1. 原地交换两个数字
Python 提供了一个直观的在一行代码中赋值与交换（变量值）的方法，请参见下面的示例：
x,y= 10,20print(x,y)x,y= y,xprint(x,y)#1 (10, 20)#2 (20, 10)
- 1.
赋值的右侧形成了一个新的元组，左侧立即解析（unpack）那个（未被引用的）元组到变量 和 。
一旦赋值完成，新的元组变成了未被引用状态并且被标记为可被垃圾回收，最终也完成了变量的交换。
2. 链状比较操作符
比较操作符的聚合是另一个有时很方便的技巧：
n= 10result= 1< n< 20print(result)# Trueresult= 1> n<= 9print(result)# False
- 1.
3. 使用三元操作符来进行条件赋值
三元操作符是 if-else 语句也就是条件操作符的一个快捷方式：
[表达式为真的返回值] if [表达式] else [表达式为假的返回值]
这里给出几个你可以用来使代码紧凑简洁的例子。下面的语句是说“如果 y 是 9，给 x 赋值 10，不然赋值为 20”。如果需要的话我们也可以延长这条操作链。
x = 10 if (y == 9) else 20
- 1.
同样地，我们可以对类做这种操作：
x = (classA if y == 1 else classB)(param1, param2)
- 1.
在上面的例子里 classA 与 classB 是两个类，其中一个类的构造函数会被调用。
下面是另一个多个条件表达式链接起来用以计算最小值的例子：
def small(a,b,c):returnaifa<= banda<= celse(bifb<= aandb<= celsec)print(small(1,0,1))print(small(1,2,2))print(small(2,2,3))print(small(5,4,3))#Output#0 #1 #2 #3
- 1.
我们甚至可以在列表推导中使用三元运算符：
[m**2 if m > 10 else m**4 for m in range(50)]#=> [0, 1, 16, 81, 256, 625, 1296, 2401, 4096, 6561, 10000, 121, 144, 169, 196, 225, 256, 289, 324, 361, 400, 441, 484, 529, 576, 625, 676, 729, 784, 841, 900, 961, 1024, 1089, 1156, 1225, 1296, 1369, 1444, 1521, 1600, 1681, 1764, 1849, 1936, 2025, 2116, 2209, 2304, 2401]
- 1.
4. 多行字符串
基本的方式是使用源于 C 语言的反斜杠：
multiStr= “select * from multi_rowwhere row_id < 5”print(multiStr)# select * from multi_row where row_id < 5
- 1.
另一个技巧是使用三引号：
multiStr= “””select * from multi_rowwhere row_id < 5″””print(multiStr)#select * from multi_row#where row_id < 5
- 1.
上面方法共有的问题是缺少合适的缩进，如果我们尝试缩进会在字符串中插入空格。所以***的解决方案是将字符串分为多行并且将整个字符串包含在括号中：
multiStr= (“select * from multi_row ”“where row_id < 5 ”“order by age”)print(multiStr)#select * from multi_row where row_id < 5 order by age
- 1.
5. 存储列表元素到新的变量中
我们可以使用列表来初始化多个变量，在解析列表时，变量的数目不应该超过列表中的元素个数：【译者注：元素个数与列表长度应该严格相同，不然会报错】
testList= [1,2,3]x,y,z= testListprint(x,y,z)#-> 1 2 3
- 1.
6. 打印引入模块的文件路径
如果你想知道引用到代码中模块的绝对路径，可以使用下面的技巧：
import threadingimport socketprint(threading)print(socket)#1- #2-
- 1.
7. 交互环境下的 “_” 操作符
这是一个我们大多数人不知道的有用特性，在 Python 控制台，不论何时我们测试一个表达式或者调用一个方法，结果都会分配给一个临时变量： _（一个下划线）。
>>> 2+ 13>>> _3>>> print_3
- 1.
“_” 是上一个执行的表达式的输出。
8. 字典/集合推导
与我们使用的列表推导相似，我们也可以使用字典/集合推导，它们使用起来简单且有效，下面是一个例子：
testDict= {i: i *iforiinxrange(10)}testSet= {i *2foriinxrange(10)}print(testSet)print(testDict)#set([0, 2, 4, 6, 8, 10, 12, 14, 16, 18])#{0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81}
- 1.
注：两个语句中只有一个 <:> 的不同，另，在 Python3 中运行上述代码时，将 改为 。
9. 调试脚本
我们可以在 模块的帮助下在 Python 脚本中设置断点，下面是一个例子：
import pdbpdb.set_trace()
- 1.
我们可以在脚本中任何位置指定 并且在那里设置一个断点，相当简便。
10. 开启文件分享
Python 允许运行一个 HTTP 服务器来从根路径共享文件，下面是开启服务器的命令：
# Python 2
python -m SimpleHTTPServer
# Python 3
python3 -m http.server
- 1.
- 2.
- 3.
- 4.
上面的命令会在默认端口也就是 8000 开启一个服务器，你可以将一个自定义的端口号以***一个参数的方式传递到上面的命令中。
11. 检查 Python 中的对象
我们可以通过调用 dir() 方法来检查 Python 中的对象，下面是一个简单的例子：
test= [1,3,5,7]print(dir(test))[‘__add__’, ‘__class__’, ‘__contains__’, ‘__delattr__’, ‘__delitem__’, ‘__delslice__’, ‘__doc__’, ‘__eq__’, ‘__format__’, ‘__ge__’, ‘__getattribute__’, ‘__getitem__’, ‘__getslice__’, ‘__gt__’, ‘__hash__’, ‘__iadd__’, ‘__imul__’, ‘__init__’, ‘__iter__’, ‘__le__’, ‘__len__’, ‘__lt__’, ‘__mul__’, ‘__ne__’, ‘__new__’, ‘__reduce__’, ‘__reduce_ex__’, ‘__repr__’, ‘__reversed__’, ‘__rmul__’, ‘__setattr__’, ‘__setitem__’, ‘__setslice__’, ‘__sizeof__’, ‘__str__’, ‘__subclasshook__’, ‘append’, ‘count’, ‘extend’, ‘index’, ‘insert’, ‘pop’, ‘remove’, ‘reverse’, ‘sort’]
- 1.
12. 简化 if 语句
我们可以使用下面的方式来验证多个值：
if m in [1,3,5,7]:
- 1.
而不是：
if m==1 or m==3 or m==5 or m==7:
- 1.
或者，对于 in 操作符我们也可以使用 ‘{1,3,5,7}’ 而不是 ‘[1,3,5,7]’，因为 set 中取元素是 O(1) 操作。
13. 一行代码计算任何数的阶乘
Python 2.x.
result= (lambdak: reduce(int.__mul__,range(1,k+1),1))(3)print(result)#-> 6
- 1.
Python 3.x.
import functoolsresult= (lambdak: functools.reduce(int.__mul__,range(1,k+1),1))(3)print(result)#-> 6
- 1.
14. 找到列表中出现最频繁的数
test= [1,2,3,4,2,2,3,1,4,4,4]print(max(set(test),key=test.count))#-> 4
- 1.
15. 重置递归限制
Python 限制递归次数到 1000，我们可以重置这个值：
import sysx=1001print(sys.getrecursionlimit())sys.setrecursionlimit(x)print(sys.getrecursionlimit())#1-> 1000#2-> 1001
- 1.
请只在必要的时候采用上面的技巧。
16. 检查一个对象的内存使用
在 Python 2.7 中，一个 32 比特的整数占用 24 字节，在 Python 3.5 中利用 28 字节。为确定内存使用，我们可以调用 getsizeof 方法：
在 Python 2.7 中
import sysx=1print(sys.getsizeof(x))#-> 24
- 1.
在 Python 3.5 中
import sysx=1print(sys.getsizeof(x))#-> 28
- 1.
17. 使用 __slots__ 来减少内存开支
你是否注意到你的 Python 应用占用许多资源特别是内存？有一个技巧是使用 __slots__ 类变量来在一定程度上减少内存开支。
import sysclassFileSystem(object):def __init__(self,files,folders,devices):self.files= filesself.folders= foldersself.devices= devicesprint(sys.getsizeof(FileSystem))classFileSystem1(object):__slots__= [‘files’,’folders’,’devices’]def __init__(self,files,folders,devices):self.files= filesself.folders= foldersself.devices= devicesprint(sys.getsizeof(FileSystem1))#In Python 3.5#1-> 1016#2-> 888
- 1.
很明显，你可以从结果中看到确实有内存使用上的节省，但是你只应该在一个类的内存开销不必要得大时才使用 __slots__。只在对应用进行性能分析后才使用它，不然地话，你只是使得代码难以改变而没有真正的益处。
【译者注：在我的 win10 python2.7 中上面的结果是：
#In Python 2.7 win10#1-> 896#2-> 1016
- 1.
所以，这种比较方式是不那么让人信服的，使用 __slots__ 主要是用以限定对象的属性信息，另外，当生成对象很多时花销可能会小一些，具体可以参见 python 官方文档:
The slots declaration takes a sequence of instance variables and reserves just enough space in each instance to hold a value for each variable. Space is saved because dict is not created for each instance. 】
18. 使用 lambda 来模仿输出方法
import syslprint=lambda *args:sys.stdout.write(” “.join(map(str,args)))lprint(“python”,”tips”,1000,1001)#-> python tips 1000 1001
- 1.
19.从两个相关的序列构建一个字典
t1= (1,2,3)t2= (10,20,30)print(dict(zip(t1,t2)))#-> {1: 10, 2: 20, 3: 30}
- 1.
20. 一行代码搜索字符串的多个前后缀
print(“http://www.google.com”.startswith((“http://”,”https://”)))print(“http://www.google.co.uk”.endswith((“.com”,”.co.uk”)))#1-> True#2-> True
- 1.
21. 不使用循环构造一个列表
import itertoolstest= [[-1,-2],[30,40],[25,35]]print(list(itertools.chain.from_iterable(test)))#-> [-1, -2, 30, 40, 25, 35]
- 1.
22. 在 Python 中实现一个真正的 switch-case 语句
下面的代码使用一个字典来模拟构造一个 switch-case。
def xswitch(x):returnxswitch._system_dict.get(x,None)xswitch._system_dict= {‘files’: 10,’folders’: 5,’devices’: 2}print(xswitch(‘default’))print(xswitch(‘devices’))#1-> None#2-> 2
- 1.