python cookbook 一书非常经典，作者David Beazley，拥有超过20年的Python使用经验，再加上他很强的写作技能，所以值得一看。

它的翻译版本也有很多，其中比较优秀的版本是yidao620c翻译的，今天查阅翻译作者，就职华为。当然，最重要的还是书的内容好，这种按照一个小的话题展开讨论的方式，相信很多Python爱好者都比较喜欢。

这本书的话题要想理解透，还是需要具备一定的Python基础，不太适合纯Python小白。下面说说这本书，到底好在哪里，该怎么使用。

这是它的整体大纲目录，一共包括十五章，分别讨论：数据结构，字符串，数字，迭代器和生成器，文件与IO，函数、类、模块，网络编程，并发与测试。这些都属于Python中最最核心的知识模块，原书作者David个人推荐解决现实问题时，优先考虑Python中内置的模块是否能解决问题。

那么这本书到底好在哪里呢？它分话题展开讨论，每个话题都足够精简，无废话。最大限度的从实际应用总结每个知识点，比如在话题：保留最后N个元素时，编写的代码就很漂亮：

from collections import deque

def search(lines, pattern, history=5):
    previous_lines = deque(maxlen=history)
    for line in lines:
        if pattern in line:
            yield line, previous_lines
        previous_lines.append(line)

# Example use on a file
if __name__ == '__main__':
    with open(r'../../cookbook/somefile.txt') as f:
        for line, prevlines in search(f, 'python', 5):
            for pline in prevlines:
                print(pline, end='')
            print(line, end='')
            print('-' * 20)

保留有限历史记录正是 collections.deque 大显身手的时候，难得是作者会对上面的代码做了简要的分析：

我们在写查询元素的代码时，通常会使用包含 yield 表达式的生成器函数，也就是我们上面示例代码中的那样。这样可以将搜索过程代码和使用搜索结果代码解耦

让我们真正明白到底好在哪里，以及Python内置的模块真的很强大。

再比如作者在讨论查找最大或最小的 N 个元素这个话题时，表面上这是一个很简单的话题，其实如果要考虑的全面，也是需要留意一些事情的。作者分别讨论了：

• 当查找元素个数N = 1时，建议直接使用max或min方法

• 当查找元素个数接近整个列表长度时，建议使用sorted函数以切片的方式获取

• 当要查找的元素个数相对比较小的时候，函数 nlargest() 和 nsmallest() 是很合适的

相信大家都对前两种情况的解决方法比较熟悉，第三种使用内置模块heapq是算法中的堆结构，常见的大根堆，小根堆，

>>> nums = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2]
>>> import heapq
>>> heap = list(nums)
>>> heapq.heapify(heap)
>>> heap
[-4, 2, 1, 23, 7, 2, 18, 23, 42, 37, 8]
>>>

Python中heapify后，默认建立一个小根堆。它最重要的特征是 heap[0] 永远是最小的元素。

比如，如果想要查找最小的 3 个元素，你可以这样做，首先执行一次heappop后，次小元素变为最小，如下图所示：

>>> heapq.heappop(heap)
-4

再次执行两次后，就能得到列表的前三个最小的元素为[-4,1,2]，此时的小根堆为如下图所示：

>>> heapq.heappop(heap)
1
>>> heapq.heappop(heap)
2