本文聚焦 Python最实用、最能简化代码、提升效率的高级特性避开晦涩理论全是工作 / 面试高频用法学完能直接写出简洁、优雅、高性能的 Python 代码。适合有 Python 基础想进阶代码水平的学习者每个特性都配可直接运行的代码 核心用法 实战场景。目录推导式列表 / 字典 / 集合生成器Generator迭代器与可迭代对象装饰器Decorator上下文管理器with 语句匿名函数与高阶函数闭包魔法方法双下方法切片高级用法解包* 和 **1. 推导式一行代码生成数据结构推导式是 Python 最优雅的语法糖用一行代码替代多行循环支持列表、字典、集合三种类型。1.1 列表推导式# 基础用法生成 1-10 的平方 nums [i**2 for i in range(1, 11)] print(nums) # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] # 带条件筛选只保留偶数的平方 even_nums [i**2 for i in range(1, 11) if i % 2 0] print(even_nums) # [4, 16, 36, 64, 100] # 多循环二维列表扁平化 matrix [[1,2], [3,4], [5,6]] flat [num for row in matrix for num in row] print(flat) # [1,2,3,4,5,6]1.2 字典 / 集合推导式# 字典推导式键值互换/快速生成字典 old_dict {a: 1, b: 2} new_dict {v: k for k, v in old_dict.items()} print(new_dict) # {1: a, 2: b} # 集合推导式自动去重 nums [1,2,2,3,3,3] s {i for i in nums} print(s) # {1,2,3}核心优势代码简洁、执行效率比for循环高适合快速生成数据。2. 生成器Generator节省内存的神器生成器不一次性生成所有数据而是按需生成极大节省内存尤其适合处理海量数据。2.1 两种创建方式生成器表达式把列表推导式的[]换成()# 列表占用大量内存生成100万个数 big_list [i for i in range(1000000)] # 生成器几乎不占内存 gen (i for i in range(1000000)) print(next(gen)) # 0 手动取值 print(next(gen)) # 1yield关键字函数版生成器def count_num(n): for i in range(n): yield i # 暂停函数返回值下次调用继续执行 g count_num(3) print(next(g)) # 0 print(next(g)) # 1 print(list(g)) # [2] 一次性取剩余值核心优势处理大数据 / 流式数据如读取超大文件时内存占用极低不会导致程序崩溃。3. 迭代器与可迭代对象理解迭代器是掌握 Python 循环的核心所有能被for循环遍历的对象都是可迭代对象。3.1 核心概念可迭代对象实现了__iter__()方法如列表、字符串、字典、生成器迭代器实现了__iter__()__next__()方法只能向前遍历不能回头3.2 手动创建迭代器# 把列表转为迭代器 lst [1,2,3] it iter(lst) # 等价于 lst.__iter__() print(next(it)) # 1 print(next(it)) # 2 print(next(it)) # 3 # print(next(it)) # 抛出 StopIteration 异常遍历结束实战意义自定义迭代器可以遍历任何自定义数据结构是 Python 循环的底层原理。4. 装饰器不修改代码增强函数功能装饰器是闭包的经典应用作用在不修改原函数代码的前提下给函数添加新功能日志、计时、权限校验。4.1 基础装饰器import time # 定义装饰器计时功能 def timer(func): def wrapper(): start time.time() func() # 执行原函数 end time.time() print(f函数执行耗时{end - start:.4f}s) return wrapper # 使用装饰器 timer def test(): time.sleep(1) print(函数执行完毕) test()4.2 带参数的装饰器通用版def timer(func): def wrapper(*args, **kwargs): # 接收任意参数 start time.time() res func(*args, **kwargs) # 接收返回值 end time.time() print(f耗时{end - start:.4f}s) return res return wrapper timer def add(a, b): return a b print(add(1,2)) # 3 耗时打印核心应用日志记录、性能分析、登录校验、缓存功能是 Python 后端开发必备技能。5. 上下文管理器自动管理资源用with语句实现无需手动关闭文件 / 连接Python 自动回收资源避免内存泄漏。5.1 基础用法文件操作# 传统写法必须手动关闭文件 f open(test.txt, w, encodingutf-8) f.write(hello) f.close() # 上下文管理器自动关闭文件 with open(test.txt, w, encodingutf-8) as f: f.write(hello)5.2 自定义上下文管理器class MyContext: def __enter__(self): print(进入上下文资源初始化) return self def __exit__(self, exc_type, exc_val, exc_tb): print(退出上下文资源自动释放) with MyContext() as ctx: print(执行核心逻辑)核心场景文件操作、数据库连接、网络请求绝对避免资源泄漏。6. 匿名函数与高阶函数6.1 匿名函数lambda适合简单的一次性函数不用定义函数名简化代码。# 普通函数 def add(a, b): return a b # 匿名函数 add lambda a, b: a b print(add(1,2)) # 3 # 实战排序按字典值排序 data [{name: 张三, age: 20}, {name: 李四, age: 18}] data.sort(keylambda x: x[age]) print(data)6.2 高阶函数以函数作为参数的函数常用map、filter、reduce# map映射对每个元素做操作 nums [1,2,3] res list(map(lambda x: x*2, nums)) print(res) # [2,4,6] # filter筛选 res list(filter(lambda x: x%20, nums)) print(res) # [2]7. 闭包函数嵌套的高级用法闭包 嵌套函数 引用外部函数变量作用保存私有变量实现数据封装。def outer(x): # 内部函数闭包 def inner(y): return x y # 引用外部函数的变量x return inner # 固定x10生成新函数 add_10 outer(10) print(add_10(5)) # 15 print(add_10(20)) # 30核心意义装饰器的底层原理实现私有变量外部无法直接修改。8. 魔法方法定制类的行为魔法方法双下方法以__xx__命名用于自定义类的行为打印、运算、迭代。常用魔法方法class Person: def __init__(self, name, age): self.name name self.age age # 打印对象时显示自定义内容 def __str__(self): return fPerson({self.name}, {self.age}) # 让对象支持长度获取 def __len__(self): return len(self.name) p Person(张三, 20) print(p) # Person(张三, 20) print(len(p)) # 2实战价值让自定义类用起来像 Python 内置类型代码更优雅。9. 切片高级用法切片不仅能截取列表还能步长截取、反转序列、修改列表。lst [1,2,3,4,5,6,7,8,9] # 基础切片[起始:结束:步长] print(lst[1:5]) # [2,3,4,5] print(lst[::2]) # [1,3,5,7,9] 步长2 print(lst[::-1]) # [9,8,7,...1] 快速反转序列 # 切片修改列表 lst[2:5] [0,0,0] print(lst) # [1,2,0,0,0,6,7,8,9]核心技巧[::-1]是 Python 最快的序列反转方法。10. 解包* 和 ** 简化传参解包能快速拆分序列 / 字典简化函数传参代码更简洁。10.1 列表 / 元组解包*# 拆分列表 a, *b, c [1,2,3,4,5] print(a) # 1 print(b) # [2,3,4] print(c) # 5 # 函数传参 def add(a,b,c): return abc nums [1,2,3] print(add(*nums)) # 等价于 add(1,2,3)10.2 字典解包**def info(name, age): print(name, age) data {name: 张三, age: 20} info(**data) # 等价于 info(name张三, age20)实战场景批量传参、合并字典、函数不定长参数必备。总结这份 Python 高级特性教程覆盖了代码简化、内存优化、功能增强、类定制四大核心方向基础进阶推导式、切片、解包 → 快速写出简洁代码性能优化生成器、迭代器 → 处理大数据不卡顿功能增强装饰器、上下文管理器、闭包 → 不改代码增强功能深度定制魔法方法 → 让自定义类更优雅