万事过犹不及。抽象能不断抽提不变的部分,保证代码的美观、一致、易用。
数据分析中,常用的代码片段抽象为一个函数,多个函数抽象为一个通用的大函数,多个同样主题的函数文件集合为一个R/py包/库。
抽象应该是为了简化,而不是让事情变得更复杂。
我们的代码停留在抽象不够阶段。
这里先把IT们避免过渡抽象的思想记录下来:
如何避免过度抽象
1、从具体的解决方案开始
在大多数情况下,你并不需要为每个用例创建通用的工具。先写简单、具体的代码,如果确实需要,抽象可以在后期进行。
2、考虑可维护性
在添加新一层抽象之前,先问问自己:“六个月后,其他人能理解这个吗?我还能理解这个吗?”
3、遵循“三次法则”
在遇到同一问题至少三次之前,不要进行抽象。过早的抽象往往是复杂度增加的根源。
4、定期审查你的抽象
随着需求的变化,你的抽象可能不再适用。做好准备,重构甚至删除那些不再服务于代码库的部分。
Ref
- https://blog.youkuaiyun.com/csdnnews/article/details/144860786