Python 的七个实用技巧

说明

《Python 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

Python 是一门“易学难精”的语言。除了基础语法，掌握一些 Pythonic（地道）的技巧，可以让你的代码更简洁、更高效，也更像出自高手之手。

以下我为你整理了几个不同层面的实用技巧：

1. 列表推导式与生成器 (List Comprehensions & Generators)

这是 Python 最具代表性的语法糖。它可以让你用一行代码代替繁琐的 for 循环。

列表推导式： 快速创建列表。

# 传统写法
squares = []
for x in range(10):
    squares.append(x**2)

# Pythonic 写法
squares = [x**2 for x in range(10)]

生成器表达式： 如果数据量巨大，用 () 代替 []。它不会一次性把数据加载进内存，而是按需生成，极大地节省内存。

2. 巧妙使用解包 (Unpacking)

解包不仅可以用于交换变量，还可以处理不确定长度的列表。

变量交换： a, b = b, a （不需要中间变量 temp）。
星号解包：

first, *middle, last = [1, 2, 3, 4, 5]
# first = 1, middle = [2, 3, 4], last = 5

3. 字典与集合的高级用法

合并字典： 在 Python 3.9+ 中，可以使用 | 运算符。

dict1 = {"a": 1}
dict2 = {"b": 2}
combined = dict1 | dict2

使用 .get() 和 .setdefault()： 避免频繁判断 Key 是否在字典中，防止 KeyError。

4. 装饰器 (Decorators)

如果你发现多个函数都需要执行相同的逻辑（如：计时、打印日志、权限检查），请使用装饰器。它能让你在不修改原函数代码的前提下，增加额外的功能。

装饰器本质上是一个闭包，它接受一个函数作为参数，并返回一个增强版的函数。

为了让你直观理解，我们来看一个最经典的使用场景：计算函数的运行时间。

装饰器示例：性能计时器

假设你有一段代码运行很慢，你想知道具体耗时多久。

import time

# 定义装饰器
def timer(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()          # 1. 记录开始时间
        result = func(*args, **kwargs)    # 2. 执行原函数
        end_time = time.time()            # 3. 记录结束时间
        print(f"函数 {func.__name__} 运行耗时: {end_time - start_time:.4f} 秒")
        return result                     # 4. 返回原函数的执行结果
    return wrapper

# 使用装饰器
@timer
def heavy_computation():
    """模拟一个耗时的计算任务"""
    time.sleep(1.5)
    print("计算完成！")

heavy_computation()

为什么要这样写？（核心技巧）

无侵入性：你不需要修改 heavy_computation 函数内部的任何代码，只需要在定义上方加一个 @timer。
代码复用：如果你有 10 个函数都需要计时，你只需要给它们都加上 @timer，而不用在每个函数里写重复的 time.time() 代码。
参数透传：注意 *args 和 **kwargs，这确保了无论原函数有多少个参数，装饰器都能正常工作。

进阶提示：`functools.wraps`

当你使用装饰器后，原函数的元数据（如函数名 __name__ 和文档字符串 __doc__）会被 wrapper 覆盖。为了保留原函数的信息，通常会在 wrapper 上再加一个装饰器：

from functools import wraps

def timer(func):
    @wraps(func)  # 保持原函数的元数据
    def wrapper(*args, **kwargs):
        # ... 逻辑同上 ...
        pass
    return wrapper

5. 上下文管理器 (With Statement)

处理文件、数据库连接或网络请求时，永远记得用 with。它能保证即使程序报错，资源也能被正确关闭，避免内存泄漏。

with open('test.txt', 'r') as f:
    data = f.read()
# 无需手动 f.close()

6. 标准库中的“神兵利器”

很多功能不需要手写，Python 自带的库非常强大：

collections.Counter： 快速统计元素出现次数。
itertools： 提供各种高效的迭代器（排列组合、无限循环等）。
pathlib： 比起老的 os.path，处理文件路径更加面向对象且易读。

7. F-strings 字符串格式化

Python 3.6 引入的 f-string 是目前最快、最直观的格式化方式：

name = "Gemini"
print(f"Hello, {name.upper()}! The result is {10 * 5}.")

总结

想要进阶，最好的方式是养成查看官方文档和阅读优秀开源代码（如 Flask, Requests）的习惯。

（完）