欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

作者： 机器学习初学者

公众号： 机器学习初学者

Python编程语言需要遵循PEP8规范，但是初学者往往记不住这个规范，代码写得比较丑。本文推荐几个神器来拯救奇丑无边的python代码。

一、Jupyter notebook 篇

Jupyter notebook的代码要想写得规范，推荐用Code prettify插件。

安装插件

首先插件Nbextensions

执行以下命令

pip install jupyter_contrib_nbextensions

无报错再执行：

jupyter contrib nbextension install --user

选取Code prettify模块

备注：需要安装 yapf模块

pip install yapf

使用如下：

原始不规范代码：

使用工具栏最右侧的按钮：

使用后代码立刻变规范了：

二、Pycharm篇

2.1 PyCharm集成pylint

pylint是代码检查工具，不能自动修改代码

Pylint 安装

pip install pylint

PyCharm 设置

文件（file）-设置（settings）-外部工具(external-tools)-添加，其中：

program：

是python安装路径下的Scripts路径，我的是（建议搜索pylint.exe找到路径）

C:ProgramDataAnaconda3Scriptspylint.exe

Arguments:

--reports=n --disable=C0103 $FilePath$  

（最后必须以$FilePath$结尾）

working directory：

$FileDir$

（必须是这个）

output filters：

$FILE_PATH$:$LINE$:

具体配置如图：

配置完毕，选择一个Python程序，右键点击，快捷菜单中会有“Extensions Tools -> Pylint”，点击运行即可。输出结果在执行程序结果的窗口（IDE下半部分）。

如果看到返回值为0，说明程序没问题了。

2.2 autopep8

autopep8是一款将python代码自动排版为PEP8风格的工具

autopep8安装

pip install autopep8

autopep8配置

文件（file）-设置（settings）-外部工具(external-tools)-添加，其中：

Name:

autopep8

(起名而已，随便起)

Program: autopep8

Arguments:

--in-place --aggressive --aggressive $FilePath$

Working directory:

$ProjectFileDir$

Output filters:

$FILE_PATH$:$LINE$:$COLUMN$:.*

具体配置如图：

将鼠标放在该文件的编辑器中→右键→External Tools→点击Autopep8。这样你的代码就符合pep8的风格了。

使用效果如下：

原始不规范代码：

使用工具后：

三、变量命名篇

在平时工作中，好多程序员都在为变量的命名纠结不已，随便命名怕以后看不懂，想好好命名可是自己的英文水平又不好，在这个命名上可能需要花费大量的时间，会耽误到开发的效率，今天推荐一个神器，这个神器可以摆脱变量命名纠结！

工具网址

https://unbug.github.io/codelf/

GitHub 链接：

https://github.com/unbug/codelf

输入要起名的变量，可以是中文或者英文。

点击搜索后，网站会给出变量名的翻译，下方给出变量的起名建议，大家可以copy下变量名，也可以看下用了这个变量的源代码，而且可以选择开发语言种类。

点击「Search」就是基于当前命名搜索其它相关的命名。

点击「Repo」就是链接到使用该命名的代码所在的资源库。

点击「Copy」是复制该命名。

点击「Codes」可以查看使用命名的示例代码。

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

Python的爱好者社区历史文章大合集：

2018年Python爱好者社区历史文章合集（作者篇）

2018年Python爱好者社区历史文章合集（类型篇）

关注后在公众号内回复“ 课程 ”即可获取：

小编的转行入职数据科学（数据分析挖掘/机器学习方向）【最新免费】

小编的Python的入门免费视频课程！

小编的Python的快速上手matplotlib可视化库！

崔老师爬虫实战案例免费学习视频。

陈老师数据分析报告扩展制作免费学习视频。

玩转大数据分析！Spark2.X + Python精华实战课程免费学习视频。