16 个必知必会的 Python 编程技巧

squared_numbers = [x**2 for x in range(1, 6)]
print(squared_numbers)
# 输出：[1, 4, 9, 16, 25]

支持添加条件过滤，例如 [x**2 for x in range(10) if x % 2 == 0]。

5. 匿名函数 (Lambda)

lambda 关键字用于定义匿名函数，适合编写一次性的小函数，无需使用 def 声明命名函数。

add = lambda x, y: x + y
result = add(3, 4)
print(result)  # 输出：7

通常配合 map()、filter() 或 sorted() 等高阶函数使用。

6. any() 和 all() 函数

这两个函数基于可迭代元素的真实性（Truthiness）返回布尔值。any() 只要有一个元素为真即返回 True；all() 需所有元素均为真才返回 True。

numbers = [1, 2, 3, 0, 4]
print(any(numbers))  # True，存在非零元素
print(all(numbers))  # False，0 被视为假

常用于验证数据有效性或状态检查。

7. 迭代工具模块 (itertools)

itertools 模块提供了一系列高效处理迭代器的函数，如 chain、product 和 permutations。

import itertools
numbers = [1, 2, 3]
result = list(itertools.permutations(numbers))
print(result)
# 输出：[(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1)]

该模块在处理大规模数据组合时性能优于原生循环。

8. 生成器 (Generator)

生成器是一种惰性求值的可迭代对象，使用 yield 关键字定义。它按需生成值，节省内存。

def fibonacci_series(n):
    a, b = 0, 1
    for i in range(n):
        yield a
        a, b = b, a + b

for number in fibonacci_series(10):
    print(number)
# 输出：0, 1, 1, 2, 3, 5, 8, 13, 21, 34

相比返回列表，生成器更适合处理无限序列或大数据流。

9. 装饰器 (Decorator)

装饰器允许在不修改原函数代码的情况下扩展其功能，如日志记录、计时或权限验证。

def log_function(func):
    def wrapper(*args, **kwargs):
        print(f'Running {func.__name__}')
        result = func(*args, **kwargs)
        print(f'{func.__name__} returned {result}')
        return result
    return wrapper

@log_function
def add(x, y):
    return x + y

print(add(5, 7))
# 运行 add 函数，返回值为 12

装饰器本质上是高阶函数的应用，需注意保持被装饰函数的签名。

10. 可变参数 (*args 和 **kwargs)

Python 支持使用 * 和 ** 运算符处理不定数量的参数。*args 接收位置参数元组，**kwargs 接收关键字参数字典。

def print_arguments(*args, **kwargs):
    print(args)
    print(kwargs)

print_arguments(1, 2, 3, name='John', age=30)
# 输出：
# (1, 2, 3)
# {'name': 'John', 'age': 30}

这增强了函数的灵活性，常用于封装通用接口。

11. 动态导入 (importlib)

当需要根据配置或用户输入动态加载模块时，可使用 importlib 模块。

import importlib
module_name = 'math'
module = importlib.import_module(module_name)
result = module.sqrt(9)
print(result)  # 3.0

此方法比硬编码导入更灵活，但需注意安全性，避免加载不可信模块。

12. 字典生成式

字典生成式与列表生成式类似，用于快速构建字典结构。

squared_numbers = {x: x**2 for x in range(1, 6)}
print(squared_numbers)
# 输出：{1: 1, 2: 4, 3: 9, 4: 16, 5: 25}

同样支持条件过滤，如 {k: v for k, v in data.items() if v > 0}。

13. 可调用对象 (Callable)

任何定义了 __call__ 方法的对象都可像函数一样被调用，包括类实例。

class Adder:
    def __call__(self, x, y):
        return x + y

adder = Adder()
result = adder(3, 4)
print(result)  # 7

这使得对象可以维护内部状态的同时具备函数行为。

14. 数字格式化 (下划线分隔)

Python 3.6+ 支持在数字字面量中使用下划线 _ 作为千位分隔符，提升大数字的可读性。

num_test = 100_345_405
print(num_test)  # 100345405

不影响数值计算，仅用于代码书写时的视觉优化。

15. 快速合并字典

Python 3.5+ 支持使用解包操作符 ** 快速合并字典。

dictionary_one = {"a": 1, "b": 2}
dictionary_two = {"c": 3, "d": 4}
merged = {**dictionary_one, **dictionary_two}
print(merged)
# 输出：{'a': 1, 'b': 2, 'c': 3, 'd': 4}

若键冲突，后出现的字典值会覆盖前者。

16. 可变对象特性

列表、集合和字典是可变对象，修改内容不会改变其内存地址（ID）。

cities = ["Munich", "Zurich", "London"]
print(id(cities))  # 2797174365184
cities.append("Berlin")
print(id(cities))  # 2797174365184

my_set = {1, 2, 3}
print(id(my_set))  # 2797172976992
my_set.add(4)
print(id(my_set))  # 2797172976992

thisdict = {
    "brand": "Ford",
    "model": "Mustang"
}
print(id(thisdict))  # 2797174128256
thisdict["engine"] = "2500cc"
print(id(thisdict))  # 2797174128256

理解可变性对于避免副作用和调试引用问题至关重要。

总结

以上 16 个技巧涵盖了 Python 基础语法、数据结构及标准库的高级用法。熟练掌握这些特性，不仅能减少代码行数，还能提升程序的性能和可维护性。建议在实际项目中逐步尝试应用，并结合官方文档深入理解底层机制。持续练习和阅读优秀开源项目源码，是提升 Python 工程能力的关键途径。