你别不信，这些python中的隐藏功能你能用过几个?

“ 解锁Python的隐藏魔法，让你的代码更高效！”

相信你应该开发过不少python程序，也掌握了许多技巧，但还是有一些隐藏功能你可能没用过，你不信？接着往下看。

这篇文章主要探讨一些python中的隐藏功能，开启你的新探索之路。

01

节省内存的黑科技——__slots__

在面向对象开发为主的python中，一个类的创建那是信手拈来，相当方便，使用class即可创建一个类：

class Person:
    def __init__(self):
        self.name = '小明'
        self.age = 12

这是我们最常用的方法，它默认是使用字典的形式存储属性的，每个类都有它的__dict__方法，虽然灵活，但带来了额外开销，接下来请出__slots__来进行一次优化，有请：

class Person:
    __slots__ = ['name', 'age']


    def __init__(self):
        self.name = '小明'
        self.age = 12

很简单，仅需要申明出需要公开的属性名称，即可实现优化。但这也带来了一个缺点：

未使用__slots__声明的属性如果存在或调用，将会报错：

class Person:
    __slots__ = ['name', 'age']


    def __init__(self):
        self.name = '小明'
        self.age = 12
        self.sex = 0


p = Person()
print(p.sex)

报错：AttributeError: 'Person' object has no attribute 'sex'

接下来我们比对一下使用__slots__前后对象的大小变化：

效果非常明显，直接内存下降50%，非常推荐使用。

02

加速递归的利器——functools.lru_cache

递归函数是开发中经常使用的一种函数方法，很多时候它的性能优化是整个程序中的重点突击部分，只要能把它优化好了，性能优化就好了大半了。

functools.lru_cache是一个装饰器，这就表示如果想要进行优化提升，仅仅需要在函数名称上方添加装饰器即可完成蜕变。

functools.lru_cache的原理是缓存，它通过缓存输出结果，避免重复计算来完成提优。

接下来我们来测试斐波那契数列，其特点是每一个数字都是前两个数字的和，通常从前两项0和1开始。

def fibonacci(n):
    if n <= 1:
        return n
    else:
        return fibonacci(n - 1) + fibonacci(n - 2)
        
print(fibonacci(40)) # 花费21秒

可以看到我们仅40次递归就需要花费21秒，然后添加lru_cache的装饰器再试一次：

from functools import lru_cache


@lru_cache
def fibonacci(n):
    if n <= 1:
        return n
    else:
        return fibonacci(n - 1) + fibonacci(n - 2)
 
 print(fibonacci(40)) # 花费0.0000001秒

两次对比结果是：

可以看到这个前后对比非常之明显，推荐，推荐。

03

简化上下文管理——contextmanager

你是否经常使用with来优化代码？你是否厌倦了写__enter__和__exit__？那么contextmanager就是你的菜。首先我们看最原始的写法：

class TimeDiff:
    def __init__(self):
        self.start = None
        self.end = None


    def __enter__(self):
        self.start = time.time()


    def __exit__(self, exc_type, exc_val, exc_tb):
        self.end = time.time()


        print(f'共花费{self.end - self.start}秒')


with TimeDiff():
    total = 0
    for i in range(100):
        total += i

这是一个用来判断运行时间的类，可以看到如果用正常写法是比较冗长的，接下来看看contextmanager来如何优化：

from contextlib import contextmanager


@contextmanager
def time_diff():
    start = time.time()
    try:
        yield
    finally:
        end = time.time()
        print(f'共花费{end - start}秒')
        
with time_diff():
    total = 0
    for i in range(100):
        total += i

仅需要通过contextmanager装饰器来构造我们的方法，即可实现with功能，非常好用，推荐。

04

enumerate的隐藏参数——start

循环是一个非常实用的方法，很多同学也经常使用enumerate来进行循环，但你可能不知道enumerate有一个start参数可以自定义索引的开始下标，比如以下做法：

fruits = ['apple', 'banner', 'peach', 'pineapple']
for i, f in enumerate(fruits, start=2):
    print(f'{i}: {f}')

输出结果是：

2: apple
3: banner
4: peach
5: pineapple

可以看到，原来的下标从0开始，现在变为了从2开始。

这个方法按实际情况来使用，虽然不是实用方法，但可能在一些场景下能带来不错的代码优化效果。

05

字典操作小妙招——setdefault

我们经常有过这样的场景，通过字典来计算某些内容的个数来进行判断或者处理一些事物。比如我想要计算一串数据中男性和女性的个数：

students = [{'name': '小明', 'sex': 0}, {'name': '小红', 'sex': 1}, {'name': '小黑', 'sex': 1}, {'name': '大力', 'sex': 1}]


count_dict = {}
for stu in students:
    sex = stu.get('sex')
    if sex not in count_dict:
        count_dict[sex] = 0


    count_dict[sex] += 1


print(count_dict) # {0: 1, 1: 3}

sex表示男女，其中0为男，1为女，我们一般会通过以上形式来编写代码。这样的代码多了会产生疲惫感，因此可以通过setdefault来简化这样的代码：

students = [{'name': '小明', 'sex': 0}, {'name': '小红', 'sex': 1}, {'name': '小黑', 'sex': 1}, {'name': '大力', 'sex': 1}]


count_dict = {}
for stu in students:
    sex = stu.get('sex')
    count_dict.setdefault(sex, 0)
    count_dict[sex] += 1
 
print(count_dict) # {0: 1, 1: 3}

正如字面意思，setdefault会通过判断相应键是否存在来添加默认值，例如sex键如果不存在，则设其为0，如果存在则保持不变。

结尾

这些Python冷知识，你用过几个？快来评论区分享你的发现吧！

如果你还知道其他隐藏功能，欢迎留言告诉我！