Python

Python Enum 枚舉教學：有條理管理常數集合的好工具

by 好豪
by 好豪 Published: Updated:

enum 讓程式碼更清晰、好讀，尤其是你管理的常數名稱有意義的情況

Microsoft Enumeration Guide

Python 中的 enum 套件來自 Enumerate 的縮寫，中文可以翻譯為枚舉，功能是讓多個常數值綁定在特定符號組合（例如 1、2、3）。如果你在程式中的某個變數，其被指定的值是來自特定且有限的幾種數值，這時候就很適合使用 enum 來幫助你把程式變漂亮。

我開始學習使用 Python enum 的契機是 2021 年剛加入這間 科技公司 工作時，某次與軟體工程師會議中，在討論 App 產品中的 字重（font weight）資料埋點該如何設計，以了解使用者對特定字體粗細設定的偏好。其中一位工程師提出一個直覺的作法：在 Log 中以整數（Integer）紀錄使用者正在用的字重，雖然我當時覺得可行、立刻同意，然而，另一位較資深的工程師則提出：由於字重只有特定幾種常數值，包括 300、400、500 等等（而不會有 “471” 這種字重數值），所以，這個情境要用 enum 來表述資料會更適當！

字重（font weight）的使用慣例是特定幾種整數常數
例如 300、400、500 等等
正是適合使用 enum 的其中一種情境
（圖片來源：Wikipedia）

這則筆記整理了我在上面這項經歷後持續鑽研的 Python enum 用法，我將與你分享用 enum 究竟有什麼好處，文章內也將教學 Python enum 的基本與進階使用技巧。

enum 的使用不只對 Python 設計 App 產品有幫助，資料科學家們也可以透過 enum 讓 pandas 分析巨量資料時更有效率！本篇筆記也會分享在 pandas 內使用 enum 的組合技巧，提供一個讓計算速度提升 5 倍的範例，如果你是資料科學愛好者，想必你會有興趣讀下去！

閱讀提醒：

  1. 本文討論的是 enum 套件，而不是 enumerate() 函式，這兩者只是名字長得像、但功能大不相同喔！
  2. Enum 與 enum 是不一樣的。enum 指的是套件（package），Enum 是套件中一個類別（Class），只是 Enum 類別十分常用，所以本文內文可能會有混用的情形，請稍微注意

為什麼需要枚舉與 Enum？

使用 enum 來枚舉實際上做的事情，可以簡單理解為：管理一群「成員名稱與成員數值」的對應關係。當你要管理的常數有特定對象、而且數量有限時，特別實用，例如：

  • 月份資料（只有十二個月）：成員 November 對應到數值 11
  • 顏色資料（常用的是 RGB 三種原色）：成員 Green 對應到數值 2
  • 衣服尺碼資料（從 S 到 XL）：成員 Small 對應到數值 1
  • 本文前言提過的字重資料（100、200、300 等）：成員 400 對應到 4

比起直接開始宣揚 enum 的好處，我們先從一個簡單的例子來看看沒有使用 enum 會有什麼壞處：

employee = "data scientist"

if employee == "Engineer":
    print("此員工是一位：" + "工程師")
elif employee == "Product Manager":
    print("此員工是一位：" + "產品經理")
elif employee == "Data Scientist":
    print("此員工是一位：" + "資料科學家")
else:
    print("未知的職位")

想想看，你覺得這支超簡單的程式會在畫面上輸出什麼結果呢？跑跑看便知道，答案是 未知的職位。

我明明將變數設定成 data scientist 了，在我的 if-else 條件式裡面明明也有包含這個職位，為什麼還是輸出 未知的職位？問題很基本：單純是大小寫不同。

>>> "Data Scientist" == "data scientist"
False

「資料科學家」在程式內用英文表述可能是 Data Scientist、data scientist、也可能是 Data scientist，只有人類看起來意思一樣，程式看起來可是完全不同數值。不同的工程師來寫這支程式，依照個人習慣會有不同表述方法，更慘的是，像上面這種寫法，很容易有錯字（Typo）！

>>> "Data Scientist" == "Data Sciantist" # 眼力大考驗 (˚∀˚)
False

上面的情境正是 enum 能解決的痛點，在 Python 使用 enum 的主要好處是：

  • 增加程式的可讀性（Readability）、讓程式更好維護
  • enum 排除了手動輸入常數打錯字的可能性
  • 變數可能呈現的常數選項變得更一目瞭然、更好管理
    • 例如：避免共同設計此程式的其他工程師寫出不符合規定的常數

在概念上，enum 會把以上範例改寫成：

  • 用數字 1 代表「工程師」
  • 用數字 2 代表「產品經理」
  • 用數字 3 代表「資料科學家」

使用後 enum 後，這支處理職位資訊的程式範例會得到的好處是：

  • 職位名稱與職位數字對應關係是固定的，對應關係以外的都不能用，因此不用怕輸入常數的打字錯誤
    • 不再煩惱該寫 Data Scientist 還是 data scientist，因為最後只會有其中一種被允許使用
  • 不被 enum 管理的職位，就不能（隨意）使用，除非程式設計者加入新職位
    • 範例中只有 3 個職位，如果你想在職位中使用數字 4 代表「業務員」的話，enum 會告訴你違規了！

以上都是概念性地介紹 enum，接下來的筆記會正式開始介紹 Python 中 enum 的操作語法，你將會在語法中更清楚看到使用 enum 的優點。

在此，筆者好豪簡短補充，枚舉（Enumerated Type）是一種程式中表述資料的方法，而不是 Python 獨有的技巧，各個程式語言都有各自的枚舉語法，而 Python 是用enum 套件來做到枚舉。

Python Enum 語法教學

現在我們用 Python 的 enum 來實作以上範例來當作枚舉語法教學，我想用 enum 來管理代表「職業」的常數成員：

from enum import Enum

class Job(Enum):
    ENGINEER = 1
    PRODUCT_MANAGER = 2
    DATA_SCIENTIST = 3

在此再次提醒 Enum 與 enum 不一樣喔，enum 指的是套件（package），Enum 是其中最常用到的一個類別（Class）。

前面提過，枚舉是在管理一群「成員名稱與成員數值」的對應關係，比如說範例中的 ENGINEER 是成員名稱、1 是它對應的成員數值。在 Python 使用枚舉時，需要創造一個子類別、繼承自 Enum 這個類別，Python 的語法糖讓創造枚舉的子類別變得超級簡單，只要寫上 成員名稱 = 成員數值 即可，成員要增減都十分簡潔。

成員數值使用 int（整數），並且使用序號（照 1、2、3 順序）只是常見的用法，實際上，你為成員數值設計的整數值不一定要照順序（例如 DATA_SCIENTIST = 168）。

現在我們可以用操作類別屬性（Attribute）的方式來操作枚舉與其成員了：

## 枚舉成員的型別正是我們創造的 Enum 子類別
>>> Job.DATA_SCIENTIST
<Job.DATA_SCIENTIST: 3>
>>> type(Job.DATA_SCIENTIST)
<enum 'Job'>

Enum 子類別雖然可以比較是否相等，但是不能比大小。也須注意比較對象究竟是成員名稱還是數值：

## Enum 可以用 == 或 is 比較是否相等
>>> Job.ENGINEER == Job.ENGINEER
True
>>> Job.ENGINEER is Job.ENGINEER
True
>>> Job.ENGINEER != Job.ENGINEER
False
>>> Job.ENGINEER is Job.PRODUCT_MANAGER
False

## 但是不能比大小
>>> Job.ENGINEER < Job.PRODUCT_MANAGER
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: '<' not supported between instances of 'Job' and 'Job'

## 雖然 ENGINEER 確實被賦予數值 1
## 但是「成員」（Enum 子類別）與「成員數值」型別不一樣
## 所以結果當然不可能相等
>>> Job.ENGINEER == 1
False
>>> type(Job.ENGINEER)
<enum 'Job'>
>>> type(1)
<class 'int'>

Enum 資料的操作方式很像是 namedtuple，例如我們創造的 Enum 子類別會有 name 與 value 屬性：

>>> Job.DATA_SCIENTIST.name
'DATA_SCIENTIST'
>>> Job.DATA_SCIENTIST.value
3

筆者好豪認為 Enum 比 namedtuple 好用的地方在於 Enum 的 name 與 value 可以雙向訪問，也就是，使用 namedtuple 通常只能根據 name 取得 value，而 Enum 反過來也做得到：

（這項雙向訪問的特性，本文後續介紹的 pandas + Enum 的運算加速組合技巧 馬上就會用到！）

## 根據 name 取得 value：類別屬性的操作方式
>>> Job.DATA_SCIENTIST
<Job.DATA_SCIENTIST: 3>

## 根據 name 取得 value：像 dict 一樣用字串存取
>>> Job['DATA_SCIENTIST']
<Job.DATA_SCIENTIST: 3>

## 根據 value 也能取得 name
>>> Job(3)
<Job.DATA_SCIENTIST: 3>

可以用 list 來秀出所有枚舉成員，或者用迴圈遍歷整個枚舉：

>>> list(Job)
[<Job.ENGINEER: 1>, <Job.PRODUCT_MANAGER: 2>, <Job.DATA_SCIENTIST: 3>]

>>> for job in Job:
...     print(job)
Job.ENGINEER
Job.PRODUCT_MANAGER
Job.DATA_SCIENTIST

宣告 Enum 子類別後，不包含在枚舉成員中的內容，當然就無法存取囉，換句話說，當你不小心打錯字、或是使用不合理的成員資料時，不用等到程式執行、Python 會在你寫程式的過程（例如在 IDE 介面內）就跟你抱怨！

## 沒有這個成員 -> 程式錯誤！
>>> Job.ACCOUNT_MANAGER
Traceback (most recent call last):
...
AttributeError: ACCOUNT_MANAGER

## 就算成員名稱正確、大小寫不一致也不行 -> 程式錯誤！
>>> Job.Data_Scientist
Traceback (most recent call last):
...
AttributeError: Data_Scientist

## 不存在數值為 42 的成員 -> 程式錯誤！
>>> Job(42)
Traceback (most recent call last):
...
ValueError: 42 is not a valid Job
定義出 Enum 類別後
程式碼打字過程 IDE 會用 Auto-Complete 自己補上可能的成員名稱
不用擔心打錯字、也不怕輸入錯誤的成員名稱
（圖片所用 IDE：Google Colab Notebook）

Enum 運用範例：Tensorflow Lite

TensorFlow Lite 是知名的機器學習套件 TensorFlow 的延伸，用於在行動裝置或其他邊緣裝置上部署機器學習模型。

TensorFlow Lite 在定義最佳化（Optimize）選項時，運用了 Python 的 enum 套件。以下是擷取 此 Commit 的簡化版程式碼：

class Optimize(enum.Enum):
    DEFAULT = "DEFAULT"
    OPTIMIZE_FOR_SIZE = "OPTIMIZE_FOR_SIZE"
    OPTIMIZE_FOR_LATENCY = "OPTIMIZE_FOR_LATENCY"
    EXPERIMENTAL_SPARSITY = "EXPERIMENTAL_SPARSITY"

此枚舉主要會被其他函式呼叫的參數設定所用，例如 QuantizationMode 的參數 就用到此枚舉（經些微改寫）：

lite.QuantizationMode(
    [lite.Optimize.OPTIMIZE_FOR_LATENCY], 
    lite.TargetSpec(), None, None)

從此案例，我們可以學到兩個使用 enum 的技巧：

  1. 枚舉很適合用在函式呼叫的參數（Parameter）設定，尤其是參數只可能是特定幾種數值時
    • 上述範例中，Tensorflow Lite 需要的最佳化總共只有 4 種，因此用 Enum 來妥善管理這 4 個成員
  2. Enum 的成員數值除了 int（整數）以外，str （字串）也可用

Python Enum 的寫程式慣例

在 Python 程式內使用 enum 時，有一些常見、但是非強制要求的寫程式慣例（Coding Conventions），不遵守這些慣例並不會造成程式出現 bug，但是這些慣例通常也是大多數程式設計師的習慣、所以遵守慣例會讓程式更好讀。在此，筆者好豪分享兩個使用 enum 的慣例：

序號從 1 開始

首先，如果你的成員數值是int（整數）型別、並且需要序號排列（照 1、2、3 順序），建議從 1 開始、而不從 0 開始。其理由是 Python 將 0 視為布林值的 False，但枚舉的成員按理來說，數值都應該要是 True。例如，以下改寫「職業」的枚舉範例、令數值從 0 開始：

class Job(Enum):
    ENGINEER = 0
    PRODUCT_MANAGER = 1
    DATA_SCIENTIST = 2

即使我們妥善設定了成員名稱與數值，從 0 開始的成員數值會出現以下這種詭異的情形：

>>> for job in Job:
...     if job.value:
...         print(job.name)
...     else:
...         print("???")

???
PRODUCT_MANAGER
DATA_SCIENTIST

這當然不是什麼太常見的用法情境，但是為了避免萬一真的發生、又要燒腦找 Bug 的尷尬狀況，我們就乖乖從 1 開始設定成員數值吧。

auto()

既然提到成員數值從 1 開始的話題，我覺得在此很適合介紹另外兩種 enum 套件內宣告 Enum 子類別的做法，因為這兩個做法雖然都不需要明確在程式碼寫出成員數值，但它們都遵從「成員數值從 1 開始」的慣例！

第一，是使用 auto()，如果你對成員數值沒有特別要求，auto() 可以自動幫你創造代替成員數值的實例（Instance）。

from enum import Enum, auto  # 注意 auto 需要額外 import

class Job(Enum):
    ENGINEER = auto()
    PRODUCT_MANAGER = auto()
    DATA_SCIENTIST = auto()

auto() 會自動幫你在成員數值補上 1、2、3 等等整數值：

>>> Job.ENGINEER
<Job.ENGINEER: 1>
>>> list(Job)
[<Job.ENGINEER: 1>, <Job.PRODUCT_MANAGER: 2>, <Job.DATA_SCIENTIST: 3>]

第二，功能性 API 讓你用 Enum( 子類別名稱, 列舉所有成員的字串 ) 的語法來更簡潔地創造枚舉，如下範例：

## Enum( 子類別名稱, 列舉所有成員的字串 )
>>> Job = Enum("Job", "ENGINEER PRODUCT_MANAGER DATA_SCIENTIST")
>>> Job.ENGINEER
<Job.ENGINEER: 1>
>>> list(Job)
[<Job.ENGINEER: 1>, <Job.PRODUCT_MANAGER: 2>, <Job.DATA_SCIENTIST: 3>]

成員名稱全部大寫

第二個建議採用的 enum 寫程式慣例：成員名稱全部都大寫。

枚舉所要管理的是一群常數，而 Python 最重要的寫程式風格指南 PEP8 當中規範，常數的命名需要是全部大寫並且以底線（_）分隔，例如 DATA_SCIENTIST 符合此規範，DataScientist 則不符合。若想知道更多命名慣例以及遵守慣例的好處，我覺得 此表格 相當一目了然。

當然，你不遵守這個命名慣例，enum 程式還是可以運行、不會有 Bug：

class Job(Enum):
    Engineer = 42
    ProductManager = 94666
    DataScientist = 168

>>> Job.DataScientist
<Job.DataScientist: 168>

只不過，如果能遵守慣例的話，閱讀你程式的其他工程師，可以少花一些時間困惑、不用擔心你的程式是否有什麼特殊用意。

三個 Python Enum 進階技巧

學會基礎語法後，我將接著分享自己在實戰中常用到的 Enum 運用技巧。

__str__() 讓常數顯示變美麗

__str__() 是 Enum 支援的其中一種 雙底線方法（Dunder Method），它的功能是幫助你設定 print() 此物件的如何呈現的格式設定。

我們上個小節剛提過 Enum 建議把常數全部用大寫來命名，這項慣例對程式設計師有好處、對程式使用者則不見得，如果你覺得呈現給使用者全部大寫的字串不夠美觀，這時可以用 __str__() 來調整：

class Job(Enum):
    ENGINEER = 1
    PRODUCT_MANAGER = 2
    DATA_SCIENTIST = 3

    def __str__(self):
        return ' '.join([x.capitalize() for x in self.name.split('_')])

## 我個人覺得 "Data Scientist" 比 "DATA_SCIENTIST" 順眼
## 你覺得呢 (´･ω･`)？
>>> print(Job.DATA_SCIENTIST)
Data Scientist

>>> print(f"Wilson is a {Job.DATA_SCIENTIST}.")
Wilson is a Data Scientist.
## 是不是比 "Wilson is a DATA_SCIENTIST."  好看多了？

延伸閱讀：不只 __str__()，Python 還有 許多種「底線」使用方法

以 unique 避免成員數值重複

在預設狀況下，Enum 不允許重複的成員名稱，程式會出錯：

>>> class Job(Enum):
...     ENGINEER = 1
...     PRODUCT_MANAGER = 2
...     DATA_SCIENTIST = 3
...     DATA_SCIENTIST = 4
...     DATA_SCIENTIST = 5

Traceback (most recent call last):
...
TypeError: Attempted to reuse key: 'DATA_SCIENTIST'

然而，Enum 允許有重複的成員數值，這種作法稱之為別名（Alias）。使用別名的話，相同成員數值的成員在 Enum 內都會被指向同一個成員，因此可能會產生容易令人誤會的結果。

以下範例中，ENGINEER 與 DATA_SCIENTIST 使用相同的成員數值 42，在此情況，在程式碼行數順序中、比較晚宣告的成員都會變成第一個宣告成員的別名，因此，DATA_SCIENTIST 變成了 ENGINEER 的別名，嘗試用 Enum 存取 DATA_SCIENTIST 時，實際取得的卻是 ENGINEER，會讓人感到困惑：

class Job(Enum):
    ENGINEER = 42
    PRODUCT_MANAGER = 2
    DATA_SCIENTIST = 42

>>> Job.ENGINEER
<Job.ENGINEER: 42>
>>> Job.DATA_SCIENTIST
<Job.ENGINEER: 42>
>>> Job.DATA_SCIENTIST.name
'ENGINEER'

承前面所學，auto() 是一個簡單的解法，因為 auto() 不只讓你不用手動輸入成員數值，它自己會產生不重複的成員數值、已經幫你避免別名發生了。

如果你仍需要自己設定成員數值，又不想發生重複成員數值，可以用 unique 裝飾器（Decorator）來禁止別名，使用此裝飾器後，要是 Enum 內發現重複成員數值，會產生 ValueError：

## 這段程式碼跟正上方的範例
## 主要差別只有 `@unique` 這一行而已

>>> from enum import Enum, unique # 注意 unique 需要額外 import
>>> @unique
... class Job(Enum):
...     ENGINEER = 42
...     PRODUCT_MANAGER = 2
...     DATA_SCIENTIST = 42

Traceback (most recent call last):
...
ValueError: duplicate values found in <enum 'Job'>: DATA_SCIENTIST -> ENGINEER

補充：即使 unique 禁止重複成員數值，有心人士仍能用繼承子類別的方式「繞過」此禁令，要是你需要嚴格到連子類別繼承都不可使用別名，可以參考官方文件的 DuplicateFreeEnum 作法。

用 Enum 加速 pandas 資料運算

本文曾提及，當你儲存的資料是特定且有限的幾個常數，格外適合使用 Enum，這個情境在資料分析經常出現。以下範例我們創造了有一百萬筆資料的員工每日工作時數資料，其中，職業（job）這行資料，即使有一百萬筆資料、實際上只有 3 種類別：

## 創造範例資料
import pandas as pd
import numpy as np

data_size = 1_000_000
np.random.seed(42)
df = pd.DataFrame()

df['job'] = np.random.choice(['ENGINEER', 'PRODUCT_MANAGER', 'DATA_SCIENTIST'], data_size)
df['age'] = np.random.randint(1, 50, data_size)
df['work_hour'] = np.random.normal(8, 3, data_size)

（如果你沒看過 1_000_000 這種底線用法，這篇 Python 底線教學 有更多說明）

## 快速瀏覽資料
>>> df.head()
              job  age  work_hour
0  DATA_SCIENTIST   32   6.585159
1        ENGINEER   19   1.270486
2  DATA_SCIENTIST   36  10.266954
3  DATA_SCIENTIST   43  10.461590
4        ENGINEER   28  10.306234

## 職業（Job）總共只有 3 種
>>> df['job'].unique()
array(['DATA_SCIENTIST', 'ENGINEER', 'PRODUCT_MANAGER'], dtype=object)

假設，現在我們的資料分析任務是「計算所有員工的平均每日工作時數」，使用 pandas 我們的計算方法只需一行就能完成 df.groupby('job')['work_hour'].mean()。在此小節，我們不在乎這個假想資料的計算結果，我們在乎的是運算所花費的時間。

以下，我將使用 Google Colab 裡面超好用的 %timeit 指令 來衡量我們的分析任務需要花費多少時間：

>>> %timeit df.groupby('job')['work_hour'].mean()
58.4 ms ± 9.58 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

這裡可以解讀為：Colab 為我們反覆執行這行分析任務多次，算出平均運算時間是 58.4 毫秒。

（延伸閱讀：在 Google Colab 用神奇的「魔法」指令結合 Python 與 Command Line）

以上這段分析任務，存在很大的加速空間。資料中的職業（job）明明只有 3 種，卻反覆用 str（字串）型別儲存了一百萬次，事實上很多餘、會對 pandas 造成不必要的負擔。

透過我們在 Enum 學會的做法，我們可以將資料中的職業從 str 轉換成用 int，並用 Enum 妥善管理職業成員以及轉換原則：

class Job(Enum):
    ENGINEER = 1
    PRODUCT_MANAGER = 2
    DATA_SCIENTIST = 3

    def __str__(self):
        return ' '.join([x.capitalize() for x in self.name.split('_')])

我們將範例資料中的職業欄位用 Enum 轉換成 int 型態：

>>> df['job'] = df['job'].apply(lambda x: Job[x].value)
>>> df.head()
   job  age  work_hour
0    3   32   6.585159
1    1   19   1.270486
2    3   36  10.266954
3    3   43  10.461590
4    1   28  10.306234

現在，我們再次用 Colab 中的 %timeit 指令來重新衡量計算時間，看看分析任務運算速度是否有變化：

>>> %timeit df.groupby('job')['work_hour'].mean()
11.1 ms ± 130 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

分析任務的平均運算時間變成了 11.1 毫秒。跟剛剛的 58.4 毫秒相比，我們可以說，透過 Enum 把職業欄位從 str 轉換成 int 型別後，計算速度加快了 5 倍之多！

千萬別覺得只有幾毫秒之差乍看之下不多，在職場實戰中，遇到資料庫動輒幾十億筆的資料，如果可以做到這般計算最佳化，可能讓你省下好幾小時的計算時間！

做了轉換後，你又或許會覺得資料不太美觀，例如，看不出來 1、2、3 分別代表什麼職業。其實只要應用這則筆記 前面提到 的 name 與 value 雙向訪問，很輕易地就能把資料轉換回好閱讀的格式：

## 看不出來 1、2、3 代表什麼職業
>>> df.groupby('job')['work_hour'].mean()
job
1    7.989738
2    8.006799
3    8.000956
Name: work_hour, dtype: float64

## 用 Job(2) 這種語法就能簡單地轉換回來
>>> result_df = df.groupby('job')['work_hour'].mean().reset_index()
>>> result_df['job'] = result_df['job'].apply(lambda x: str(Job(x)))
>>> result_df
               job  work_hour
0         Engineer   7.989738
1  Product Manager   8.006799
2   Data Scientist   8.000956

（小細節：稍早宣告 Enum 子類別時有寫出 __str__()，才得以讓這裡轉換的字串更美觀喔）

補充：

讀到這裡的你如果已經有些數據分析經驗了，也許會察覺，若目標是把職業欄位從 str 轉換成 int，用 dict 就能輕易達成了，像是寫成：{'ENGINEER': 1, ...}。沒錯，光是這麼做的確能夠達成跟前面一樣讓 pandas 加速運算 5 倍的效果。

不過，比起 dict，使用 Enum 的還有額外好處，包括：

  1. 當你需要再從 int 轉換回 str 時，不需要另外創造一個 {1: 'ENGINEER', ...} 的 dict
  2. Enum 的成員管理更嚴謹，本文提過的避免輸入錯字與無效成員等好處，可以讓你的資料工作流（Data Pipeline）更加強健、不容易出錯，程式碼也更好維護

但缺點是 Enum 要寫的程式碼比 dict 稍微多一點。

結語

使用 Python 的 enum 套件來達成枚舉，幫助你更好管理一群「成員名稱與成員數值」的對應關係，當你需要管理的常數值集合數量有限的情境，Enum 相當好用。只要搭配好常數命名大寫、還有成員數值序號從 1 開始等慣例，enum 最大的優點是讓你的程式可讀性更高，減少 Bug 出現率。

最後，使用 Enum 的時機還是需要權衡的，當然不是任何用到常數的場合都適合用 Enum。我認為，只有你的程式設計到了重視可讀性與程式碼品質的階段時，多打幾行程式設計 Enum 子類別才有效益，舉例來說，如果你的工作是探索資料，既不在乎運算速度、也不在乎結果的 可重現性、程式碼也不需要版本控制，這種時候也不見得需要多寫 Enum 來處理。

參考資料：

還想知道更多 Python 相關技巧嗎？推薦你閱讀好豪的其他 Python 分享文章，學會更多實用程式設計方法：

也感謝你閱讀這篇筆記，歡迎追蹤 好豪的粉絲專頁，我會持續分享 Python 技巧、資料科學等知識；歡迎點選下方按鈕將本文加入書籤、或者分享給更多正在學 Python 的朋友。

推薦閱讀

Python 寫程式的「底線」：7 種使用技巧

Python 自學資源分享：幫你找出最有成就感的學習路線！

跟上客戶的生活節奏

為什麼我超愛用 Google Colab？Python 菜鳥與老手都適合的利器

Python Pandas 的 Lambda 匿名函式：五個實用技巧

初學 Python Flask 的 RESTful API 設計 — Udemy...

Python dataclass 教學：輕鬆定義資料類別

Python argparse 教學：比 sys.argv 更好用，讓命令列引數...

Python 函式的可變物件預設引數陷阱

Python 函式 zip() 教學：同時迭代多個 list，學習刷題與資料分析...

@2023 - All Right Reserved. HaoSquare.com