1. 被低估的defaultdict强力技巧你是否曾经编写过一个循环，检查字典中是否存在键，然后再向其中添加值？而不是这样写：
word_counts = {}words = ["apple", "banana", "apple", "orange", "banana", "banana"]for word in words: if word not in word_counts: word_counts[word] = 0 word_counts[word] += 1你可以使用 collections.defaultdict 来简化这个操作：
from collections import defaultdictword_counts = defaultdict(int)words = ["apple", "banana", "apple", "orange", "banana", "banana"]for word in words: word_counts[word] += 1为什么这很强大去除了手动检查键存在性的需求。简化代码复杂性，使其更易于阅读。自动处理缺失值，无需额外逻辑。用例：日志聚合： 轻松统计系统日志中日志级别的出现次数。数据分组： 在不手动初始化列表的情况下，将项目列表存储在键下。动态对象创建： 在解析 JSON 时自动填充嵌套字典。2. 一行代码的禅意：超越基础的列表推导式
Python 的列表推导式功能强大，但它们不仅仅可以用来创建列表。看看这个：
展平嵌套列表：nested = [[1, 2, 3], [4, 5], [6, 7, 8]]flattened = [num for sublist in nested for num in sublist]print(flattened) # [1, 2, 3, 4, 5, 6, 7, 8]过滤映射words = ["hello", "world", "Python", "is", "awesome"]capitalized_long_words = [word.upper() for word in words if len(word) > 5]print(capitalized_long_words) # ['PYTHON', 'AWESOME']为什么这很强大通过将过滤和转换合并为一步，加快数据处理速度。使代码更易读、更简洁。比传统循环提高性能。用例：数据清洗： 快速过滤和转换大型数据集。JSON 处理： 轻松从 API 响应中提取和格式化值。机器学习管道： 准备数据集，进行特征选择和转换。3. 数据类技巧：不仅用于存储数据@dataclass 装饰器通常用于简单的数据存储，但你是否知道它还可以简化 API 设计？比较以下传统类：
class User: def __init__(self, name, age): self.name = name self.age = ageuser = User("Alice", 30)与一个 dataclass：
from dataclasses import dataclass@dataclassclass User: name: str age: intuser = User("Alice", 30)自动生成方法数据类自动提供 __init__、__repr__ 以及比较方法，因此可以立即使用：
user1 = User("Alice", 30)user2 = User("Alice", 30)print(user1 == user2) # True为什么这很强大消除了样板代码，使类更容易维护。提供自动数据验证，带有类型提示。默认使对象可比较。用例：配置管理： 将应用程序设置存储在结构化对象中。API 响应处理： 轻松将 JSON 反序列化为 Python 对象。数据科学模型： 简洁地表示结构化数据集。4. 文件之外的上下文管理器你可能已经使用过 with open() 来处理文件，但你是否知道你可以创建自己的上下文管理器？它们可以用来管理数据库连接、时间执行等！
示例：代码执行计时import timefrom contextlib import contextmanager@contextmanagerdef timer(): start = time.time() yield end = time.time() print(f"Execution time: {end - start:.4f} seconds")with timer(): time.sleep(1)为什么这很强大确保执行后正确清理资源。通过移除手动 try-finally 块提高可读性。有助于调试性能瓶颈。用例：资源管理： 自动关闭数据库连接。性能监控： 测量代码块的执行时间。线程安全： 管理多线程应用程序中的锁。自定义日志： 自动记录函数执行时间。5. 为您代劳的魔法方法双下划线（dunder）方法让您定义对象的行为。以下是三个必须了解的方法：
__getitem__：使对象可索引class MyList: def __init__(self, items): self.items = items def __getitem__(self, index): return self.items[index]my_list = MyList([1, 2, 3])print(my_list[1]) # 2__call__：将对象转换为函数class Greeter: def __call__(self, name): return f"Hello, {name}!"greet = Greeter()print(greet("Alice")) # Hello, Alice!__slots__：节省内存如果您的类具有固定属性集，__slots__ 可以节省内存：
class User: __slots__ = ["name", "age"] def __init__(self, name, age): self.name = name self.age = age这为什么强大允许对象表现得像内置的 Python 结构。减少了大型应用程序中的内存开销。使对象与运算符进行直观交互。用例：自定义数据结构： 实现高效、专业的对象。减少开销： 优化性能关键应用中的内存使用。运算符重载： 定义对象与内置 Python 操作之间的交互方式。改进调试： 为对象字符串表示形式自定义，以便于更轻松地记录日志。总结这些 Python 技巧一开始可能看起来像是魔法，但它们只是编写更好代码的聪明方法。无论您是在简化字典使用 defaultdict，创建自定义的 with 语句，还是使用 dataclass 来减少样板代码，这些技术都会使您成为一个更高效的 Python 程序员。
