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:\ProgramData\Anaconda3\Scripts\pylint.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。

总结

本文推荐几个神器来拯救奇丑无边的python代码。以上推荐的工具有助于你写出漂亮的代码，记得收藏转发哦！

本文可以“阅读原文”查看。

请关注和分享↓↓↓ 

机器学习初学者

QQ群：727137612

（注意：本站有7个qq群，加入过任何一个的不需要再加）

本站的知识星球（黄博的机器学习圈子）ID：92416895

目前在机器学习方向的知识星球排名第一

往期精彩回顾

• 良心推荐：机器学习入门资料汇总及学习建议（2018版）

• 黄海广博士的github镜像下载（机器学习及深度学习资源）

• 吴恩达老师的机器学习和深度学习课程笔记打印版

• 机器学习小抄-（像背托福单词一样理解机器学习）

• 首发：深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书

• 科研工作者的神器-zotero论文管理工具

• 机器学习的数学基础

• 机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件

• 吐血推荐收藏的学位论文排版教程（完整版）

• 机器学习入门的百科全书-2018年“机器学习初学者”公众号文章汇总

• Python环境的安装（Anaconda+Jupyter notebook+Pycharm）