学会Python这3个技巧，开发效率翻倍，新手也能轻松上手
很多人学Python卡在一个地方。语法看懂了，写出来的代码也能跑。可一旦项目稍微大一点，改一个功能要动五六个文件。查一个数据要在三层循环里绕半天。这不是你笨，是你没把Python当工具用，而是当考试题在背。
第一个技巧：用字典代替多层判断 新手常写这种代码。根据用户等级给不同折扣。一级会员打九折，二级打八折，三级打七折。于是写一堆if和elif。代码短的时候没问题。等级增加到二十种，这段代码就变成一堵墙。每次加新等级都要翻到最底下加一行。 换个做法。把等级和折扣的对应关系放进字典。查折扣的时候直接取值。加新等级只需要在字典里加一个键值对。逻辑和数据的分离让代码干净很多。有人担心字典查找慢。实际测一下，几十万次查找，字典比一连串if快一个数量级。因为Python对字典做了哈希优化，平均查找时间是常数级。if链是线性增长。 💡 更深一层，这个技巧背后是数据驱动的思路。把变化的规则从代码里抽出来，变成可配置的数据。以后改规则不用改逻辑，改数据就行。这一点在写业务系统时尤其重要。
第二个技巧：用生成器处理大文件 读一个几GB的日志文件，很多人的第一反应是readlines。电脑内存小一点直接卡死。生成器可以解决这个问题。它不会一次性把所有内容加载到内存，而是每次只产生一行。你用for循环遍历的时候，它才去读下一行。 写起来也简单。把函数里的return换成yield。这个函数就变成了生成器函数。调用它不会立刻执行函数体，而是返回一个生成器对象。你每向它要一个值，它才跑到下一个yield的地方。这样处理一个十GB的文件，内存占用可以保持在几十兆以内。 生成器还有一个好处是管道式处理。比如你要过滤日志、转换格式、再统计结果。可以用多个生成器串联起来。每个生成器只做一件事。数据像流水线一样从第一个流到最后一个。代码写起来像搭积木，读起来也清楚。真正跑的时候，数据是边生成边处理，不会在中间步骤堆积。
第三个技巧：用functools.partial固定参数 写代码时经常遇到这种情况。一个函数有五个参数，你在某个场景下反复调用它，其中三个参数每次都是一样的值。写起来很啰嗦，读起来也累。partial可以帮你把这三个参数提前固定住，生成一个新的函数。新函数只需要传剩下两个参数。 举个例子。你有一个发送请求的函数，需要传url、method、headers、timeout、retry。你在某个模块里每次都用同一个method和headers，timeout也固定。用partial把这三个参数绑死，得到一个专门发这类请求的新函数。调用的时候只传url和retry次数。代码短了，意思也更清晰。 这些技巧都不复杂。复杂的是养成习惯。看到一个多层if，先想想能不能转成字典。看到一个循环读文件，先想想能不能用生成器。看到一个函数反复传同样的参数，先想想能不能用partial。 把这三个习惯用上两周，你写代码的速度会变，改代码的痛苦会少很多。
💬 互动时间 你有没有遇到过改一个Python功能要翻好几个文件的情况？或者内存被一个大文件撑爆？在评论区说说你的经历。我会挑几个典型的场景，下一篇专门讲怎么用今天这三个技巧去解决。 评论区见 👇 Python报 · 张姐