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 = []
for i in range(10):
    squares.append(i * i)

# ✅ 列表推导式（一行搞定）
squares = [i * i for i in range(10)]

# 带条件筛选
even_squares = [i * i for i in range(10) if i % 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 | dict2
print(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
for i in range(len(students)):
    print(i, students[i])

# ✅ enumerate
for i, name in enumerate(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
for name, score, cls in zip(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

from collections import Counter, 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 < 60 for s in scores)  # True

# 是否都及格了？
all_pass = all(s >= 60 for s in scores)  # False

# 是否都没有优秀（>=90）？
no_excellent = all(s < 90 for s in scores)  # 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=lambda s: s["score"], reverse=True)

# 提取字段
names = list(map(lambda s: s["name"], students))
print(names)  # ['李四', '张三', '王五']

9. 文件操作利器——pathlib

from pathlib import Path

# 创建路径
data_dir = Path("data")
data_dir.mkdir(exist_ok=True)

# 遍历文件
for f in data_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

import time
from functools import wraps

def timer(func):
    """统计函数执行时间的装饰器"""
    @wraps(func)
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        cost = time.time() - start
        print(f"{func.__name__} 耗时: {cost:.3f}秒")
        return result
    return wrapper

@timer
def calculate_sum(n):
    return sum(range(n))

result = calculate_sum(10000000)
print(f"结果: {result}")

# 输出：
# calculate_sum 耗时: 0.256秒
# 结果: 49999995000000

总结

这 10 个技巧覆盖了日常开发中最常用的 Python 高级特性。建议收藏起来，写代码时翻一翻，慢慢养成习惯后代码质量和效率都会明显提升。

💡 觉得有用的话，点赞 + 关注【张老师技术栈】吧！每周更新 Java/Python/爬虫 实战干货，不让你白来。