构造方法，理解__new__()与它之间的区别
建议56：理解变量的查找机制，即作用域
局部作用域
全局作用域
嵌套作用域
内置作用域
建议57：为什么需要self参数
建议58：理解MRO（方法解析顺序）与多继承
建议59：理解描述符机制
建议60：区别__getattr__()与__getattribute__()方法之间的区别
建议61：使用更安全的property
建议62：掌握元类metaclass
建议63：熟悉Python对象协议
建议64：利用操作符重载实现中缀语法
建议65：熟悉Python的迭代器协议
建议66：熟悉Python的生成器
建议67：基于生成器的协程和greenlet，理解协程、多线程、多进程之间的区别
建议68：理解GIL的局限性
建议69：对象的管理和垃圾回收
7.使用工具辅助项目开发建议70：从PyPI安装第三方包
建议71：使用pip和yolk安装、管理包
建议72：做paster创建包
建议73：理解单元测试的概念
建议74：为包编写单元测试
建议75：利用测试驱动开发（TDD）提高代码的可测性
建议76：使用Pylint检查代码风格
代码风格审查
代码错误检查
发现重复以及不合理的代码，方便重构
高度的可配置化和可定制化
支持各种IDE和编辑器的集成
能够基于Python代码生成UML图
能够与Jenkins等持续集成工具相结合，支持自动代码审查
建议77：进行高效的代码审查
建议78：将包发布到PyPI
8.性能剖析与优化建议79：了解代码优化的基本原则
建议80：借助性能优化工具
建议81：利用cProfile定位性能瓶颈
建议82：使用memory_profiler和objgraph剖析内存使用
建议83：努力降低算法复杂度
建议84：掌握循环优化的基本技巧
减少循环内部的计算
将显式循环改为隐式循环，当然这会牺牲代码的可读性
在循环中尽量引用局部变量
关注内层嵌套循环
建议85：使用生成器提高效率
建议86：使用不同的数据结构优化性能
建议87：充分利用set的优势
建议88：使用multiprocessing模块克服GIL缺陷
建议89：使用线程池提高效率
建议90：使用C/C++模块扩展提高性能
建议91：使用Cythonb编写扩展模块