注释与团队也许看到这里你会觉得注释好像只是为了让新手更友好的学习对老手或其他团队成员之间的合作没啥用。其实不然我们再看看下面这个示例只是为了讲解注释的作用而举例实际生活不一定存在。示例背景某公司开发团队目前正在开发一个相对复杂的机器学习项目这个项目里面包含多个模块和算法的实现。同时开发团队成员的水平并不一样此时还有其他项目组的新人调入该项目来共同协作开发。示例代码没有注释版注意这个示例仅仅是为了说明注释作用并不一定代表任何真实的机器学习算法import numpy as np def Complex_ML_Algorithm(data, hyper_parameters): 这个函数本来应该有一个文档字符串但在当前示例中它被省略了 来模拟没有注释的情况。 processed_data data / np.max(data, axis0) predictions np.zeros((data.shape[0], 1)) for i in range(data.shape[0]): for j in range(data.shape[1]): if hyper_parameters[feature_selection] and data[i, j] hyper_parameters[threshold]: continue weighted_sum 0 for k in range(len(hyper_parameters[weights])): if j hyper_parameters[weights][k][feature_index]: weighted_sum hyper_parameters[weights][k][weight] * processed_data[i, j] predictions[i, 0] np.tanh(weighted_sum) predictions predictions / data.shape[1] return predictions data np.random.rand(100, 10) hyper_parameters { feature_selection: True, threshold: 0.5, weights: [ {feature_index: 0, weight: 0.2}, {feature_index: 3, weight: 0.4}, ] } predictions Complex_ML_Algorithm(data, hyper_parameters) print(predictions)如果此时你是新加入这个团队的开发人员你是不是会迷惑 Complex_ML_Algorithm 函数这样设计或定义的目的是什么其他团队成员也会因为对这个函数复杂的嵌套逻辑表示不解然后团队之间可能出现沟通障碍最后甚至出现没有任何人能完全理解这个函数。就更谈不上对这个函数进行修改和拓展最终也导致项目的进度受阻项目风险增加。