Python
Python est facile à écrire et facile à se tromper subtilement. Ce document couvre les pièges qui échouent silencieusement et la configuration de projet qui évite un environnement cassé.
Pièges qui échouent silencieusement
Les arguments par défaut mutables sont évalués une fois, à la définition, et partagés par chaque appel :
def add(item, bucket=[]): # faux : bucket persiste entre les appels
def add(item, bucket=None): # correct
bucket = [] if bucket is None else bucket
Les fermetures se lient tardivement. Une lambda créée dans une boucle capture la variable, pas sa valeur, donc chacune d'elles voit la valeur finale. Liez-la explicitement avec un argument par défaut, ou utilisez functools.partial.
is est l'identité, pas l'égalité. Cela fonctionne pour None, True et False, et pour rien d'autre. Cela semble fonctionner pour les petits entiers et les courtes chaînes parce qu'ils sont internés, ce qui est exactement la raison pour laquelle le bug survit aux tests.
Les copies sont superficielles. list(xs), xs[:] et dict(d) copient le conteneur et partagent les éléments. Les structures imbriquées nécessitent copy.deepcopy.
Un except: nu attrape tout, y compris KeyboardInterrupt et SystemExit. Attrapez l'exception spécifique, et n'écrivez jamais except Exception: pass — si elle est vraiment ignorable, enregistrez-la et dites pourquoi.
Division entière et égalité de flottants. / produit toujours un flottant ; // arrondit vers la négation infinie, donc -7 // 2 donne -4. Ne comparez jamais des flottants avec == ; utilisez math.isclose, ou Decimal pour l'argent.
Itérer une collection tout en la mutant saute des éléments. Construisez une nouvelle liste, ou itérez une copie.
Les générateurs sont consommés une fois. Un second passage sur le même générateur ne produit rien, ce qui se lit comme un résultat vide plutôt qu'une erreur.
Environnement et packaging
N'installez jamais dans l'interpréteur système. Créez un environnement virtuel par projet et activez-le, ou laissez uv le gérer :
uv venv && uv pip install -e ".[dev]" # ou : python -m venv .venv
Déclarez les dépendances dans pyproject.toml, et engagez un fichier de verrouillage pour que l'environnement soit reproductible. Un requirements.txt avec des versions non épinglées n'est pas reproductible et cassera sur une machine future.
Épinglez la version Python que le projet supporte et déclarez-la dans pyproject.toml. Le comportement diffère entre les versions mineures plus que ce que les gens attendent.
Quand quelque chose importe à un endroit et pas à un autre, la cause est presque toujours l'interpréteur plutôt que le code. Vérifiez which python et python -c "import sys; print(sys.executable)" avant de déboguer l'import.
Types
Annotez les signatures de fonctions — paramètres et retour. Le corps a rarement besoin d'annotation ; la frontière en a toujours besoin, car c'est ce dont les autres codes dépendent.
Exécutez un vérificateur de types dans le CI. Les annotations que rien ne vérifie se dégradent et deviennent une documentation trompeuse.
Utilisez X | None plutôt qu'un optionnel nu par convention, et rendez l'optionalité visible dans la signature. Préférez les types spécifiques à Any ; quand le type est vraiment inconnu, utilisez l'équivalent de unknown — object — et réduisez-le, afin que le vérificateur force la réduction.
Pour les données structurées, préférez un dataclass, ou un modèle validant à la frontière où les données arrivent de l'extérieur. Un dictionnaire de chaînes passé entre fonctions perd toute garantie à la première faute de frappe.
Idiomes qui comptent
Utilisez une compréhension quand elle mappe ou filtre, et une boucle quand elle fait autre chose. Une compréhension avec un effet secondaire ou trois clauses est plus difficile à lire que la boucle qu'elle remplace.
Utilisez pathlib.Path plutôt que des chemins de chaînes, et un gestionnaire de contexte pour tout ce qui doit être fermé — fichiers, connexions, verrous, répertoires temporaires.
Produisez avec yield from un générateur plutôt que de construire une liste quand l'entrée est grande ou illimitée ; c'est la différence entre un script qui diffuse et un qui épuise la mémoire.
Utilisez enumerate, zip, et dict.get avec une valeur par défaut plutôt que l'arithmétique d'index et les vérifications d'appartenance. Ils sont plus rapides et ils éliminent une classe d'erreurs de décalage.
Tests
pytest, avec assert simple. Utilisez @pytest.mark.parametrize pour les cas pilotés par tableau plutôt qu'une boucle à l'intérieur d'un test, afin que chaque cas soit rapporté séparément.
Placez la configuration partagée dans une fixture avec la portée la plus étroite qui fonctionne. Une fixture de portée session qui contient un état mutable fuit entre les tests et produit des échecs dépendants de l'ordre.
Affirmez l'exception spécifique avec pytest.raises, y compris le message quand cela compte.
Performance, quand elle compte
Mesurez avant d'optimiser — time.perf_counter pour un chiffre approximatif, cProfile pour savoir où ça va.
Le gain habituel consiste à déplacer le travail hors de l'interpréteur : une fonction native, une compréhension, str.join au lieu de concaténations répétées, une recherche dans un set ou dict au lieu de parcourir une liste, ou un appel de bibliothèque vectorisée pour le travail numérique.
Pour la concurrence liée aux E/S, utilisez asyncio ou des threads ; pour le travail lié au CPU, utilisez des processus, car le verrou global de l'interpréteur (GIL) signifie que les threads n'aideront pas.