没用过这6个高阶技巧，别说你是Python程序员

大家好，这里是程序员晚枫，全网同名。

3年经验Python工程师，被实习生用10行代码当场秒杀？今天这篇文章，带你3分钟掌握6个高阶技巧，直接开挂！

首先说明：今天分享的这些技巧，不是网上哪些用一些花里胡哨的入门语法，把多行代码合并为一行那么无聊。

──────────────────

技巧 1 collections.Counter

刚学算法的时候，经常遇到统计词频的问题。

你有没有用过Python原生的collections这个库？

from collections import Counter

text = '''
Python 自动化 晚枫 python-office 办公 python-office Python 自动化 python-office 自动化 办公 晚枫 程序员 晚枫 python-office
'''

# 一行出词频排行榜
top3 = Counter(text.split()).most_common(3)
print(top3)  # [('python-office', 4), ('自动化', 3), ('晚枫', 3)]

──────────────────

技巧 2 装饰器缓存

在函数名和参数不变，并且函数计算很耗时的情况下，这个装饰器，可以快速取出上一次计算的结果。

import functools
import time


@functools.lru_cache(maxsize=None)  # 无限缓存
def slow_func(x):
    time.sleep(1)  # 一些很慢的逻辑
    return x * x


print(slow_func(10))  # 第一次1秒
print(slow_func(10))  # 第二次直接读缓存，毫秒级

──────────────────

技巧 3 生成器表达式

记得当年参加校招的笔试，被这道题难住了一晚上！

# 需求：读取百万行日志，统计含“ERROR”的行数
# 传统写法，先把所有行读到内存
with open('huge.log') as f:
    lines = f.readlines()
error_lines = [l for l in lines if 'ERROR' in l]

# 高阶写法：把 [] 换成 ()，边读边算，内存恒稳
error_lines = (l for l in open('huge.log') if 'ERROR' in l)
print(sum(1 for _ in error_lines))     # 直接计数不占内存

──────────────────

技巧 4 dataclass省掉样板代码

用@dataclass定义类，简直不要太方便！

而且这个特性早在3.7就引入Python了，你用过吗？

from dataclasses import dataclass

@dataclass
class Employee:
    name: str
    age: int
    salary: float

# 两行搞定__init__/__repr__/__eq__
e = Employee('张三', 28, 20000.0)
print(e)        # Employee(name='张三', age=28, salary=20000.0)

──────────────────

技巧 5 解包与通配符

解包是一个非常实用的编程技巧，当需要取出集合最后一个元素，但不知道集合元素总数的时候，你会怎么做？

# 需求：函数返回多个值，忽略中间无用字段
def get_user():
    return 'Alice', 28, 'alice@example.com', 'Shanghai'

name, age, _, city = get_user()      # _ 占位忽略邮箱
print(name, city)

# 只想要首尾，中间全部打包
first, *_, last = get_user()
print(first, last)      # Alice Shanghai

──────────────────

技巧 6 内存视图memoryview

读取大文件必备！

# 需求：大文件切片不复制
with open('big.bin', 'rb') as f:
    mm = memoryview(f.read())    # 零拷贝视图

# 只要前1MB与后1MB拼接，不额外占内存
new_data = mm[:1024*1024] + mm[-1024*1024:]
print(len(new_data))

──────────────────

大家在学习Python中有任何问题，欢迎在评论区和我交流！