Python 编程进阶与实战应用
Pythonic容器技巧
更 Pythonic 的推导式
你可能已经习惯了使用循环来填充列表或字典。这很有效，但不够“Pythonic”。Python 提供了一种更简洁、通常也更高效的方式：推导式 (Comprehensions)。
想象一下，你想创建一个包含 0 到 9 的平方数的列表。传统的做法是这样的：
squares = []
for i in range(10):
squares.append(i**2)
# squares -> [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
而使用列表推导式，你可以将这三行代码压缩成一行：
squares = [i**2 for i in range(10)]
# squares -> [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
这不仅仅是代码变短了。因为推导式在 C 语言层面进行了优化，它的执行速度通常比显式的 for 循环更快。你还可以在推导式中加入条件判断。例如，只计算偶数的平方：
even_squares = [i**2 for i in range(10) if i % 2 == 0]
# even_squares -> [0, 4, 16, 36, 64]
同样的概念也适用于字典和集合。字典推导式允许你用一行代码从一个可迭代对象中创建字典。
# 创建一个将数字映射到其平方的字典
number_map = {x: x**2 for x in (2, 4, 6)}
# number_map -> {2: 4, 4: 16, 6: 36}
精通切片
切片 (Slicing) 不仅仅是提取列表的一部分。它的完整语法是 [start:stop:step]，这为我们提供了强大的数据操控能力。
step 参数控制切片的步长。如果省略，默认为 1。如果设置为 2，则表示每隔一个元素取一个。如果设置为 -1，则可以优雅地反转列表。
letters = ['a', 'b', 'c', 'd', 'e', 'f']
# 反转列表
reversed_letters = letters[::-1]
# reversed_letters -> ['f', 'e', 'd', 'c', 'b', 'a']
# 获取所有偶数索引位置的元素
even_index_letters = letters[::2]
# even_index_letters -> ['a', 'c', 'e']
一个更高级的用法是使用切片进行赋值，这可以一次性替换、删除或插入多个列表元素。
numbers = [1, 2, 3, 4, 5]
# 用两个新元素替换索引 1 和 2 的元素
numbers[1:3] = [8, 9]
# numbers -> [1, 8, 9, 4, 5]
# 在列表的开头插入元素（不推荐，性能较低）
numbers[:0] = [-1, 0]
# numbers -> [-1, 0, 1, 8, 9, 4, 5]
重要提示：对列表进行切片会创建一个新的列表，这是一个“浅拷贝”。这意味着新列表中的元素是原列表中元素的引用。如果元素是可变对象（如列表或字典），修改其中一个会影响另一个。
高性能容器
Python 的标准库 collections 模块提供了一些内置容器的替代品，它们为特定用例提供了更高的性能。
namedtuple
元组 (tuple) 是不可变的，并且比列表更节省内存。但通过索引访问元组元素（如 data[0]）会降低代码的可读性。namedtuple 通过为元组中的每个位置分配名称来解决这个问题，让你像访问对象属性一样访问它们。
from collections import namedtuple
# 定义一个名为 'Point' 的 namedtuple 类型
Point = namedtuple('Point', ['x', 'y'])
p = Point(10, 20)
# 通过名称访问，更具可读性
print(p.x) # -> 10
print(p.y) # -> 20
deque
deque（发音为“deck”）是“双端队列”的缩写。它与列表类似，但对在两端添加（append）和弹出（pop）元素进行了优化。对于列表，在开头插入或删除元素（如 list.insert(0, ...) 或 list.pop(0)）是一个 操作，因为所有后续元素都需要移动位置。而对于 deque，这些操作是 的，速度非常快。
from collections import deque
d = deque(['b', 'c', 'd'])
# 在左侧高效添加元素
d.appendleft('a')
# 在右侧高效添加元素
d.append('e')
print(d) # -> deque(['a', 'b', 'c', 'd', 'e'])
# 从左侧高效弹出元素
d.popleft()
print(d) # -> deque(['b', 'c', 'd', 'e'])
当你需要实现队列（先进先出）或需要频繁在序列的两端进行操作时，deque 是不二之选。
哈希与集合
你有没有想过为什么在字典或集合中检查一个元素是否存在（key in my_dict）会如此之快，即使数据量巨大？答案是哈希。
字典和集合在内部都使用了哈希表。当你向集合中添加一个元素时，Python 会对该元素调用 hash() 函数，得到一个整数，即哈希值。这个哈希值被用来计算元素在内存中的存储位置。这样，当你要查找一个元素时，Python 可以再次计算它的哈希值，并直接跳转到对应的内存位置，而无需逐个比较。
hashable
adjective
一个对象如果拥有一个在其生命周期内永不改变的哈希值，并且可以与其他对象进行比较，那么它就是可哈希的。Python中所有不可变的内置类型（如字符串、数字、元组）都是可哈希的，而可变类型（如列表、字典）则不是。
由于集合是基于哈希表实现的，它们提供了一些非常高效的操作，用于处理数据集之间的关系。这些操作的灵感来自于数学中的集合论。
set_a = {1, 2, 3, 4}
set_b = {3, 4, 5, 6}
# 并集 (Union)
print(set_a | set_b) # -> {1, 2, 3, 4, 5, 6}
# 交集 (Intersection)
print(set_a & set_b) # -> {3, 4}
# 差集 (Difference)
print(set_a - set_b) # -> {1, 2}
# 对称差集 (Symmetric Difference)
print(set_a ^ set_b) # -> {1, 2, 5, 6}
当需要快速去重或执行成员资格测试时，使用集合通常比列表高效得多。
以下哪项列表推导式与下面的代码片段等效？
squares = []
for i in range(5):
if i % 2 == 0:
squares.append(i * i)
运行以下 Python 代码会输出什么？
my_list = [1, 2, 3, 4, 5]
print(my_list[::-2])
掌握这些技巧能让你的代码更简洁、更高效，也更能体现 Python 语言的精髓。