摘要：作为一名程序员，我的编程之路并非一帆风顺。最初接触 Python 的几年，感觉就像是在一个黑暗的房间里摸索前进——不断地撞上各种 Stack Overflow 上的答案，复制粘贴那些自己并不理解的代码片段，同时默默祈祷这些代码在生产环境中不会出问题。
Python进阶：13个你可能不知道但能大幅提升效率的特性
作为一名程序员，我的编程之路并非一帆风顺。最初接触 Python 的几年，感觉就像是在一个黑暗的房间里摸索前进——不断地撞上各种 Stack Overflow 上的答案，复制粘贴那些自己并不理解的代码片段，同时默默祈祷这些代码在生产环境中不会出问题。
回过头看，我多么希望当初能有人给我一份“真正有用”的特性清单。那些能够让你从一个“还可以”的程序员，迅速蜕变为“代码大师”的 Python 技巧。
因此，我决定将我的经验总结成这篇文章，分享 13 个如果我当初第一天就知道，就能为我节省数百小时宝贵时间的 Python 特性。这些特性有的来自标准库，有的深藏在语言底层，它们不仅能让你写出更优雅、更高效的代码，更能帮助你从本质上理解 Python 这门语言。
很多人认为 Python 天生不支持函数重载，但事实并非如此。functools.singledispatch装饰器为我们提供了一种实现函数多态的优雅方式，让你可以根据传入参数的类型来分派不同的函数逻辑。
from functools import singledispatch@singledispatchdef process(x): print("默认处理:", x)@process.register(int)def _(x): print("整数处理:", x)@process.register(list)def _(x): print("列表处理:", x)process(42) # 输出: 整数处理: 42process([1, 2]) # 输出: 列表处理: [1, 2]process("hello") # 输出: 默认处理: hello如上所示，只需要一个装饰器，你就可以实现基于参数类型的函数分发。这种强大的功能，对于熟悉 Java 等多态语言的开发者来说，无疑是极大的惊喜。它让你的代码更具灵活性和可扩展性。
你是否好奇过defaultdict是如何工作的？其实你可以自己实现类似的功能，甚至创造出更强大的字典类型。通过在自定义的字典类中实现__missing__方法，你可以在访问字典中不存在的键时，自定义返回的内容或行为。
class MyDict(dict): def __missing__(self, key): return f"键 '{key}' 未找到!"d = MyDictprint(d["python"]) # 输出: 键 'python' 未找到!利用这个特性，你可以让字典在键不存在时自动创建新值、记录日志，甚至是执行一些“自我修复”的逻辑。这为处理不确定数据提供了极大的便利。
想深入了解你的 Python 程序是如何一步步执行的吗？sys.settrace可以让你追踪每一行代码的执行。它就像是 Python 的“X 光”透视镜，能让你看到程序运行的每一个细节。
import sysdef tracer(frame, event, arg): print(f"{event} -> {frame.f_code.co_name}:{frame.f_lineno}") return tracersys.settrace(tracer)def demo(x): y = x + 1 return y * 2demo(3)通过设置一个追踪函数，你可以捕获每一次函数调用、返回以及每一行代码的执行。这正是 Python 调试器在底层工作的原理。理解并使用这个特性，能让你在调试复杂问题时事半功倍。
Python 不仅能执行代码，还能像“阅读”一本书一样，理解自己的代码结构。ast模块（抽象语法树）允许你解析 Python 代码，并将其表示为一个树状结构。
import astexpr = "3 + 4 * 5"tree = ast.parse(expr, mode='eval')print(ast.dump(tree, indent=4))有了抽象语法树，你就可以构建自己的代码检查器（linters）、代码转换器，甚至是一个简单的编译器。它为进行元编程和自动化代码处理提供了强大的工具。
你可能不知道，Python 的浮点数中存在一个特殊的数值：-0.0。这个看似平常的数字，其实有一些非常“奇怪”的行为。
x = -0.0print(x == 0.0) # 输出: Trueprint(str(x)) # 输出: -0.0print(1/x) # 输出: -inf尽管-0.0在逻辑上等于0.0，但它在字符串表示和某些数学运算（如除法）中表现出独特的行为。这个特性直接来源于 IEEE 754 浮点数标准，理解它能帮助你更好地处理一些边缘情况，并解决一些令人困惑的浮点数 bug。
有时，你需要在程序即将退出时，执行一些清理工作，比如关闭文件、释放资源或者发送通知。atexit模块可以保证你注册的函数在 Python 解释器正常或异常退出时，都能被调用。
import atexit@atexit.registerdef goodbye: print("程序正在关闭...")print("程序正在运行...")无论是通过sys.exit退出，还是用户按下 Ctrl+C，goodbye函数都会被执行。这为程序的健壮性提供了保障，确保重要的清理逻辑不会被遗漏。
你可能已经习惯了在函数定义时使用类型注解来帮助静态类型检查器。但实际上，函数注解（Function Annotations）的用途远不止于此。它们只是元数据，你可以用它们来存储任何你想要的信息。
def foo(x: "这是元数据", y: int = 10) -> "返回值是str": return str(x + y)print(foo.__annotations__)正如代码所示，函数注解是一个空白画布。虽然静态类型检查器选择了用它们来表示类型，但你可以用它们来存储文档、配置，甚至是特定领域语言（DSLs）。这为编写自文档化代码和进行元编程提供了巨大的灵活性。
这个特性即使对于经验丰富的 Python 开发者来说也相对冷门。元类（metaclasses）可以通过__prepare__钩子，在类主体被创建之前，自定义用于存储类属性的字典。
class OrderedMeta(type): @classmethod def __prepare__(mcs, name, bases): return {} # 可以返回一个 OrderedDict 等class MyClass(metaclass=OrderedMeta): a = 1 b = 2通过这个钩子，你可以完全定制类属性的存储方式，比如让属性保持定义的顺序。这是一个非常底层的特性，让你能够深入到 Python 对象模型的核心，实现极其高级的定制化。
想知道你的 Python 代码在底层是如何被执行的吗？dis模块可以反汇编 Python 函数，并打印出 C-Python 字节码指令。
import disdef add(x, y): return x + ydis.dis(add)查看字节码对于理解 Python 的性能瓶颈和优化代码非常有帮助。它揭示了 Python 解释器在幕后所做的工作，让你能够更精确地进行性能调优。
十、自定义with语句：contextlib.contextmanagerwith语句不仅限于文件操作。通过contextlib.contextmanager装饰器，你可以用最少的代码创建自己的上下文管理器。
from contextlib import contextmanager@contextmanagerdef tag(name): print(f"") yield print(f"")with tag("python"): print("厉害!")这个特性让你可以轻松地封装各种资源管理逻辑，例如数据库连接、线程锁、甚至简单的 HTML 标签配对。它让你的代码更加简洁、安全，并确保资源得到妥善释放。
Python 是一个高度动态的语言，inspect模块正是利用了这一点，让你能够像魔术师一样窥探任何对象的内部。
import inspectdef sample(x, y): return x + yprint(inspect.signature(sample))print(inspect.getsource(sample))你可以轻松地获取函数的参数信息、默认值，甚至是函数的原始源代码。这对于元编程、编写动态 API 或者创建自动化工具非常有用。
十二、属性访问的“守护者”：__getattr__与__getattribute__大多数开发者都了解__getattr__，它在访问不存在的属性时被调用。但__getattribute__则更为强大，它会拦截所有的属性访问，无论属性是否存在。
class Sneaky: def __getattribute__(self, name): print(f"正在访问 '{name}'") return super.__getattribute__(name) foo = 42s = Sneakyprint(s.foo)尽管__getattribute__非常强大，但也需要谨慎使用，因为它可能导致难以追踪的错误。但如果运用得当，它可以用来实现代理、惰性加载或者属性访问监控等高级功能。
你可能认为import是一个特殊的关键字，但实际上，它只是__import__函数的一个语法糖。你可以直接调用这个函数来进行动态导入。
math = __import__("math")print(math.sqrt(16))理解这一点，能让你更好地掌握动态加载模块的原理，这也是许多插件系统和大型框架在底层实现动态功能的方式。
希望这 13 个 Python 特性，能为你打开一扇新的大门，让你能够以更深入的视角理解这门语言。掌握这些技巧，你将不再是那个在黑暗中摸索的初学者，而是能够游刃有余地驾驭 Python 的“代码巫师”。
来源：高效码农
