27 个 Python 技巧：我希望在开始编程时就知道的教训

在我开始学习编程的时候，我深入研究 Python 的世界感觉有点难度，对于我来讲是有一点挑战性的。虽然我掌握了一些基础知识，但学习如何写出优雅而干净的代码，对于我来讲，却是一个需要急迫解决的难题。

那时，我经常提到 Python 之禅——它确实很好，但在我看来，它是笼统和模糊的。我需要更具体的例子，这也是我写这篇文章的原因。

有趣的是，我观察到人们学习编码的方式发生了转变，尤其是那些在 ChatGPT 时代之后开始学习的人。

在 ChatGPT 时代学习的人，似乎擅长修复错误和调试。另一方面，那些在 GPT 之前编程的人擅长分析答案、利用 Stack Overflow 和文档等资源。

在我七年的 Python 开发生涯中，我遇到了一些产生重大影响的概念。在这篇文章中，我想根据我自己的经验分享 27 个简单的技巧。

这些技巧不仅加快了我写程序的速度，并且还帮助我写出了更干净、更容易理解的代码。

当我分享这些知识要点时，希望你能保留好，也许有一天，你可能会发现一些与你的编码之旅相识之处，从而产生一些共鸣。

1.F-Strings：动态字符串格式

提示：使用 f-strings (Python 3.6+) 进行简洁和动态的字符串格式化。

优点：

• 简洁易读的语法。

• 轻松将表达式嵌入字符串中。

缺点：

• 仅限于 Python 3.6 及以上版本。

• 小心安全漏洞；SQL注入。

例子：

name = "John"``age = 25``message = f"My name is {name}, and I am {age} years old."

2. 装饰器：动态增强功能

提示：利用装饰器动态扩展或修改函数，增强代码模块化。

优点：

• 提供了一种扩展函数行为的简洁方法。

• 增强代码的可重用性。

缺点：

• 过度使用装饰器会使代码更难理解。

例子：

import time``def timer_decorator(func):`    `def wrapper(*args, **kwargs):`        `start_time = time.time()`        `result = func(*args, **kwargs)`        `end_time = time.time()`        `print(f"{func.__name__} executed in {end_time - start_time} seconds")`        `return result`    `return wrapper``@timer_decorator``def example_function():`    `# Function logic here

3. 利用 help() 函数掌握 Python

提示：利用 help() 函数作为强大的工具来深入了解 Python 模块、函数和对象，以便更好地理解和使用。

优点：

• 即时文档：快速访问代码中任何 Python 对象、模块或函数的文档。

• 交互式学习：非常适合直接从 Python 解释器或脚本探索和学习不熟悉的模块或函数。

缺点：

• 详细信息有限：help() 提供的信息有时可能很简洁，对于复杂的主题可能需要更详细的文档。help() 的有效性取决于代码中文档字符串的存在和质量。

例子：

# Example: Using the help() function``def calculate_square(number):`    `"""`    `Calculates the square of a given number.Parameters:`    `- number (int): The input number.`    `Returns:`    `- int: The square of the input number.`    `"""`    `return number ** 2``# Accessing help for the calculate_square function``help(calculate_square)

4. 列表推导式：紧凑列表创建

提示：采用列表推导式，以简洁易读的方式创建列表，从而减少对多行循环的需求。

优点：

• 通过压缩列表创建逻辑来增强可读性。

• 与传统循环相比，通常可以提高性能。

缺点：

• 避免嵌套列表理解以获得更好的可读性，尤其是对于复杂的逻辑。

例子：

# Finding squares of even numbers in a range``squares = [x**2 for x in range(10) if x % 2 == 0]

5.循环中的else子句

提示：在循环中使用 else 子句，以便在循环自然完成时执行代码。

优点：

• 允许在循环自然完成时执行代码，而无需使用break语句。

• 非常适合特定操作应遵循成功循环的场景。

缺点：

• 经常被忽视或误解，导致潜在的逻辑错误。

例子：

# Finding prime numbers using the else clause``for n in range(2, 10):`    `for x in range(2, n):`        `if n % x == 0:`            `break`    `else:`        `print(n, "is a prime number.")

6. Lambda 函数：快速且匿名的函数

提示：使用 lambda 函数进行快速匿名函数定义。

优点：

• 简洁的单行代码实现简单的功能。

• 不需要正式的函数定义。

缺点：

• 仅限于单一表达；不适合复杂的逻辑。

• 如果过度使用会降低代码的可读性。

例子：

# Adding two numbers with a lambda function``add_numbers = lambda x, y: x + y``result = add_numbers(3, 5)

7. 使用 enumerate 和 zip 进行 Pythonic 迭代

提示：使用 enumerate() 和 zip() 函数对序列进行更多 Python 迭代。

优点：

• enumerate()：使用索引和值简化迭代。

• zip()：促进多个列表的并行迭代。

缺点：

• 无重大影响；提高代码的清晰度和简洁性。

例子：

# Pythonic iteration using enumerate and zip``names = ["Alice", "Bob", "Charlie"]``ages = [25, 30, 22]``# Enumerate for index and value``for index, name in enumerate(names):`    `print(f"Person {index + 1}: {name}")``# Zip for parallel iteration``for name, age in zip(names, ages):`    `print(f"{name} is {age} years old.")

8. *args 和 **kwargs：灵活的函数参数

提示：使用 *args 和 **kwargs 将可变数量的参数传递给函数，为广泛的用例提供灵活性。

优点：

• 非常适合处理可变数量的参数。

• 允许创建多功能函数和包装器。

缺点：

• 需要仔细记录，因为函数签名可能不会显示所有可能的参数。

例子：

# A function that multiplies all given arguments``def multiply(*args):`    `result = 1`    `for num in args:`        `result *= num`    `return result

9. 使用 try 和 except 进行优雅的错误处理

提示：合并 try 和 except 块以进行优雅的错误处理，从而增强代码的稳健性。

优点：

• 错误恢复能力，防止你的程序因意外错误而崩溃。

• 增强的调试：提供对错误原因的深入了解，有助于有效的调试。

• 用户友好：允许你向用户传达特定的错误消息以获得更好的体验。

缺点：

• 开销：在某些情况下，使用 try 和 except 可能会带来轻微的性能开销。

• 潜在的疏忽：错误地捕获或抑制错误可能会掩盖潜在的问题。

例子：

# Example: Graceful error handling with try and except``def divide_numbers(a, b):`    `try:`        `result = a / b`        `print(f"The result of {a} divided by {b} is: {result}")`    `except ZeroDivisionError:`        `print("Cannot divide by zero! Please provide a non-zero denominator.")`    `except Exception as e:`        `print(f"An unexpected error occurred: {e}")`    `else:`        `print("Division successful!")``# Testing the function``divide_numbers(10, 2)  # Normal division``divide_numbers(5, 0)   # Division by zero``divide_numbers("a", 2) # Unexpected error (TypeError)

10.列表切片：功能强大且富有表现力

提示：利用列表切片对列表进行简洁且富有表现力的操作。

优点：

• 简化提取子列表、反转或跳过元素等操作。

• 增强代码可读性并减少对显式循环的需求。

缺点：

• 过度使用复杂的切片可能会影响代码的可读性。

例子：

# Extracting a sublist from index 2 to 5``original_list = [1, 2, 3, 4, 5, 6, 7]``sublist = original_list[2:6]

11. 生成器：内存高效迭代

提示：利用生成器迭代大型数据集，而无需将所有内容加载到内存中。

优点：

• 有效处理大型数据集。

• 即时生成项目，节省内存。

缺点：

• 生成器是一次性迭代器；一旦消耗，它们就不能重复使用。

例子：

# Fibonacci sequence generator``def fibonacci(n):`    `a, b = 0, 1`    `for _ in range(n):`        `yield a`        `a, b = b, a + b

12. 断言：充满信心地调试

提示：在开发过程中使用断言来确认有关代码状态的假设。

优点：

• 通过尽早发现潜在问题来增强代码可靠性。

• 提供一种方法来确认有关代码的假设。

缺点：

• 在生产代码中过度使用会影响性能。

例子：

# Assertion for checking if a variable is positive``num = -5``assert num > 0, "Number must be positive"

13. 深复制与浅复制：明智地复制

提示：了解处理可变对象的深复制和浅复制之间的区别。

优点：

• 浅拷贝：创建一个包含对相同对象的引用的新集合。

• Deepcopy：生成原始对象及其所有内容的独立克隆。

缺点：

• 当需要深复制时使用浅复制可能会导致原始数据的意外修改。

例子：

# Duplicating a nested list with both shallow and deep copies``import copy``original = [[1, 2, 3], [4, 5, 6]]``shallow = copy.copy(original)``deep = copy.deepcopy(original)

14. 随机模块：拥抱不可预测性

提示：使用 random 模块将可变性或随机性引入代码中。

优点：

• 对于模拟、游戏或任何需要不可预测性的场景很有用。

• 提供多种随机化功能。

缺点：

• 结果并不是真正随机的；它们是伪随机的。

例子：

import random``# Generating a random number between 1 and 10``random_number = random.randint(1, 10)

15.Defaultdict：简化字典操作

提示：使用集合模块中的 defaultdict 来简化字典操作。

优点：

• 通过为不存在的键提供默认值来简化代码。

• 消除显式密钥存在检查。

缺点：

• 需要导入集合模块。

例子：

from collections import defaultdict``word = "pythonic"``letter_count = defaultdict(int)``for letter in word:`    `letter_count[letter] += 1

16. 海象运算符 (:=)：内联赋值以提高效率

提示：使用海象运算符 (Python 3.8+) 进行表达式内的内联赋值。

优点：

• 高效地分配值并在同一表达式中使用它们。

• 在某些情况下减少冗余。

缺点：

• 过度使用它会使不熟悉该操作符的人更难阅读代码。

例子：

# Reading lines from a file until a blank line is found``with open('file.txt', 'r') as f:`    `while (line := f.readline().strip()):`        `print(line)

17. 类型提示：增强代码清晰度

提示：采用类型提示 (Python 3.5+) 来提高代码清晰度，尤其是在大型项目中。

优点：

• 提高代码的可读性和可维护性。

• 实现更好的 IDE 支持和静态类型检查。

缺点：

• Python 仍然是一种动态类型语言；类型提示是可选的，不是强制的——它是为了人眼;)。

例子：

# Function with type hints``def greet(name: str) -> str:`    `return f"Hello, {name}!"

18.Namedtuples：自记录数据结构

提示：使用命名元组创建简单的、自记录的数据结构。

优点：

• 提供轻量级、不可变的数据结构。

• 通过为每个字段命名来增强代码可读性。

缺点：

• 不可变；创建后无法修改。

• 对于可变结构，请考虑使用数据类 (Python 3.7+)。

例子：

# Creating a namedtuple for a person``from collections import namedtuple``Person = namedtuple('Person', ['name', 'age'])``alice = Person(name="Alice", age=30)

19. 压缩和解压缩列表：组合和解压序列

提示：使用 zip() 组合多个可迭代对象，从而更轻松地并行循环多个列表。

优点：

• 简化了同时迭代多个列表的过程。

• 对于需要一起处理不同列表中的项目的任务非常方便。

缺点：

• zip() 在最短输入列表处停止；对于不同大小的可迭代对象，请考虑使用 itertools.zip_longest()。

例子：

# Matching user inputs with corresponding answers in a quiz``names = ["Alice", "Bob"]``scores = [85, 92]``for name, score in zip(names, scores):`    `print(f"{name}: {score}")

20. 字典 — get() 和 setdefault()：优雅的键处理

提示：使用 get() 和 setdefault() 方法增强字典操作。

优点：

• get()：检索键的值，如果键不存在则提供默认值。

• setdefault()：如果键不存在则设置默认值，防止多余的键检查。

缺点：

• 忽略这些方法可能会导致检查密钥是否存在的冗余代码。

例子：

data = {"name": "Alice"}``age = data.get("age", 30)``data.setdefault("country", "USA")

21. __main__ Guard：脚本执行控制

提示：当直接运行脚本时，使用 if __name__ == “__main__”: 保护来控制代码执行。

优点：

• 确保某些代码仅在直接执行脚本时运行，而不是在导入时运行。

• 对于可以为函数导入或为任务直接运行的实用程序脚本很有用。

缺点：

• 导入模块时忘记使用此防护可能会导致意外行为。

例子：

if __name__ == "__main__":`    `print("This script is being run directly!")

22. 虚拟环境：隔离项目特定开发的依赖关系

提示：利用虚拟环境来隔离项目特定的依赖关系，防止与系统范围的包发生冲突。

优点：

• 确保每个项目都有一个干净且隔离的环境。

• 便于管理依赖关系并避免冲突。

缺点：

• 忘记激活虚拟环境可能会导致全局 Python 环境中意外安装包。

例子：

# Creating and activating a virtual environment``python -m venv my_project_env``source my_project_env/bin/activate

23. 星号 (*) 运算符：用途广泛且功能强大

提示：探索星号 (*) 运算符在打包和解包、关键字参数解包和重复方面的多功能性。

优点：

• 有效地将集合解包为单独的元素。

• 促进函数中的动态参数处理。

缺点：

• 过度使用会降低代码的可读性，尤其是连续多次解包时。

例子：

# Passing a dynamic list of values to a function expecting separate arguments``def func(a, b, c):`    `return a + b + c``   ``values = [1, 2, 3]``print(func(*values))

24. 上下文管理器（带语句）：资源管理简单性

提示：将上下文管理器与 with 语句结合使用，以实现高效的资源管理。

优点：

• 确保资源的正确设置和拆卸。

• 提高代码可读性并降低资源泄漏的可能性。

缺点：

• 在有益的情况下忘记使用 with 语句可能会导致与资源相关的问题。

例子：

# Opening and reading a file using a context manager``with open('file.txt', 'r') as f:`    `content = f.read()

25. Python 的下划线 (_) 用途：命名和循环的多功能性

提示：利用下划线 (_) 作为循环中的一次性变量。

优点：

• 表示命名约定中的“受保护”变量。

• 重用 REPL 环境中的最后结果。

• 当不需要循环变量时，充当循环中的一次性变量。

缺点：

• 不同的用途可能会令人困惑，尤其是对于新程序员来说。

例子：

# Iterating a specific number of times without needing the loop counter``for _ in range(5):`    `print("Hello, World!")

26.映射、过滤和归约：Python 中的函数式编程

提示：将map()、filter() 和reduce() 合并为处理集合的函数方法，从而减少对显式循环的需要。

优点：

• map()：将函数应用于集合中的每个项目。

• filter()：根据谓词选择项目。

• reduce()：累积应用函数，将序列减少为单个值。

缺点：

• 请注意，在 Python 3.x 中，map() 和 filter() 返回迭代器；如果需要，将它们转换为列表。

例子：

# Using map() to convert strings to uppercase``names = ["alice", "bob", "charlie"]``upper_names = list(map(str.upper, names))

27.合并字典：简化字典操作

提示：使用 update() 方法或 {**dict1, **dict2} 语法来合并字典。

优点：

• 简化多个词典内容的组合。

• 提供选择合并方法的灵活性。

缺点：

• 在处理嵌套字典时，过度使用这种方法可能会导致意想不到的结果。

例子：

# Merging dictionaries using the update() method``dict1 = {'a': 1, 'b': 2}``dict2 = {'b': 3, 'c': 4}``dict1.update(dict2)

以上就是“27 个 Python 技巧：我希望在开始编程时就知道的教训”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。