Python编写CSV表头：两种实现哪种更符合Pythonic最佳实践？

两种方案都有优化空间，我们逐一分析问题，再给出更贴合Python最佳实践的写法：

原方案1的问题 #

拆分get_csv_headers和write_csv_headers的思路是对的——遵循单一职责原则，一个负责生成表头，一个负责写入。但致命缺陷是write_csv_headers依赖全局变量csv_headers：

• 代码耦合度高，阅读时需要额外查找全局变量定义，可读性差
• 若后续误修改全局的csv_headers，会直接导致写入错误，调试成本高

方案2的问题 #

用*args传递表头字段虽然去掉了全局变量，但新问题更明显：

• write_csv_headers没有返回值，执行csv_headers = write_csv_headers(...)后，csv_headers会变成None，这是明确的bug
• 后续若需要复用表头列表（比如写入行数据时要用到fieldnames），必须重复输入所有字段，冗余且易出错
• 此处*args属于过度使用，csv.DictWriter的fieldnames参数本身就接受列表，直接传列表更直观

更Pythonic的改进方案 #

结合两种方案的优点，修正缺陷后，推荐两种更合理的写法：

方案A：保持职责拆分，消除全局依赖 #

import csv

def get_csv_headers():
    return ['col 1', 'col 2', 'col 3', 'col 4']

def write_csv_headers(file_path, headers):
    with open(file_path, 'w', newline='', encoding="utf-8") as f:
        writer = csv.DictWriter(f, fieldnames=headers)
        writer.writeheader()

# 使用方式
csv_headers = get_csv_headers()
write_csv_headers(csv_path, csv_headers)

优势：

• 函数职责清晰，依赖通过参数传递，无全局变量，代码更健壮
• 复用性强，write_csv_headers可以接收任意表头列表，适配不同场景
• 后续需要复用表头时，直接调用csv_headers变量即可

方案B：表头固定时，用常量定义 #

如果表头是固定不变的，没必要用函数生成，直接定义模块级常量更简洁：

import csv

CSV_HEADERS = ['col 1', 'col 2', 'col 3', 'col 4']

def write_csv_headers(file_path):
    with open(file_path, 'w', newline='', encoding="utf-8") as f:
        writer = csv.DictWriter(f, fieldnames=CSV_HEADERS)
        writer.writeheader()

# 使用方式
write_csv_headers(csv_path)
# 后续需要表头时直接引用CSV_HEADERS

优势：符合Python“简单优于复杂”的原则，代码更简洁直观，维护成本低

总结 #

• 优先选择职责清晰、无全局依赖的写法，避免不必要的*args（除非确实需要处理可变数量的位置参数）
• 函数依赖通过参数传递，比依赖全局变量更健壮
• 固定表头用常量定义，动态表头用职责拆分的函数生成

内容的提问来源于stack exchange，提问作者SamSepiol