python 33个高级用法技巧

1. 使用装饰器计时函数
   装饰器是一种允许在一个函数或方法调用前后运行额外代码的结构。

import timedef timer(func):"""装饰器函数，用于计算函数执行时间并打印。参数:func (function): 被装饰的函数返回:function: 包装后的函数"""def wrapper(*args, **kwargs):"""包装函数，计算并打印函数执行时间。参数:*args: 原函数的非关键字参数**kwargs: 原函数的关键字参数返回:原函数的返回值"""start_time = time.time()  # 记录开始时间result = func(*args, **kwargs)  # 执行原函数end_time = time.time()  # 记录结束时间print(f"Function {func.__name__} took {end_time - start_time} seconds")return result  # 返回原函数的结果return wrapper@timer
def example_function(x):"""示例函数，等待 x 秒后返回 x。参数:x (int/float): 等待的秒数返回:int/float: 输入的 x 值"""time.sleep(x)  # 模拟耗时操作return x# 调用被装饰的函数
result = example_function(2)
print(result)

Function example_function took 2.0022225379943848 seconds
2

• 装饰器功能：

  • 装饰器 timer 计算并打印被装饰函数的执行时间。
  • 通过 wrapper 函数实现这一功能，使得可以在不修改原函数代码的情况下，添加额外的行为。

• 装饰器语法糖：

  • @timer 是装饰器的简洁语法，用于将装饰器应用于函数。
  • 相当于手动将函数传递给装饰器并将返回值赋给原函数名。

• 包装函数：

  • wrapper 函数接受任意数量的参数和关键字参数，确保可以包装任何函数。
  • 在 wrapper 中，可以在调用原函数之前或之后添加任何额外的代码，这里是计算并打印执行时间。

2. 使用生成器
   生成器是一种特殊的迭代器，通过 yield关键字逐个生成值。

通过使用装饰器，可以在不修改原函数代码的情况下，添加额外的行为。装饰器函数接受一个函数作为参数，返回一个新的包装函数，在调用原函数之前或之后执行额外的代码。装饰器提供了一种简洁而强大的方式来扩展函数的功能，使代码更加模块化和可重用。

def countdown(n):"""生成从 n 到 1 的倒计时序列。参数:n (int): 倒计时的起始值生成:int: 当前倒计时的值"""while n > 0:yield nn -= 1# 使用生成器函数 countdown 进行倒计时
for i in countdown(5):print(i)

5
4
3
2
1

• 生成器函数：

  • 生成器函数使用 yield 关键字逐个生成值，与常规的返回值函数不同，它在每次生成值后暂停执行，并保留其状态以便继续生成下一个值。
  • 在生成器函数 countdown 中，while 循环每次生成当前的 n 值，然后将 n 减少 1。

• 迭代生成器：

  • 使用 for 循环迭代生成器时，循环会自动处理生成器的状态，并在每次迭代时调用生成器函数的 __next__() 方法，获取下一个值。
  • 当生成器函数不再生成新值时，迭代结束。

通过使用生成器函数，可以逐个生成序列中的值，而不需要一次性创建整个序列。这种方法在处理大数据集或需要逐步生成数据时非常有用，能够节省内存并提高效率。生成器函数使用 yield 关键字生成值，并在每次生成后暂停执行，保留其状态以便后续继续生成。

3. 使用命名元组
   命名元组是一种特殊的元组，允许通过名称访问元素。

from collections import namedtuplePoint = namedtuple('Point', ['x', 'y'])
p = Point(10, 20)
print(p.x, p.y)

10 20

4. 使用全局变量
   全局变量可以在多个函数之间共享数据。

global_var = 0def increment():global global_varglobal_var += 1increment()
print(global_var)

1

5. 使用局部变量
   局部变量在函数内部定义，只在函数内部有效。

def example():local_var = 'Hello'print(local_var)example()
# print(local_var)  # 这行会报错，因为local_var是局部变量

Hello

6. 使用类方法
   类方法是一种绑定到类而不是实例的方法。

class MyClass:class_var = 0@classmethoddef increment_class_var(cls):cls.class_var += 1MyClass.increment_class_var()
print(MyClass.class_var)

1

7. 使用静态方法
   静态方法是一种不依赖于类或实例的独立方法。

class MyClass:@staticmethoddef static_method():print('This is a static method.')MyClass.static_method()

This is a static method.

8. 使用实例方法
   实例方法是绑定到实例的方法，可以访问实例的属性和方法。

class MyClass:def __init__(self, value):self.value = valuedef display_value(self):print(self.value)obj = MyClass(10)
obj.display_value()

10

9. 使用装饰器添加功能
   装饰器可以在不修改原函数代码的情况下添加功能。

def decorator(func):"""装饰器函数，用于在调用被装饰函数之前打印一条消息。参数:func (function): 被装饰的函数返回:function: 包装后的函数"""def wrapper(*args, **kwargs):"""包装函数，打印一条消息然后调用原函数。参数:*args: 原函数的非关键字参数**kwargs: 原函数的关键字参数返回:原函数的返回值"""print('Function is called')return func(*args, **kwargs)return wrapper@decorator
def say_hello():"""打印 'Hello' 的函数"""print('Hello')# 调用被装饰的函数
say_hello()

Function is called
Hello

10. 使用链式函数调用
    链式函数调用允许连续调用多个方法。

class MyClass:def __init__(self, value):self.value = valuedef increment(self):self.value += 1return selfdef display_value(self):print(self.value)obj = MyClass(10)
obj.increment().increment().display_value()

12

11. 使用自定义迭代器
    自定义迭代器可以实现自己的迭代逻辑。

class MyIterator:def __init__(self, data):"""初始化 MyIterator 对象，并设置初始数据和索引。参数:data (list): 要迭代的数据列表"""self.data = dataself.index = 0def __iter__(self):"""返回迭代器对象本身。返回:MyIterator: 迭代器对象"""return selfdef __next__(self):"""返回下一个数据元素。返回:int/float: 当前索引的数据元素抛出:StopIteration: 当没有更多元素时停止迭代"""if self.index < len(self.data):result = self.data[self.index]self.index += 1return resultelse:raise StopIteration# 创建 MyIterator 对象并迭代打印每个元素
my_iter = MyIterator([1, 2, 3])
for value in my_iter:print(value)

1
2
3

• __iter__ 方法返回迭代器对象本身。
• __next__ 方法在每次迭代中被调用，返回当前索引位置的元素，并将索引加1。
  当索引超出数据列表的长度时，抛出 StopIteration 异常，迭代结束。

12. 使用类方法
    类方法可以在不实例化类的情况下调用。

class MyClass:class_var = 0@classmethoddef increment_class_var(cls):cls.class_var += 1MyClass.increment_class_var()
print(MyClass.class_var)

1

13. 使用属性装饰器
    属性装饰器用于控制属性的访问和修改。

class MyClass:def __init__(self, value):"""初始化 MyClass 对象并设置初始值。参数:value (int/float): 初始值"""self._value = value@property  # 属性方法def value(self):"""获取 _value 的值。返回:int/float: 当前 _value 的值"""return self._value@value.setter  # 属性的设置方法def value(self, new_value):"""设置 _value 的新值。参数:new_value (int/float): 新值"""self._value = new_value# 创建一个 MyClass 对象，初始值为 10
obj = MyClass(10)# 获取并打印 _value 的值
print(obj.value)  # 输出: 10# 设置 _value 的新值为 20
obj.value = 20# 获取并打印新的 _value 的值
print(obj.value)  # 输出: 20

10
20

• @property 装饰器：

  • 将方法转换为属性，使得可以通过 obj.value 访问，而不需要调用方法。
  • 这种方法使得属性访问看起来更自然，与直接访问实例变量类似。

• @value.setter 装饰器：

  • 将方法转换为属性的设置方法，使得可以通过 obj.value = new_value 来设置属性的值。
  • 这种方法提供了一种控制属性值设置的机制，可以在设置值之前进行验证或其他处理。

14. 使用字典合并
    合并两个字典。

dict1 = {'a': 1, 'b': 2}
dict2 = {'b': 3, 'c': 4}# 使用字典的update方法合并
dict1.update(dict2)
print(dict1)
print({**dict1, **dict2})

{'a': 1, 'b': 3, 'c': 4}
{'a': 1, 'b': 3, 'c': 4}

15. 使用 Counter计数
    Counter类用于计数可哈希对象。

from collections import Counterdata = ['apple', 'banana', 'apple', 'orange', 'banana', 'apple']
counter = Counter(data)
print(counter)

Counter({'apple': 3, 'banana': 2, 'orange': 1})

16. 使用 deque进行双端队列操作
    deque是一种双端队列，可以在两端高效地添加和删除元素。

from collections import dequed = deque([1, 2, 3])
d.appendleft(0)
d.append(4)
print(d)

deque([0, 1, 2, 3, 4])

17. 使用 defaultdict
defaultdict是一个带有默认值的字典。

from collections import defaultdictdd = defaultdict(int)
dd['a'] += 1
print(dd)

defaultdict(<class 'int'>, {'a': 1})

18. 使用堆排序
    使用 heapq模块进行堆排序。

import heapq# 初始化一个无序列表
data = [3, 1, 4, 1, 5, 9, 2, 6, 5]# 使用 heapq.heapify 将列表转换为堆
heapq.heapify(data)# 使用 heapq.heappop 逐个弹出最小元素，实现排序
sorted_data = [heapq.heappop(data) for _ in range(len(data))]# 打印排序后的列表
print(sorted_data)

[1, 1, 2, 3, 4, 5, 5, 6, 9]

• 堆排序过程：

  • heapq.heapify(data) 将列表 data 转换为最小堆，最小元素在堆的根节点。
  • heapq.heappop(data)逐个弹出最小元素，重新调整堆结构，使得次小元素成为新的根节点。
  • 通过列表推导式，所有元素依次弹出并存入新的列表 sorted_data，实现排序。

• 堆的性质：

  • 最小堆是一种完全二叉树结构，满足父节点小于或等于子节点的性质。
  • 这种结构使得获取最小元素的时间复杂度为 O(1)，插入和删除元素的时间复杂度为 O(log n)。

import heapq# 初始化一个无序列表
data = [3, 1, 4, 1, 5, 9, 2, 6, 5]# 将所有元素取反，构建最大堆
max_heap = [-x for x in data]# 使用 heapq.heapify 将列表转换为堆
heapq.heapify(max_heap)# 使用 heapq.heappop 逐个弹出最大元素（原值）
sorted_data = [-heapq.heappop(max_heap) for _ in range(len(max_heap))]# 打印排序后的列表
print(sorted_data)

[9, 6, 5, 5, 4, 3, 2, 1, 1]

通过使用 heapq 模块，可以间接实现大顶堆和堆排序。虽然 heapq 主要支持最小堆，但通过取反数的方法，可以高效地实现最大堆排序。

19. 使用 bisect进行二分查找
    使用 bisect模块进行二分查找。

import bisect# 初始化一个有序列表
data = [1, 2, 4, 4, 5]# 使用 bisect.insort 在合适的位置插入元素 3
bisect.insort(data, 3)# 打印插入后的列表
print(data)

[1, 2, 3, 4, 4, 5]

• 二分查找：

  • bisect 模块使用二分查找算法在有序列表中找到元素应该插入的位置。
  • 二分查找的时间复杂度为 O(log n)，比线性查找 O(n) 更高效。

• 插入元素：

  • insort 函数不仅找到插入位置，还会将元素插入到该位置。

20. 使用 itertools生成排列组合

import itertools# 生成 'ABC' 字符串的长度为2的排列
permutations = list(itertools.permutations('ABC', 2))
# 生成 'ABC' 字符串的长度为2的组合
combinations = list(itertools.combinations('ABC', 2))print('Permutations:', permutations)
print('Combinations:', combinations)

Permutations: [('A', 'B'), ('A', 'C'), ('B', 'A'), ('B', 'C'), ('C', 'A'), ('C', 'B')]
Combinations: [('A', 'B'), ('A', 'C'), ('B', 'C')]

21. 使用 itertools生成无限序列

import itertoolscounter = itertools.count(start=1, step=2)
print(next(counter))
print(next(counter))
print(next(counter))

1
3
5

22. 使用 functools.partial
    使用 partial函数创建部分参数的函数。

from functools import partialdef power(base, exponent):"""计算 base 的 exponent 次方。参数:base (int/float): 底数exponent (int/float): 指数返回:int/float: base 的 exponent 次方"""return base ** exponent# 使用 partial 函数创建一个新的函数 square，固定 exponent 参数为 2
square = partial(power, exponent=2)# 计算 3 的平方
print(square(3))  # 输出: 9

9

• partial 函数：

partial 函数用于固定一个函数的部分参数，从而创建一个新的函数。
在这个例子中，partial 被用来固定 power 函数的 exponent 参数为 2，从而创建一个新的函数 square。

23. 使用 functools.lru_cache
    使用 lru_cache缓存函数结果，提高性能。

from functools import lru_cache@lru_cache(maxsize=None)
def fibonacci(n):"""计算第n个斐波那契数，使用lru_cache进行缓存以提高性能。参数:n (int): 需要计算的斐波那契数的索引返回:int: 第n个斐波那契数"""if n < 2:return nreturn fibonacci(n-1) + fibonacci(n-2)# 打印第10个斐波那契数
print(fibonacci(10))

55

• 缓存的优势：

  • 在没有缓存的情况下，递归计算斐波那契数会有大量的重复计算。例如，计算 F(10) 会多次计算 F(9)、F(8) 等。
  • 使用 lru_cache 后，每个值只计算一次，然后存储在缓存中，以后再需要相同值时直接从缓存中读取，避免重复计算，提高了性能。

• 递归过程：

  • 当计算 fibonacci(10) 时，函数会递归调用 fibonacci(9) 和 fibonacci(8)，依次类推，直到调用 fibonacci(0) 和 fibonacci(1)。
  • 由于 lru_cache 的存在，计算 fibonacci(10) 的整个过程中，每个值只会计算一次，并存储在缓存中。

24. 使用 subprocess运行外部命令

import subprocessresult = subprocess.run(['echo', 'Hello, World!'], capture_output=True, text=True)
print(result.stdout)

Hello, World!

25. 使用 shutil进行文件操作

import shutil
# 创建一个文件 example.txt 并写入内容
with open('example.txt', 'w') as file:file.write('Hello, world!')
shutil.copy('example.txt', 'example_copy.txt')
print('File copied.')

File copied.

26. 使用 pathlib处理文件路径

from pathlib import Path# 创建一个文件 example.txt 并写入内容
with open('example.txt', 'w') as file:file.write('Hello, world!')# 使用 pathlib 创建一个 Path 对象
p = Path('example.txt')# 打印文件名
print(p.name)    # 输出：example.txt# 打印文件名（不包括后缀）
print(p.stem)    # 输出：example# 打印文件后缀
print(p.suffix)  # 输出：.txt# 打印文件的父目录
print(p.parent)  # 输出：.

example.txt
example
.txt
.

27. 使用正则表达式匹配字符串
    使用 re模块进行正则表达式匹配。

import repattern = re.compile(r'\d+')
match = pattern.search('The answer is 42')
print(match.group())

42

28. 使用内存映射文件
    使用 mmap模块进行内存映射文件操作。

import mmap
# 创建一个文件 example.txt 并写入内容
with open('example.txt', 'w') as file:file.write('Hello, world!')
# 打开文件 example.txt 进行读写操作 ('r+b' 表示读写二进制模式)
with open('example.txt', 'r+b') as f:# 使用 mmap 模块创建内存映射对象with mmap.mmap(f.fileno(), 0) as mm:# 从内存映射对象中读取一行，并将其解码为 UTF-8 字符串print(mm.readline().decode('utf-8'))

Hello, world!

with mmap.mmap(f.fileno(), 0) as mm:

使用 mmap 模块创建一个内存映射对象。f.fileno() 返回文件的文件描述符，0 表示将整个文件映射到内存中。with 语句确保内存映射对象在块结束时会自动关闭。

29. 使用logging记录日志

import logginglogging.basicConfig(level=logging.INFO)
logging.info('This is an info message')

INFO:root:This is an info message

30. 使用 argparse解析命令行参数

import argparsedef main(name="Default Name"):print(f"Hello, {name}!")if __name__ == "__main__":parser = argparse.ArgumentParser(description='Example script')parser.add_argument('name', type=str, nargs='?', default="Default Name", help='Your name')args = parser.parse_args()main(args.name)

Hello, Alice!

31. 使用 unittest进行单元测试

import unittestdef add(x, y):return x + yclass TestAdd(unittest.TestCase):def test_add(self):self.assertEqual(add(2, 3), 5)if __name__ == '__main__':unittest.main(argv=[''], verbosity=2, exit=False)

test_add (__main__.TestAdd) ... ok----------------------------------------------------------------------
Ran 1 test in 0.002sOK

32. 使用 tqdm显示进度条

from tqdm import tqdm
import timefor i in tqdm(range(100)):time.sleep(0.01)

100%|██████████| 100/100 [00:01<00:00, 97.88it/s]

33. 使用 pandas进行数据分析

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)

Name  Age
0    Alice   25
1      Bob   30
2  Charlie   35