舉例，計算 [[http://en.wikipedia.org/wiki/Standard_deviation|standard deviation]]
{{{#!python
import math
def standard_deviation(data):
    return math.sqrt(sum([d * d for d in data]) / len(data) - ((sum(data) / len(data)) ** 2))
}}}
還不如
{{{#!python
import math
def standard_deviation(data):
    mean = sum(data) / len(data)
    pow2_mean = sum([d * d for d in data]) / len(data)
    variance = pow2_mean - (mean ** 2)
    return math.sqrt(variance)
}}}
假設之前沒看過 standard deviation 公式，雖然前面的 implementation 較簡短，但後面的方式，對於讀者而言，更容易理解。這也是為什麼 Sparse is better than dense 後面是接著 readability count 這一句，閱讀性必需擺在優先，除非該段程式碼有特別的 performance 需求。就算程式碼只有自己會看，但又如何保證自己回頭看時，不會忘了什麼是 standard_deviation ？把效能問題丟給 compiler 吧! 除非 compiler 無法產出可接受的效能。

另外，在 debug 時，如果公式的某一項出錯時，前面的寫法不容易 debug 。而後面的方式，因為每一項式都成獨立的一行，容易用 debugger 檢視，或者用 alert message 也很方便。