当前位置：首页 > news >正文

Python 编程进阶——10个提升效率的实用技巧

news 2026/6/22 22:04:17

Python 语法简单，但用好它的高级特性可以让代码更简洁、更高效。这篇文章总结了 10 个日常开发中最实用的 Python 技巧。

1. 列表推导式

代替传统 for 循环，一行搞定：

# ❌ 传统写法squares=[]foriinrange(10):squares.append(i*i)# ✅ 列表推导式（一行搞定）squares=[i*iforiinrange(10)]# 带条件筛选even_squares=[i*iforiinrange(10)ifi%2==0]# 结果: [0, 4, 16, 36, 64]

2. 字典合并

# Python 3.9+dict1={"name":"张三","age":20}dict2={"class":"大数据2301","score":88}# ✅ 使用 | 运算符merged=dict1|dict2print(merged)# {'name': '张三', 'age': 20, 'class': '大数据2301', 'score': 88}

3. f-string 格式化

name="张三"score=88.5# ✅ f-string（推荐）print(f"{name}的成绩是{score}分")print(f"{name}的成绩是{score:.1f}分")# 保留一位小数print(f"{name:10}的成绩")# 左对齐，占10位print(f"分数:{score:>6.1f}")# 右对齐，共6位

4. enumerate 获取索引

students=["张三","李四","王五"]# ❌ 传统写法foriinrange(len(students)):print(i,students[i])# ✅ enumeratefori,nameinenumerate(students,start=1):print(f"第{i}名:{name}")# 输出：# 第1名: 张三# 第2名: 李四# 第3名: 王五

5. zip 并行遍历

names=["张三","李四","王五"]scores=[88,92,76]classes=["大数据2301","大数据2301","大数据2302"]# 同时遍历多个列表forname,score,clsinzip(names,scores,classes):print(f"{name}-{cls}-{score}分")# 合并为字典result=dict(zip(names,scores))print(result)# {'张三': 88, '李四': 92, '王五': 76}

6. 使用 collections 模块

fromcollectionsimportCounter,defaultdict# Counter：统计频数scores=[85,92,78,85,92,85,60]count=Counter(scores)print(count)# Counter({85: 3, 92: 2, 78: 1, 60: 1})print(count.most_common(2))# [(85, 3), (92, 2)]# defaultdict：自动初始化data=defaultdict(list)data["A班"].append("张三")data["A班"].append("李四")data["B班"].append("王五")print(dict(data))# {'A班': ['张三', '李四'], 'B班': ['王五']}

7. any / all 判断

scores=[85,92,45,78,60]# 是否有不及格的？has_fail=any(s<60forsinscores)# True# 是否都及格了？all_pass=all(s>=60forsinscores)# False# 是否都没有优秀（>=90）？no_excellent=all(s<90forsinscores)# False

8. lambda 匿名函数

students=[{"name":"张三","score":88},{"name":"李四","score":92},{"name":"王五","score":76},]# 按成绩排序students.sort(key=lambdas:s["score"],reverse=True)# 提取字段names=list(map(lambdas:s["name"],students))print(names)# ['李四', '张三', '王五']

9. 文件操作利器——pathlib

frompathlibimportPath# 创建路径data_dir=Path("data")data_dir.mkdir(exist_ok=True)# 遍历文件forfindata_dir.glob("*.csv"):print(f.name)# 文件名print(f.stem)# 不带后缀print(f.suffix)# 后缀名print(f.stat().st_size)# 文件大小# 读写文件Path("output.txt").write_text("Hello",encoding="utf-8")content=Path("output.txt").read_text(encoding="utf-8")

10. 装饰器——统计函数耗时

importtimefromfunctoolsimportwrapsdeftimer(func):"""统计函数执行时间的装饰器"""@wraps(func)defwrapper(*args,**kwargs):start=time.time()result=func(*args,**kwargs)cost=time.time()-startprint(f"{func.__name__}耗时:{cost:.3f}秒")returnresultreturnwrapper@timerdefcalculate_sum(n):returnsum(range(n))result=calculate_sum(10000000)print(f"结果:{result}")# 输出：# calculate_sum 耗时: 0.256秒# 结果: 49999995000000