异常处理模块能帮助我们在运行期间处理异常信息，但Python代码还有更为基础的错误——语法错误和逻辑错误。

语法错误相对简单，在解释器的帮助下，我们很快就能定位错误所在。但对逻辑错误的调试就难多了，这些语法或逻辑层面的错误，构成了各式各样的代码bug。

为了调试错误，我们需要知道，出错时哪些变量的值是正确的，哪些变量的值是错误的。因此，我们需要掌握一些代码调试的基本技巧。

本文选自《Python极简讲义：一本书入门数据分析与机器学习》一书。这是一本图文并茂、简单易读的Python极简讲义，以掌握“最少必要知识”为写作理念，对初学者十分友好！

第一种方法，简单而有效，直接而粗暴，就是用print()把需要观察的变量打印出来，如下所示。

【例1】 print()输出观察变量（print-err.py）

运行结果

n = 0
---------------------------------------------------------------------
ZeroDivisionError                         Traceback (most recent call last)
……
<ipython-input-9-d21f20e5d17e> in foo(s)
      2     n = int(s)
      3     print('n = {}'.format(n))
----> 4     return 10 / n
      5 
      6 def main():
ZeroDivisionError: division by zero

根据打印处的信息（第3行）和错误信息（division by zero），我们可以很容易地定位错误所在：代码第4行，作为分母，n值为0。

用print()观察变量的不足之处在于，调试完毕后，我们还得手动将它们删掉，如果调试工作量较大，造成print()满天飞，删除大量print()语句的工作量也不容小觑。而且，如果程序中到处充斥着print()语句，输出信息也会非常繁杂，给程序员造成困扰。

因此，就有了第二种方法—断言（assert）。凡是可用print()来辅助查看的，都可以用assert来替代。它用来测试某个条件（condition）的布尔值，系统默认这个条件为真，此时断言悄然无息，我们感知不到它的存在。但是，一旦条件为假，就会触发异常。assert的语法格式如下。

assert <condition>   #第一种情况，不给出错误信息

在Python中，可以把assert理解为简化版的异常处理，它与如下语句等价。

if not <condition>    
   raise AssertionError

assert后面也可以紧跟参数，给出更为详细的错误信息，示例如下。

assert <condition> [, arguments]     #第二种情况，给出错误信息（可选项）

这种情况等价于如下语句。

if not condition:
    raise AssertionError(arguments)

下面我们通过具体示例来说明assert的用法，见【例2】。

【例2】assert的用法（assert_no_err_msg.py）

01   def avg(score):
02       assert len(score) != 0
03       return sum(score) / len(score)
04   
05   score = []
06   print("平均分数为:",avg(score))

运行结果

AssertionError                            Traceback (most recent call last)
<ipython-input-11-56d552b0cddd> in <module>
      4 
      5 score = []
----> 6 print("平均分数为:",avg(score))
<ipython-input-11-56d552b0cddd> in avg(score)
      1 def avg(score):
----> 2     assert len(score) != 0
      3     return sum(score)/len(score)
      4 
      5 score = []
AssertionError:

代码分析

由于代码的第05行是一个空列表，其长度为0，因此会让第02行的判断条件len(score) != 0 为假，这时就会触发异常，导致程序终止运行。此时，如果将第05行代码修改如下：

05   score = [90,85,78]

整个程序将能正常运行，运行结果如下。

平均分数为: 84.33333333333333

使用assert的好处在于，当判断条件为真时，用户是感觉不到assert的，因为assert只有当判断条件为假时才“刷存在感”，给出错误信息。错误信息一旦给出，在某种程度上就定位了代码的bug所在，从而达到了程序调试的目的。调试完毕后，用户无须删除assert语句。

【例2】中的assert并没有给出错误信息，可读性不强。事实上，我们还可以显式给出错误信息。我们可以如下修改【例2】的第02行代码。

assert len(marks) != 0, "列表为空，咋整啊！"

这里，断言条件后面的"列表为空，咋整啊！"，就是条件一旦为假时输出的错误信息。我们假设，此时第05行依然为空列表，这时【例2】的运行结果如下。

AssertionError                            Traceback (most recent call last)
<ipython-input-13-a477886d663d> in <module>
      5 score = []
      6 # score = [90,85,78]
----> 7 print("平均分数为:",avg(score))
<ipython-input-13-a477886d663d> in avg(score)
      1 def avg(score):
----> 2     assert len(score) != 0,  "列表为空，咋整啊！"
      3     return sum(score) / len(score)
      4 
      5 score = []
AssertionError: 列表为空，咋整啊！

很明显，有了错误信息，就更容易找到代码的错误所在了。

如果断言太多，也会遭遇与print()类似的处境，异常信息会让我们“应接不暇”。如果不需要断言来帮忙，则在命令行启动Python解释器时可用“-O”参数来关闭assert，如下。

python -O assert_no_err_msg.py    #选项是大写的字母O，而非数字0

除了前面提到的利用print()、assert进行调试，我们还可以使用IDE（如PyCharm等）进行调试，这些集成开发环境有着非常好用的“单步调试功能”，同时配合控制台的输出，也能比较便捷地定位错误。

当我们开发的项目规模比较大时，我们会发现，logging才是终极武器。logging是Python的日志模块。使用这个模块的好处在于，它允许我们指定记录信息的级别，有debug、info、warning、error等。

我们可以根据需要输出不同级别的信息。例如，当我们指定level=INFO时，logging.debug就不起作用了。同理，指定level=WARNING后，debug和info就不起作用了。这样一来，我们就不必担心太多输出信息会冲淡关注力。

关于这个模块的知识，就留给“爱折腾”读者自学吧。高手，永远都是自学出来的！

《Python极简讲义：一本书入门数据分析与机器学习》是一本理论结合实战，娓娓道来的入门好书。书中提供了入门数据科学领域的 极简必要知识 ！

不同于其他图书，本书不求全，但求精。这里的“精”是指，给出入门数据分析的“极简必要知识"( Minimal Actionable Knowledge and Experience，MAKE )。在极短的时间内，掌握数据分析的MAKE之道，这是本书的一大特色。

▊ 本书脉络

▊ 大咖推荐

• 董付国，知名Python讲者、16本Python系列图书作者
• 魏梦舒，微信公众号“程序员小灰”作者、《漫画算法》作者
• 高扬博士，《白话强化学习与PyTorch》作者、金山办公AI技术专家
• July，CSDN千万级流量博主、七月在线CEO

• 雷明，SIGAI创始人、《机器学习：原理、算法与应用》作者、百度前高级软件工程师