前言当你已经能写出“能跑”的代码接下来就要追求“跑得好、跑得美”。本篇教你用专业写法让代码从“能用”升级为“优秀”。一、列表推导式一行胜十行的魔法python传统写法笨拙但能干活偶数列表 []for i in range(1, 11):if i % 2 0:偶数列表.append(i)print(偶数列表) # [2, 4, 6, 8, 10]列表推导式优雅而高效偶数列表 [i for i in range(1, 11) if i % 2 0]print(偶数列表) # 同上但只用了一行更多魔法应用1. 转换数据字符串列表 [‘1’, ‘2’, ‘3’]数字列表 [int(x) for x in 字符串列表] # [1, 2, 3]2. 嵌套推导矩阵 [[1, 2, 3], [4, 5, 6], [7, 8, 9]]扁平化 [num for row in matrix for num in row] # [1, 2, 3, 4, 5, 6, 7, 8, 9]3. 条件转换成绩 [85, 92, 78, 45, 60]评级 [‘优秀’ if x 90 else ‘及格’ if x 60 else ‘不及格’ for x in 成绩]print(评级) # [‘及格’, ‘优秀’, ‘及格’, ‘不及格’, ‘及格’]专业提示列表推导式让代码更可读一旦习惯但别过度嵌套否则会变成一行天书。二、生成器处理海量数据的省内存利器python列表一次性加载所有数据到内存大数据列表 [i for i in range(1000000)] # 占用大量内存生成器按需生成边用边产大数据生成器 (i for i in range(1000000)) # 注意是圆括号print(next(大数据生成器)) # 0print(next(大数据生成器)) # 1内存几乎不增加yield关键字自定义生成器def 无限偶数生成器():“”“生成无限偶数序列”“”n 0while True:yield nn 2偶数 无限偶数生成器()print(next(偶数)) # 0print(next(偶数)) # 2print(next(偶数)) # 4可以一直next下去永不停止实际应用读取超大文件def 逐行读取大文件(文件名):“”“一次只读一行不撑爆内存”“”with open(文件名, ‘r’, encoding‘utf-8’) as f:for line in f:yield line.strip()使用for 行 in 逐行读取大文件(‘超大数据.txt’):处理(行) # 每次只处理一行内存友好何时使用处理不确定大小的数据流、大文件、无限序列时生成器是救星。三、装饰器不改代码增强功能python场景给函数添加计时功能import time传统做法修改每个函数def 传统函数():start time.time()time.sleep(1) # 模拟耗时操作end time.time()print(f耗时{end-start:.2f}秒)装饰器做法不修改原函数def 计时器(原函数):“”“装饰器给任何函数添加计时功能”“”def 包装函数(*args, **kwargs):start time.time()结果 原函数(*args, **kwargs) # 执行原函数end time.time()print(f{原函数.name} 耗时{end-start:.2f}秒)return 结果return 包装函数使用装饰器计时器def 我的业务函数():time.sleep(1)return “完成”计时器def 另一个函数(参数):time.sleep(0.5)return f处理了{参数}调用print(我的业务函数()) # 自动计时并输出print(另一个函数(“测试”)) # 同上常用装饰器场景def 日志记录(函数):“”“自动记录函数调用”“”def 包装(*args, **kwargs):print(f[日志] 调用 {函数.name}参数{args} {kwargs})return 函数(*args, **kwargs)return 包装def 缓存(函数):“”“缓存计算结果避免重复计算”“”缓存字典 {}def 包装(*args):if args in 缓存字典:print(f使用缓存结果{args})return 缓存字典[args]结果 函数(*args)缓存字典[args] 结果return 结果return 包装缓存def 昂贵计算(n):print(f正在计算 {n}…)return n * n # 假装很耗时print(昂贵计算(5)) # 真的计算print(昂贵计算(5)) # 使用缓存装饰器哲学关注点分离。业务代码只管业务装饰器管增强功能。四、上下文管理器安全资源管理python传统资源管理容易忘记关闭文件 open(‘data.txt’, ‘r’)内容 文件.read()如果这里出错文件可能永远不会关闭文件.close()with语句自动管理with open(‘data.txt’, ‘r’) as 文件:内容 文件.read()退出with块时文件自动关闭即使发生异常自定义上下文管理器class 数据库连接:definit(self, 数据库名):self.数据库名 数据库名def __enter__(self): print(f连接数据库{self.数据库名}) self.连接 假装已连接 # 实际这里会创建真实连接 return self def 查询(self, sql): print(f执行查询{sql}) return [{id: 1, name: 张三}] # 模拟结果 def __exit__(self, 异常类型, 异常值, 异常追踪): print(关闭数据库连接) # 这里实际会关闭连接释放资源 if 异常类型: # 如果有异常 print(f发生异常{异常值})使用with 数据库连接(“我的数据库”) as db:结果 db.查询(“SELECT * FROM users”)print(结果)自动关闭连接无需手动调用适用场景文件、网络连接、数据库连接、锁等需要打开-使用-关闭的资源。五、类型注解让代码更清晰python动态类型自由但容易混淆def 处理数据(数据, 次数):# 数据是什么类型字符串列表数字# 次数是整数吗return 数据 * 次数类型注解明确说明from typing import List, Dict, Optional, Uniondef 处理数据(数据: Union[str, List[int]], 次数: int) - Union[str, List[int]]:“”处理数据的函数参数: 数据: 字符串或整数列表 次数: 重复次数 返回: 重复后的字符串或列表 return 数据 * 次数更复杂的类型提示def 分析用户(用户列表: List[Dict[str, Union[str, int]]]) - Dict[str, float]:“”“分析用户列表返回统计数据”“”总年龄 sum(用户.get(‘age’, 0) for 用户 in 用户列表)return {“平均年龄”: 总年龄 / len(用户列表)}可选参数def 查找用户(用户id: int, 详细: Optional[bool] False) - Dict:“”“查找用户详细为可选参数”“”pass实际使用用户数据 [{“name”: “张三”, “age”: 25}, {“name”: “李四”, “age”: 30}]统计 分析用户(用户数据)print(统计)类型注解的好处代码自文档化看一眼就知道参数和返回值类型IDE智能提示写代码时有自动补全静态检查用mypy等工具提前发现类型错误六、综合实战专业的数据管道pythonfrom typing import Iterator, List, Dictimport timefrom contextlib import contextmanager装饰器性能监控def 性能监控(原函数):def 包装(*args, **kwargs):start time.perf_counter()结果 原函数(*args, **kwargs)end time.perf_counter()print(f⏱️ {原函数.name}: {end-start:.4f}秒)return 结果return 包装上下文管理器计时区块contextmanagerdef 计时区块(区块名: str):“”“测量代码块执行时间”“”start time.perf_counter()yieldend time.perf_counter()print(f⏱️ [{区块名}]: {end-start:.4f}秒)生成器数据流def 数据读取器(文件路径: str) - Iterator[str]:“”“逐行读取数据”“”with open(文件路径, ‘r’, encoding‘utf-8’) as f:for line in f:yield line.strip()列表推导式 类型注解性能监控def 数据处理(原始数据: Iterator[str]) - List[Dict[str, str]]:“”“处理原始数据返回结构化列表”“”return [{“id”: 行.split(‘,’)[0],“name”: 行.split(‘,’)[1].title(), # 首字母大写“score”: 行.split(‘,’)[2]}for 行 in 原始数据if len(行.split(‘,’)) 3 # 过滤无效行]主流程def 主流程():“”“专业的数据处理管道”“”with 计时区块(“整个流程”):原始数据 数据读取器(‘students.csv’)处理后的数据 数据处理(原始数据)# 使用生成器表达式节省内存 优秀学生 (学生 for 学生 in 处理后的数据 if int(学生[score]) 90) print( 优秀学生) for 学生 in 优秀学生: print(f - {学生[name]}: {学生[score]}分)运行ifname “main”:主流程()七、代码品质自查清单可读性变量名是否清晰函数是否简短单一效率是否用对了数据结构有没有重复计算健壮性有没有处理边界情况是否有异常处理可维护性类型提示清晰吗有足够的注释吗Pythonic是否用了Python特有的优雅写法记住专业代码不是一蹴而就的。先写出能工作的代码然后逐步重构优化。每当你回头修改旧代码时都是提升专业度的机会。这篇专业技巧对你有启发吗点赞/收藏是最好的鼓励 在评论区分享你最想掌握的Python高级特性或者展示你用这些技巧改进的代码。编程之路我们一起从能跑走到跑得优雅。