1. 为什么我要花时间整理这77个Python函数刚接触Python那会儿我最怕的就是写代码时突然卡住——明明逻辑想清楚了就是不知道用哪个函数来实现。翻官方文档吧全英文不说一个函数能给你列出七八个参数看完更晕。后来带新人发现大家卡的地方惊人地相似字符串怎么拼接、列表怎么去重、字典怎么遍历、文件怎么读写这些最基础的操作反而最容易让人翻车。这份总结里的77个函数是我从实际项目里一个个筛出来的。它们覆盖了字符串处理、列表操作、字典管理、文件读写、类型转换、数学计算、日期时间、异常处理这八个最常用的场景。每一个函数我都配了可直接运行的代码示例标注了容易踩的坑还补充了参数选择的依据。不管你是刚装好Python环境的新手还是写了几年代码想查漏补缺的老手这份清单都能当工具手册用——遇到问题直接翻到对应章节复制代码改改就能跑。提示文中所有代码基于Python 3.10版本测试通过部分函数在Python 2中行为不同建议直接使用Python 3.8以上版本。2. 字符串处理函数文本操作的18般兵器字符串操作是Python里最高频的需求没有之一。我统计过自己写过的脚本超过40%的代码行都在处理文本。这18个函数吃透了日常文本处理基本不用再查文档。2.1 大小写转换与判断类函数str.upper()、str.lower()、str.title()、str.capitalize()这四个是入门必会。但很多人不知道str.title()会把hello world变成Hello World而str.capitalize()只把首字母大写变成Hello world。做数据清洗时选错函数输出结果能让你排查半天。str.isupper()、str.islower()、str.istitle()这三个判断函数经常被忽略。我处理用户输入时习惯先做一轮格式校验比如要求用户名必须全小写用if not username.islower()比写正则快得多。注意str.isalpha()判断的是是否全是字母空格和数字都会返回False这个坑我踩过——当时想校验姓名结果张 三因为中间有空格被判定为非法。text python function summary print(text.upper()) # PYTHON FUNCTION SUMMARY print(text.title()) # Python Function Summary print(text.capitalize()) # Python function summary print(ABC.isupper()) # True print(abc123.islower()) # True数字不影响判断 print(abc.isalpha()) # True print(abc 123.isalpha()) # False含空格和数字2.2 查找替换与分割合并类函数str.find()和str.index()的区别值得单独说找不到时find()返回-1index()直接抛异常。我早期写爬虫解析HTML时用index()遇到一个页面结构变化就整个脚本崩溃后来全换成find()配合判断稳定性立马上来了。str.replace(old, new, count)的第三个参数count指定替换次数不传则全部替换。做日志脱敏时我只想替换前3个出现的手机号传count3就搞定不用写循环。str.split(sep, maxsplit)和str.join(iterable)是一对反操作。split()不传参数时按任意空白字符分割传了参数就按指定字符分割。join()的参数必须是可迭代对象而且里面的元素必须都是字符串——如果列表里有数字得先map(str, list)转换这个报错信息TypeError: sequence item 0: expected str instance, int found我见过太多次了。log 2024-01-15 10:23:45 ERROR User login failed parts log.split( , 2) # 只分割前两个空格 print(parts) # [2024-01-15, 10:23:45, ERROR User login failed] # 数字列表转字符串拼接 nums [1, 2, 3, 4, 5] result -.join(map(str, nums)) print(result) # 1-2-3-4-52.3 去除空白与对齐类函数str.strip()、str.lstrip()、str.rstrip()这三个去除空白的函数默认去除空格、制表符、换行符。但你可以传入参数指定要去除的字符集比如str.strip(0)会去掉首尾所有的0。注意它去除的是字符集而不是子串——hello.strip(hel)的结果是o因为它会去掉首尾所有属于{h,e,l}的字符。str.center(width, fillchar)、str.ljust()、str.rjust()在做命令行输出对齐时特别有用。我写过一个批量处理文件的脚本用ljust(30)让文件名左对齐输出日志看起来清爽多了。str.zfill(width)专门用于数字补零生成订单号时123.zfill(8)得到00000123比手动拼字符串优雅。filename report.pdf print(filename.ljust(20, .)) # report.pdf.......... print(42.zfill(6)) # 000042 print( hello .strip()) # hello print(www.example.com.strip(wcom.)) # example去掉首尾属于该集合的字符2.4 格式化与编码类函数str.format()和f-string是两种主流格式化方式。f-string从Python 3.6引入后我基本只用它了写起来直观f{name} is {age} years old。但str.format()在需要动态指定格式模板时仍有优势比如从配置文件读取模板字符串再填充。str.encode()和bytes.decode()处理编码问题。读文件时如果遇到UnicodeDecodeError八成是编码没指定对。我处理中文文本的习惯是统一用encodingutf-8遇到GBK编码的老文件再单独处理。str.encode(utf-8)把字符串转成字节串网络传输和写二进制文件时必用。str.startswith()和str.endswith()支持传入元组做多条件判断这个技巧很少人知道。filename.endswith((.jpg, .png, .gif))一行代码判断多种图片格式比写or连接清爽得多。# 多后缀判断 files [a.jpg, b.png, c.txt, d.gif] images [f for f in files if f.endswith((.jpg, .png, .gif))] print(images) # [a.jpg, b.png, d.gif] # 编码转换 text 中文内容 encoded text.encode(utf-8) print(encoded) # b\xe4\xb8\xad\xe6\x96\x87\xe5\x86\x85\xe5\xae\xb9 print(encoded.decode(utf-8)) # 中文内容3. 列表与元组操作函数数据容器的核心玩法列表是Python里最灵活的数据结构这15个函数覆盖了增删改查、排序、统计、推导式等核心操作。元组作为不可变列表相关操作也放在这一节对比说明。3.1 增删改查基础操作list.append(x)在末尾追加单个元素list.extend(iterable)把可迭代对象里的元素逐个追加list.insert(i, x)在指定位置插入。这三个的区别用好了能省不少事合并两个列表用extend()比循环append()快因为extend()是C语言层面实现的。删除操作有list.remove(x)、list.pop(i)、del list[i]、list.clear()四种。remove()按值删除找不到会报ValueErrorpop()按索引删除并返回被删元素不传索引默认删最后一个del是语句不是函数可以删除切片clear()清空整个列表。我处理任务队列时常用pop(0)模拟FIFO但数据量大时性能差后来改用collections.deque。list.index(x)查找元素索引找不到报ValueError。list.count(x)统计出现次数。这两个函数在数据预处理阶段用得很多比如统计某个标签出现的频率。tasks [task1, task2, task3] tasks.append(task4) # [task1, task2, task3, task4] tasks.extend([task5, task6]) # 追加多个 tasks.insert(0, urgent) # 头部插入 print(tasks.pop()) # task6删除并返回 print(tasks.count(task1)) # 13.2 排序与反转的进阶技巧list.sort(keyNone, reverseFalse)原地排序sorted(iterable, keyNone, reverseFalse)返回新列表。关键在key参数——传入一个函数排序时按函数返回值比较。我处理用户列表时常用keylambda u: u[age]按年龄排序或者keylambda u: (u[age], u[name])多级排序。list.reverse()原地反转reversed(seq)返回反转迭代器。注意reversed()返回的不是列表需要list(reversed(seq))转换。切片seq[::-1]也能反转但会创建新对象内存敏感场景慎用。list.sort()是稳定排序相同key的元素保持原有顺序。这个特性在做多级排序时很有用先按次要条件排一次再按主要条件排一次最终结果就是主要条件优先、次要条件次之。users [ {name: Alice, age: 30}, {name: Bob, age: 25}, {name: Charlie, age: 30} ] # 按年龄升序年龄相同按姓名降序 users.sort(keylambda u: (u[age], u[name]), reverseFalse) # 更精细的多级排序 users.sort(keylambda u: u[name], reverseTrue) users.sort(keylambda u: u[age]) print(users)3.3 列表推导式与生成器表达式列表推导式[expr for item in iterable if condition]是Python最优雅的特性之一。我见过有人写十行循环做的事推导式一行搞定。但要注意可读性——嵌套超过两层就该拆开了。生成器表达式(expr for item in iterable)和列表推导式语法几乎一样区别是它返回生成器对象惰性求值不占内存。处理大文件时我必用生成器sum(len(line) for line in open(bigfile.txt))内存占用几乎为零。zip(*iterables)把多个可迭代对象拉链式配对enumerate(iterable, start0)同时获取索引和值。这两个函数在遍历时特别有用for i, (a, b) in enumerate(zip(list1, list2))能同时拿到索引和两个列表的对应元素。# 列表推导式筛选偶数并平方 squares [x**2 for x in range(10) if x % 2 0] print(squares) # [0, 4, 16, 36, 64] # 生成器表达式内存友好 total sum(len(line) for line in [hello, world, python]) print(total) # 16 # zip和enumerate配合 names [Alice, Bob] scores [85, 92] for i, (name, score) in enumerate(zip(names, scores), 1): print(f{i}. {name}: {score})3.4 元组的不可变特性与解包元组用圆括号定义一旦创建不能修改。这个不可变特性让它适合做字典的键、函数的返回值、配置常量。tuple(iterable)把其他序列转成元组。元组解包是Python里极其实用的语法a, b (1, 2)first, *rest [1, 2, 3, 4]*init, last [1, 2, 3, 4]。函数返回多个值时实际上返回的就是元组调用方直接解包接收。交换变量a, b b, a也是元组解包的经典应用。namedtuple从collections模块导入创建带字段名的元组子类。访问元素可以用属性名而不是索引代码可读性大幅提升。我定义配置项时常用Config namedtuple(Config, [host, port, timeout])比字典更轻量比普通元组更清晰。from collections import namedtuple Point namedtuple(Point, [x, y]) p Point(10, 20) print(p.x, p.y) # 10 20 print(p[0], p[1]) # 10 20仍支持索引 # 解包技巧 data [1, 2, 3, 4, 5] first, *middle, last data print(first, middle, last) # 1 [2, 3, 4] 54. 字典与集合操作函数键值对与去重利器字典和集合底层都是哈希表查找时间复杂度O(1)。这12个函数覆盖了字典的增删改查、遍历、合并以及集合的交并差运算。4.1 字典的创建与访问方式dict.get(key, default)是访问字典最安全的方式键不存在时返回默认值而不是报KeyError。我处理API返回的JSON数据时字段可能缺失全用get()加默认值代码健壮性提升一个档次。dict.setdefault(key, default)在键不存在时设置默认值并返回存在时直接返回现有值。统计词频时counts[word] counts.setdefault(word, 0) 1或者更简洁地用collections.defaultdict(int)。dict.update(other)合并字典相同键会被覆盖。Python 3.9引入了|运算符做字典合并d1 | d2返回新字典d1 | d2原地更新。dict.fromkeys(keys, value)批量创建键值对初始化配置字典时很方便。config {host: localhost, port: 8080} print(config.get(timeout, 30)) # 30键不存在返回默认值 # 词频统计 words [apple, banana, apple, cherry, banana, apple] counts {} for w in words: counts[w] counts.get(w, 0) 1 print(counts) # {apple: 3, banana: 2, cherry: 1} # 字典合并 defaults {timeout: 30, retries: 3} user_config {timeout: 60} merged defaults | user_config print(merged) # {timeout: 60, retries: 3}4.2 字典的遍历与视图对象dict.keys()、dict.values()、dict.items()返回视图对象不是列表。视图对象是动态的字典变了它也跟着变。需要列表时用list(d.keys())转换。遍历字典时for key in d默认遍历键for key, value in d.items()同时拿键值。我见过有人写for key in d: value d[key]多一次哈希查找用items()更高效。dict.pop(key, default)删除并返回指定键的值dict.popitem()删除并返回最后一个键值对Python 3.7按插入顺序。dict.clear()清空字典。key in dict判断键是否存在比dict.has_key()Python 2遗留快得多。scores {Alice: 85, Bob: 92, Charlie: 78} # 遍历 for name, score in scores.items(): print(f{name}: {score}) # 安全删除 removed scores.pop(Bob, None) print(removed) # 92 print(scores) # {Alice: 85, Charlie: 78} # 判断键存在 if Alice in scores: print(Alice exists)4.3 集合运算与去重实战set(iterable)创建集合自动去重。set.add(x)添加元素set.remove(x)删除元素不存在报错set.discard(x)删除元素不存在不报错。set.pop()随机删除并返回一个元素。集合运算a | b并集a b交集a - b差集a ^ b对称差集。对应方法union()、intersection()、difference()、symmetric_difference()。判断子集用a.issubset(b)或a b超集用a.issuperset(b)或a b。去重是集合最常见的用途。list(set(my_list))一行去重但会打乱顺序。需要保持顺序时用dict.fromkeys(my_list).keys()Python 3.7字典有序这个方法既去重又保序。# 去重保序 nums [3, 1, 4, 1, 5, 9, 2, 6, 5, 3] unique list(dict.fromkeys(nums)) print(unique) # [3, 1, 4, 5, 9, 2, 6] # 集合运算 a {1, 2, 3, 4} b {3, 4, 5, 6} print(a b) # {3, 4} print(a | b) # {1, 2, 3, 4, 5, 6} print(a - b) # {1, 2} print(a ^ b) # {1, 2, 5, 6}5. 文件与异常处理函数让脚本稳定运行文件读写和异常处理是脚本从能跑到稳定的关键。这10个函数覆盖了文件打开、读写、路径操作、异常捕获、上下文管理。5.1 文件打开模式与读写操作open(file, mode, encoding)是文件操作的入口。mode参数r读w写覆盖a追加x独占创建b二进制读写。组合使用如rb二进制读w读写。file.read(size)读指定字节数不传读全部。file.readline()读一行file.readlines()读所有行返回列表。大文件不要用read()或readlines()内存扛不住用for line in file逐行迭代。file.write(string)写入字符串file.writelines(lines)写入字符串列表。注意write()不会自动加换行符需要手动加\n。写文件后必须file.close()否则数据可能没刷到磁盘。# 安全写法with自动关闭 with open(data.txt, w, encodingutf-8) as f: f.write(第一行\n) f.writelines([第二行\n, 第三行\n]) # 逐行读取大文件 with open(data.txt, r, encodingutf-8) as f: for line in f: print(line.strip())5.2 路径操作与文件检测os.path.exists(path)判断路径是否存在os.path.isfile()判断是否文件os.path.isdir()判断是否目录。os.path.join(a, b)拼接路径自动处理不同操作系统的分隔符比手动拼/或\可靠。os.path.getsize(path)获取文件大小字节os.path.getmtime(path)获取修改时间戳。os.path.splitext(path)分离文件名和扩展名返回元组。os.path.basename()和os.path.dirname()分别取文件名和目录名。pathlib模块是Python 3.4推荐的路径操作方式面向对象比os.path更直观。Path(data) / file.txt用/运算符拼接路径p.exists()、p.is_file()、p.suffix等属性和方法用起来很顺手。from pathlib import Path p Path(data) / file.txt print(p) # data/file.txt print(p.suffix) # .txt print(p.stem) # file print(p.parent) # data # 创建目录 p.parent.mkdir(parentsTrue, exist_okTrue)5.3 异常捕获与自定义异常try/except/else/finally是异常处理的标准结构。try块放可能出错的代码except捕获指定异常else在无异常时执行finally无论是否异常都执行。我清理资源时必用finally比如关闭数据库连接。except Exception as e捕获所有异常但生产环境不建议裸捕会掩盖真正的bug。应该按具体异常类型分别处理FileNotFoundError、ValueError、KeyError、TypeError等。raise主动抛出异常raise ValueError(invalid input)。自定义异常继承Exception类class MyError(Exception): pass。assert condition, message断言条件为假时抛AssertionError用于调试和参数校验。def read_config(path): try: with open(path, r, encodingutf-8) as f: return f.read() except FileNotFoundError: print(f配置文件 {path} 不存在使用默认配置) return except PermissionError: print(f没有权限读取 {path}) return finally: print(读取操作完成) # 自定义异常 class ConfigError(Exception): pass def validate(config): if host not in config: raise ConfigError(缺少host配置)6. 类型转换与数学计算函数数据处理的基石类型转换和数学计算是每个脚本都会用到的。这12个函数覆盖了基础类型转换、数值判断、数学运算、随机数生成。6.1 基础类型转换函数int(x)转整数float(x)转浮点str(x)转字符串bool(x)转布尔。int(123)得到123int(12.5)会报ValueError需要先float()再int()。int(3.9)截断小数部分得到3不是四舍五入。list(iterable)、tuple(iterable)、set(iterable)、dict(iterable)把可迭代对象转成对应容器。dict()要求可迭代对象里每个元素是键值对比如dict([(a, 1), (b, 2)])。chr(i)和ord(c)互转ASCII码。chr(65)得到Aord(A)得到65。hex()、oct()、bin()分别转十六进制、八进制、二进制字符串。round(number, ndigits)四舍五入注意Python的银行家舍入规则round(2.5)得到2不是3。print(int(123)) # 123 print(float(3.14)) # 3.14 print(str(42)) # 42 print(bool(0)) # False print(bool()) # False print(bool([])) # False print(bool(False)) # True非空字符串都是True print(chr(65)) # A print(ord(A)) # 65 print(hex(255)) # 0xff print(round(2.5)) # 2银行家舍入 print(round(3.5)) # 46.2 数值判断与数学运算abs(x)绝对值max(iterable)最大值min(iterable)最小值sum(iterable)求和。max()和min()支持key参数max(words, keylen)返回最长的单词。pow(base, exp)幂运算等价于base ** exp。divmod(a, b)同时返回商和余数divmod(17, 5)得到(3, 2)。math模块提供更多数学函数math.sqrt()平方根math.ceil()向上取整math.floor()向下取整math.pi圆周率math.e自然常数。math.isclose(a, b)判断两个浮点数是否接近避免直接用比较浮点数。math.gcd(a, b)最大公约数math.factorial(n)阶乘。random模块的random()、randint()、choice()、shuffle()、sample()覆盖了随机数需求。import math import random print(abs(-5)) # 5 print(max([3, 1, 4, 1, 5])) # 5 print(sum([1, 2, 3, 4])) # 10 print(pow(2, 10)) # 1024 print(divmod(17, 5)) # (3, 2) print(math.sqrt(16)) # 4.0 print(math.ceil(3.2)) # 4 print(math.floor(3.8)) # 3 print(math.gcd(12, 18)) # 6 print(random.randint(1, 10)) # 1到10随机整数 print(random.choice([a, b])) # 随机选一个 items [1, 2, 3, 4, 5] random.shuffle(items) # 原地打乱 print(random.sample(items, 3)) # 随机选3个不重复6.3 日期时间处理函数datetime模块是日期时间处理的核心。datetime.now()当前时间datetime.strptime(string, format)字符串转日期datetime.strftime(format)日期转字符串。格式化符号%Y四位年%m月%d日%H时%M分%S秒。timedelta表示时间间隔datetime timedelta(days1)得到明天。计算两个日期差date1 - date2返回timedelta对象.days属性拿天数。time.time()返回Unix时间戳秒time.sleep(seconds)暂停执行。time.perf_counter()高精度计时测代码性能时用这个而不是time.time()。from datetime import datetime, timedelta now datetime.now() print(now.strftime(%Y-%m-%d %H:%M:%S)) # 2024-01-15 10:30:00 # 字符串转日期 dt datetime.strptime(2024-01-15, %Y-%m-%d) print(dt) # 2024-01-15 00:00:00 # 日期计算 tomorrow now timedelta(days1) diff tomorrow - now print(diff.days) # 1 # 性能计时 import time start time.perf_counter() # ... 执行代码 ... end time.perf_counter() print(f耗时: {end - start:.4f}秒)7. 高阶函数与迭代工具写出更Pythonic的代码高阶函数和itertools模块能让代码更简洁高效。这10个函数覆盖了map、filter、reduce、lambda、itertools常用工具。7.1 map、filter、reduce三剑客map(function, iterable)对每个元素应用函数返回迭代器。list(map(str, [1, 2, 3]))得到[1, 2, 3]。filter(function, iterable)过滤元素函数返回True的保留。reduce(function, iterable)累积计算需要从functools导入。这三个函数配合lambda使用很常见但列表推导式往往更易读。[str(x) for x in [1,2,3]]比map(str, [1,2,3])直观。我现在的习惯是简单转换用推导式复杂逻辑用map/filter配合具名函数。from functools import reduce nums [1, 2, 3, 4, 5] # map每个元素平方 squares list(map(lambda x: x**2, nums)) print(squares) # [1, 4, 9, 16, 25] # filter筛选偶数 evens list(filter(lambda x: x % 2 0, nums)) print(evens) # [2, 4] # reduce累加 total reduce(lambda a, b: a b, nums) print(total) # 157.2 itertools高效迭代工具itertools.count(start, step)无限计数器itertools.cycle(iterable)无限循环itertools.repeat(elem, n)重复元素。这三个配合zip或islice使用。itertools.chain(*iterables)串联多个可迭代对象itertools.islice(iterable, start, stop)切片迭代器。itertools.groupby(iterable, key)分组要求先按key排序。itertools.product(*iterables)笛卡尔积itertools.permutations()排列itertools.combinations()组合。import itertools # 串联 combined list(itertools.chain([1, 2], [3, 4], [5])) print(combined) # [1, 2, 3, 4, 5] # 笛卡尔积 colors [red, green] sizes [S, M] for c, s in itertools.product(colors, sizes): print(c, s) # red S, red M, green S, green M # 组合 print(list(itertools.combinations([1, 2, 3], 2))) # [(1, 2), (1, 3), (2, 3)]7.3 lambda与闭包实战lambda arguments: expression创建匿名函数适合简单逻辑。sorted(data, keylambda x: x[1])按第二个元素排序。lambda只能写一个表达式复杂逻辑还是用def。闭包是函数内部定义函数并返回内部函数引用外部变量。def outer(x): def inner(y): return x y; return inneradd5 outer(5)add5(3)得到8。闭包在装饰器和回调函数里用得很多。functools.partial(func, *args)固定部分参数返回新函数。partial(int, base2)创建一个二进制转十进制的函数binary_to_int(1010)得到10。from functools import partial # lambda排序 data [(apple, 3), (banana, 1), (cherry, 2)] data.sort(keylambda x: x[1]) print(data) # [(banana, 1), (cherry, 2), (apple, 3)] # 闭包 def multiplier(n): def multiply(x): return x * n return multiply double multiplier(2) triple multiplier(3) print(double(5)) # 10 print(triple(5)) # 15 # partial binary_to_int partial(int, base2) print(binary_to_int(1010)) # 108. 常见问题与排查技巧实录写了这么多年Python有些错误反复出现。我把最典型的几个整理成速查表遇到问题直接对照排查。8.1 函数使用高频错误速查表错误信息常见原因解决方法TypeError: int object is not iterable对整数用了for循环或list()检查变量类型用range()包裹KeyError: xxx字典访问不存在的键用dict.get(key, default)IndexError: list index out of range列表索引越界检查len()用切片或try/exceptValueError: invalid literal for int()字符串含非数字字符先strip()再判断isdigit()UnicodeDecodeError文件编码不匹配指定encodingutf-8或gbkAttributeError: NoneType object has no attribute函数返回None被当对象用检查函数返回值加判空IndentationError缩进不一致统一用4个空格别混用Tab8.2 参数传递的坑与经验Python的参数传递是传对象引用。可变对象列表、字典传进函数后修改会影响原对象不可变对象数字、字符串、元组不会。这个特性导致过很多bug函数里list.append()了元素调用方发现原列表也变了。默认参数只在函数定义时求值一次所以不要用可变对象做默认参数。def add(item, lst[])是经典错误多次调用会共享同一个列表。正确写法是def add(item, lstNone): if lst is None: lst []。# 错误示范 def add_item(item, lst[]): lst.append(item) return lst print(add_item(1)) # [1] print(add_item(2)) # [1, 2] 不是[2] # 正确写法 def add_item_safe(item, lstNone): if lst is None: lst [] lst.append(item) return lst print(add_item_safe(1)) # [1] print(add_item_safe(2)) # [2]8.3 性能优化的几个实用技巧字符串拼接用join()而不是。每次创建新字符串循环里拼接是O(n²)join()是O(n)。我处理十万行日志时用join()比快了近百倍。列表推导式比for循环append快因为推导式在C层面优化过。但推导式里不要做复杂计算可读性优先。用set做成员判断比list快得多。if x in big_list是O(n)if x in big_set是O(1)。数据量大时先转set。collections模块的Counter、defaultdict、deque比手动实现高效。Counter统计词频一行搞定deque做队列比list.pop(0)快。from collections import Counter, deque # 词频统计 words [a, b, a, c, b, a] counter Counter(words) print(counter.most_common(2)) # [(a, 3), (b, 2)] # 高效队列 queue deque([1, 2, 3]) queue.append(4) # 右端添加 queue.appendleft(0) # 左端添加 print(queue.popleft()) # 0左端弹出8.4 调试与排查的实战心得print()大法虽然土但有效。我习惯在关键分支加print(f[DEBUG] variable{variable})用f-string带上变量名排查完再删。assert断言用于开发阶段校验假设。assert len(data) 0, 数据为空条件不满足时抛AssertionError并显示消息。生产环境可以用-O参数禁用断言。logging模块比print更适合生产环境。logging.basicConfig(levellogging.INFO)配置日志级别logging.info()、logging.error()分级输出。日志可以写文件、带时间戳、按级别过滤。pdb调试器import pdb; pdb.set_trace()在代码里打断点运行时进入交互调试。命令n下一行s进入函数c继续p variable打印变量q退出。VS Code和PyCharm都有图形化调试器打断点、看变量、单步执行更直观。import logging logging.basicConfig( levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s ) def process(data): logging.info(f开始处理数据量: {len(data)}) try: result [x * 2 for x in data] logging.info(f处理完成结果量: {len(result)}) return result except Exception as e: logging.error(f处理失败: {e}, exc_infoTrue) raise8.5 虚拟环境与依赖管理python -m venv myenv创建虚拟环境source myenv/bin/activateLinux/Mac或myenv\Scripts\activateWindows激活。虚拟环境隔离项目依赖避免版本冲突。pip install package安装包pip freeze requirements.txt导出依赖列表pip install -r requirements.txt批量安装。国内下载慢可以指定镜像源但注意选择合规稳定的源。pip list查看已安装包pip show package查看包详情pip uninstall package卸载。pip install --upgrade package升级包。注意虚拟环境目录不要提交到Git在.gitignore里加上venv/或myenv/。依赖列表requirements.txt要提交方便别人复现环境。9. 我个人在实际操作中的体会这77个函数我用了五年多最大的感受是基础函数用熟了写代码的速度和代码质量会有质的飞跃。刚开始我也追求各种高级特性后来发现80%的问题用这77个函数就能解决剩下的20%再查文档也来得及。给新手的建议是不要死记硬背把这篇文章收藏起来写代码时遇到相关场景就翻出来看看。用着用着就形成肌肉记忆了。我当初把str、list、dict的常用方法各抄了十遍现在闭着眼都能写出来。最后分享一个我自己的习惯每学一个新函数就在REPL里试三种情况——正常输入、边界输入、错误输入。比如学split()试a,b,c.split(,)、.split(,)、a,b.split()。这样能快速摸清函数的脾气比看文档印象深得多。 Python函数速查手册：77个核心函数覆盖8大场景
1. 为什么我要花时间整理这77个Python函数刚接触Python那会儿我最怕的就是写代码时突然卡住——明明逻辑想清楚了就是不知道用哪个函数来实现。翻官方文档吧全英文不说一个函数能给你列出七八个参数看完更晕。后来带新人发现大家卡的地方惊人地相似字符串怎么拼接、列表怎么去重、字典怎么遍历、文件怎么读写这些最基础的操作反而最容易让人翻车。这份总结里的77个函数是我从实际项目里一个个筛出来的。它们覆盖了字符串处理、列表操作、字典管理、文件读写、类型转换、数学计算、日期时间、异常处理这八个最常用的场景。每一个函数我都配了可直接运行的代码示例标注了容易踩的坑还补充了参数选择的依据。不管你是刚装好Python环境的新手还是写了几年代码想查漏补缺的老手这份清单都能当工具手册用——遇到问题直接翻到对应章节复制代码改改就能跑。提示文中所有代码基于Python 3.10版本测试通过部分函数在Python 2中行为不同建议直接使用Python 3.8以上版本。2. 字符串处理函数文本操作的18般兵器字符串操作是Python里最高频的需求没有之一。我统计过自己写过的脚本超过40%的代码行都在处理文本。这18个函数吃透了日常文本处理基本不用再查文档。2.1 大小写转换与判断类函数str.upper()、str.lower()、str.title()、str.capitalize()这四个是入门必会。但很多人不知道str.title()会把hello world变成Hello World而str.capitalize()只把首字母大写变成Hello world。做数据清洗时选错函数输出结果能让你排查半天。str.isupper()、str.islower()、str.istitle()这三个判断函数经常被忽略。我处理用户输入时习惯先做一轮格式校验比如要求用户名必须全小写用if not username.islower()比写正则快得多。注意str.isalpha()判断的是是否全是字母空格和数字都会返回False这个坑我踩过——当时想校验姓名结果张 三因为中间有空格被判定为非法。text python function summary print(text.upper()) # PYTHON FUNCTION SUMMARY print(text.title()) # Python Function Summary print(text.capitalize()) # Python function summary print(ABC.isupper()) # True print(abc123.islower()) # True数字不影响判断 print(abc.isalpha()) # True print(abc 123.isalpha()) # False含空格和数字2.2 查找替换与分割合并类函数str.find()和str.index()的区别值得单独说找不到时find()返回-1index()直接抛异常。我早期写爬虫解析HTML时用index()遇到一个页面结构变化就整个脚本崩溃后来全换成find()配合判断稳定性立马上来了。str.replace(old, new, count)的第三个参数count指定替换次数不传则全部替换。做日志脱敏时我只想替换前3个出现的手机号传count3就搞定不用写循环。str.split(sep, maxsplit)和str.join(iterable)是一对反操作。split()不传参数时按任意空白字符分割传了参数就按指定字符分割。join()的参数必须是可迭代对象而且里面的元素必须都是字符串——如果列表里有数字得先map(str, list)转换这个报错信息TypeError: sequence item 0: expected str instance, int found我见过太多次了。log 2024-01-15 10:23:45 ERROR User login failed parts log.split( , 2) # 只分割前两个空格 print(parts) # [2024-01-15, 10:23:45, ERROR User login failed] # 数字列表转字符串拼接 nums [1, 2, 3, 4, 5] result -.join(map(str, nums)) print(result) # 1-2-3-4-52.3 去除空白与对齐类函数str.strip()、str.lstrip()、str.rstrip()这三个去除空白的函数默认去除空格、制表符、换行符。但你可以传入参数指定要去除的字符集比如str.strip(0)会去掉首尾所有的0。注意它去除的是字符集而不是子串——hello.strip(hel)的结果是o因为它会去掉首尾所有属于{h,e,l}的字符。str.center(width, fillchar)、str.ljust()、str.rjust()在做命令行输出对齐时特别有用。我写过一个批量处理文件的脚本用ljust(30)让文件名左对齐输出日志看起来清爽多了。str.zfill(width)专门用于数字补零生成订单号时123.zfill(8)得到00000123比手动拼字符串优雅。filename report.pdf print(filename.ljust(20, .)) # report.pdf.......... print(42.zfill(6)) # 000042 print( hello .strip()) # hello print(www.example.com.strip(wcom.)) # example去掉首尾属于该集合的字符2.4 格式化与编码类函数str.format()和f-string是两种主流格式化方式。f-string从Python 3.6引入后我基本只用它了写起来直观f{name} is {age} years old。但str.format()在需要动态指定格式模板时仍有优势比如从配置文件读取模板字符串再填充。str.encode()和bytes.decode()处理编码问题。读文件时如果遇到UnicodeDecodeError八成是编码没指定对。我处理中文文本的习惯是统一用encodingutf-8遇到GBK编码的老文件再单独处理。str.encode(utf-8)把字符串转成字节串网络传输和写二进制文件时必用。str.startswith()和str.endswith()支持传入元组做多条件判断这个技巧很少人知道。filename.endswith((.jpg, .png, .gif))一行代码判断多种图片格式比写or连接清爽得多。# 多后缀判断 files [a.jpg, b.png, c.txt, d.gif] images [f for f in files if f.endswith((.jpg, .png, .gif))] print(images) # [a.jpg, b.png, d.gif] # 编码转换 text 中文内容 encoded text.encode(utf-8) print(encoded) # b\xe4\xb8\xad\xe6\x96\x87\xe5\x86\x85\xe5\xae\xb9 print(encoded.decode(utf-8)) # 中文内容3. 列表与元组操作函数数据容器的核心玩法列表是Python里最灵活的数据结构这15个函数覆盖了增删改查、排序、统计、推导式等核心操作。元组作为不可变列表相关操作也放在这一节对比说明。3.1 增删改查基础操作list.append(x)在末尾追加单个元素list.extend(iterable)把可迭代对象里的元素逐个追加list.insert(i, x)在指定位置插入。这三个的区别用好了能省不少事合并两个列表用extend()比循环append()快因为extend()是C语言层面实现的。删除操作有list.remove(x)、list.pop(i)、del list[i]、list.clear()四种。remove()按值删除找不到会报ValueErrorpop()按索引删除并返回被删元素不传索引默认删最后一个del是语句不是函数可以删除切片clear()清空整个列表。我处理任务队列时常用pop(0)模拟FIFO但数据量大时性能差后来改用collections.deque。list.index(x)查找元素索引找不到报ValueError。list.count(x)统计出现次数。这两个函数在数据预处理阶段用得很多比如统计某个标签出现的频率。tasks [task1, task2, task3] tasks.append(task4) # [task1, task2, task3, task4] tasks.extend([task5, task6]) # 追加多个 tasks.insert(0, urgent) # 头部插入 print(tasks.pop()) # task6删除并返回 print(tasks.count(task1)) # 13.2 排序与反转的进阶技巧list.sort(keyNone, reverseFalse)原地排序sorted(iterable, keyNone, reverseFalse)返回新列表。关键在key参数——传入一个函数排序时按函数返回值比较。我处理用户列表时常用keylambda u: u[age]按年龄排序或者keylambda u: (u[age], u[name])多级排序。list.reverse()原地反转reversed(seq)返回反转迭代器。注意reversed()返回的不是列表需要list(reversed(seq))转换。切片seq[::-1]也能反转但会创建新对象内存敏感场景慎用。list.sort()是稳定排序相同key的元素保持原有顺序。这个特性在做多级排序时很有用先按次要条件排一次再按主要条件排一次最终结果就是主要条件优先、次要条件次之。users [ {name: Alice, age: 30}, {name: Bob, age: 25}, {name: Charlie, age: 30} ] # 按年龄升序年龄相同按姓名降序 users.sort(keylambda u: (u[age], u[name]), reverseFalse) # 更精细的多级排序 users.sort(keylambda u: u[name], reverseTrue) users.sort(keylambda u: u[age]) print(users)3.3 列表推导式与生成器表达式列表推导式[expr for item in iterable if condition]是Python最优雅的特性之一。我见过有人写十行循环做的事推导式一行搞定。但要注意可读性——嵌套超过两层就该拆开了。生成器表达式(expr for item in iterable)和列表推导式语法几乎一样区别是它返回生成器对象惰性求值不占内存。处理大文件时我必用生成器sum(len(line) for line in open(bigfile.txt))内存占用几乎为零。zip(*iterables)把多个可迭代对象拉链式配对enumerate(iterable, start0)同时获取索引和值。这两个函数在遍历时特别有用for i, (a, b) in enumerate(zip(list1, list2))能同时拿到索引和两个列表的对应元素。# 列表推导式筛选偶数并平方 squares [x**2 for x in range(10) if x % 2 0] print(squares) # [0, 4, 16, 36, 64] # 生成器表达式内存友好 total sum(len(line) for line in [hello, world, python]) print(total) # 16 # zip和enumerate配合 names [Alice, Bob] scores [85, 92] for i, (name, score) in enumerate(zip(names, scores), 1): print(f{i}. {name}: {score})3.4 元组的不可变特性与解包元组用圆括号定义一旦创建不能修改。这个不可变特性让它适合做字典的键、函数的返回值、配置常量。tuple(iterable)把其他序列转成元组。元组解包是Python里极其实用的语法a, b (1, 2)first, *rest [1, 2, 3, 4]*init, last [1, 2, 3, 4]。函数返回多个值时实际上返回的就是元组调用方直接解包接收。交换变量a, b b, a也是元组解包的经典应用。namedtuple从collections模块导入创建带字段名的元组子类。访问元素可以用属性名而不是索引代码可读性大幅提升。我定义配置项时常用Config namedtuple(Config, [host, port, timeout])比字典更轻量比普通元组更清晰。from collections import namedtuple Point namedtuple(Point, [x, y]) p Point(10, 20) print(p.x, p.y) # 10 20 print(p[0], p[1]) # 10 20仍支持索引 # 解包技巧 data [1, 2, 3, 4, 5] first, *middle, last data print(first, middle, last) # 1 [2, 3, 4] 54. 字典与集合操作函数键值对与去重利器字典和集合底层都是哈希表查找时间复杂度O(1)。这12个函数覆盖了字典的增删改查、遍历、合并以及集合的交并差运算。4.1 字典的创建与访问方式dict.get(key, default)是访问字典最安全的方式键不存在时返回默认值而不是报KeyError。我处理API返回的JSON数据时字段可能缺失全用get()加默认值代码健壮性提升一个档次。dict.setdefault(key, default)在键不存在时设置默认值并返回存在时直接返回现有值。统计词频时counts[word] counts.setdefault(word, 0) 1或者更简洁地用collections.defaultdict(int)。dict.update(other)合并字典相同键会被覆盖。Python 3.9引入了|运算符做字典合并d1 | d2返回新字典d1 | d2原地更新。dict.fromkeys(keys, value)批量创建键值对初始化配置字典时很方便。config {host: localhost, port: 8080} print(config.get(timeout, 30)) # 30键不存在返回默认值 # 词频统计 words [apple, banana, apple, cherry, banana, apple] counts {} for w in words: counts[w] counts.get(w, 0) 1 print(counts) # {apple: 3, banana: 2, cherry: 1} # 字典合并 defaults {timeout: 30, retries: 3} user_config {timeout: 60} merged defaults | user_config print(merged) # {timeout: 60, retries: 3}4.2 字典的遍历与视图对象dict.keys()、dict.values()、dict.items()返回视图对象不是列表。视图对象是动态的字典变了它也跟着变。需要列表时用list(d.keys())转换。遍历字典时for key in d默认遍历键for key, value in d.items()同时拿键值。我见过有人写for key in d: value d[key]多一次哈希查找用items()更高效。dict.pop(key, default)删除并返回指定键的值dict.popitem()删除并返回最后一个键值对Python 3.7按插入顺序。dict.clear()清空字典。key in dict判断键是否存在比dict.has_key()Python 2遗留快得多。scores {Alice: 85, Bob: 92, Charlie: 78} # 遍历 for name, score in scores.items(): print(f{name}: {score}) # 安全删除 removed scores.pop(Bob, None) print(removed) # 92 print(scores) # {Alice: 85, Charlie: 78} # 判断键存在 if Alice in scores: print(Alice exists)4.3 集合运算与去重实战set(iterable)创建集合自动去重。set.add(x)添加元素set.remove(x)删除元素不存在报错set.discard(x)删除元素不存在不报错。set.pop()随机删除并返回一个元素。集合运算a | b并集a b交集a - b差集a ^ b对称差集。对应方法union()、intersection()、difference()、symmetric_difference()。判断子集用a.issubset(b)或a b超集用a.issuperset(b)或a b。去重是集合最常见的用途。list(set(my_list))一行去重但会打乱顺序。需要保持顺序时用dict.fromkeys(my_list).keys()Python 3.7字典有序这个方法既去重又保序。# 去重保序 nums [3, 1, 4, 1, 5, 9, 2, 6, 5, 3] unique list(dict.fromkeys(nums)) print(unique) # [3, 1, 4, 5, 9, 2, 6] # 集合运算 a {1, 2, 3, 4} b {3, 4, 5, 6} print(a b) # {3, 4} print(a | b) # {1, 2, 3, 4, 5, 6} print(a - b) # {1, 2} print(a ^ b) # {1, 2, 5, 6}5. 文件与异常处理函数让脚本稳定运行文件读写和异常处理是脚本从能跑到稳定的关键。这10个函数覆盖了文件打开、读写、路径操作、异常捕获、上下文管理。5.1 文件打开模式与读写操作open(file, mode, encoding)是文件操作的入口。mode参数r读w写覆盖a追加x独占创建b二进制读写。组合使用如rb二进制读w读写。file.read(size)读指定字节数不传读全部。file.readline()读一行file.readlines()读所有行返回列表。大文件不要用read()或readlines()内存扛不住用for line in file逐行迭代。file.write(string)写入字符串file.writelines(lines)写入字符串列表。注意write()不会自动加换行符需要手动加\n。写文件后必须file.close()否则数据可能没刷到磁盘。# 安全写法with自动关闭 with open(data.txt, w, encodingutf-8) as f: f.write(第一行\n) f.writelines([第二行\n, 第三行\n]) # 逐行读取大文件 with open(data.txt, r, encodingutf-8) as f: for line in f: print(line.strip())5.2 路径操作与文件检测os.path.exists(path)判断路径是否存在os.path.isfile()判断是否文件os.path.isdir()判断是否目录。os.path.join(a, b)拼接路径自动处理不同操作系统的分隔符比手动拼/或\可靠。os.path.getsize(path)获取文件大小字节os.path.getmtime(path)获取修改时间戳。os.path.splitext(path)分离文件名和扩展名返回元组。os.path.basename()和os.path.dirname()分别取文件名和目录名。pathlib模块是Python 3.4推荐的路径操作方式面向对象比os.path更直观。Path(data) / file.txt用/运算符拼接路径p.exists()、p.is_file()、p.suffix等属性和方法用起来很顺手。from pathlib import Path p Path(data) / file.txt print(p) # data/file.txt print(p.suffix) # .txt print(p.stem) # file print(p.parent) # data # 创建目录 p.parent.mkdir(parentsTrue, exist_okTrue)5.3 异常捕获与自定义异常try/except/else/finally是异常处理的标准结构。try块放可能出错的代码except捕获指定异常else在无异常时执行finally无论是否异常都执行。我清理资源时必用finally比如关闭数据库连接。except Exception as e捕获所有异常但生产环境不建议裸捕会掩盖真正的bug。应该按具体异常类型分别处理FileNotFoundError、ValueError、KeyError、TypeError等。raise主动抛出异常raise ValueError(invalid input)。自定义异常继承Exception类class MyError(Exception): pass。assert condition, message断言条件为假时抛AssertionError用于调试和参数校验。def read_config(path): try: with open(path, r, encodingutf-8) as f: return f.read() except FileNotFoundError: print(f配置文件 {path} 不存在使用默认配置) return except PermissionError: print(f没有权限读取 {path}) return finally: print(读取操作完成) # 自定义异常 class ConfigError(Exception): pass def validate(config): if host not in config: raise ConfigError(缺少host配置)6. 类型转换与数学计算函数数据处理的基石类型转换和数学计算是每个脚本都会用到的。这12个函数覆盖了基础类型转换、数值判断、数学运算、随机数生成。6.1 基础类型转换函数int(x)转整数float(x)转浮点str(x)转字符串bool(x)转布尔。int(123)得到123int(12.5)会报ValueError需要先float()再int()。int(3.9)截断小数部分得到3不是四舍五入。list(iterable)、tuple(iterable)、set(iterable)、dict(iterable)把可迭代对象转成对应容器。dict()要求可迭代对象里每个元素是键值对比如dict([(a, 1), (b, 2)])。chr(i)和ord(c)互转ASCII码。chr(65)得到Aord(A)得到65。hex()、oct()、bin()分别转十六进制、八进制、二进制字符串。round(number, ndigits)四舍五入注意Python的银行家舍入规则round(2.5)得到2不是3。print(int(123)) # 123 print(float(3.14)) # 3.14 print(str(42)) # 42 print(bool(0)) # False print(bool()) # False print(bool([])) # False print(bool(False)) # True非空字符串都是True print(chr(65)) # A print(ord(A)) # 65 print(hex(255)) # 0xff print(round(2.5)) # 2银行家舍入 print(round(3.5)) # 46.2 数值判断与数学运算abs(x)绝对值max(iterable)最大值min(iterable)最小值sum(iterable)求和。max()和min()支持key参数max(words, keylen)返回最长的单词。pow(base, exp)幂运算等价于base ** exp。divmod(a, b)同时返回商和余数divmod(17, 5)得到(3, 2)。math模块提供更多数学函数math.sqrt()平方根math.ceil()向上取整math.floor()向下取整math.pi圆周率math.e自然常数。math.isclose(a, b)判断两个浮点数是否接近避免直接用比较浮点数。math.gcd(a, b)最大公约数math.factorial(n)阶乘。random模块的random()、randint()、choice()、shuffle()、sample()覆盖了随机数需求。import math import random print(abs(-5)) # 5 print(max([3, 1, 4, 1, 5])) # 5 print(sum([1, 2, 3, 4])) # 10 print(pow(2, 10)) # 1024 print(divmod(17, 5)) # (3, 2) print(math.sqrt(16)) # 4.0 print(math.ceil(3.2)) # 4 print(math.floor(3.8)) # 3 print(math.gcd(12, 18)) # 6 print(random.randint(1, 10)) # 1到10随机整数 print(random.choice([a, b])) # 随机选一个 items [1, 2, 3, 4, 5] random.shuffle(items) # 原地打乱 print(random.sample(items, 3)) # 随机选3个不重复6.3 日期时间处理函数datetime模块是日期时间处理的核心。datetime.now()当前时间datetime.strptime(string, format)字符串转日期datetime.strftime(format)日期转字符串。格式化符号%Y四位年%m月%d日%H时%M分%S秒。timedelta表示时间间隔datetime timedelta(days1)得到明天。计算两个日期差date1 - date2返回timedelta对象.days属性拿天数。time.time()返回Unix时间戳秒time.sleep(seconds)暂停执行。time.perf_counter()高精度计时测代码性能时用这个而不是time.time()。from datetime import datetime, timedelta now datetime.now() print(now.strftime(%Y-%m-%d %H:%M:%S)) # 2024-01-15 10:30:00 # 字符串转日期 dt datetime.strptime(2024-01-15, %Y-%m-%d) print(dt) # 2024-01-15 00:00:00 # 日期计算 tomorrow now timedelta(days1) diff tomorrow - now print(diff.days) # 1 # 性能计时 import time start time.perf_counter() # ... 执行代码 ... end time.perf_counter() print(f耗时: {end - start:.4f}秒)7. 高阶函数与迭代工具写出更Pythonic的代码高阶函数和itertools模块能让代码更简洁高效。这10个函数覆盖了map、filter、reduce、lambda、itertools常用工具。7.1 map、filter、reduce三剑客map(function, iterable)对每个元素应用函数返回迭代器。list(map(str, [1, 2, 3]))得到[1, 2, 3]。filter(function, iterable)过滤元素函数返回True的保留。reduce(function, iterable)累积计算需要从functools导入。这三个函数配合lambda使用很常见但列表推导式往往更易读。[str(x) for x in [1,2,3]]比map(str, [1,2,3])直观。我现在的习惯是简单转换用推导式复杂逻辑用map/filter配合具名函数。from functools import reduce nums [1, 2, 3, 4, 5] # map每个元素平方 squares list(map(lambda x: x**2, nums)) print(squares) # [1, 4, 9, 16, 25] # filter筛选偶数 evens list(filter(lambda x: x % 2 0, nums)) print(evens) # [2, 4] # reduce累加 total reduce(lambda a, b: a b, nums) print(total) # 157.2 itertools高效迭代工具itertools.count(start, step)无限计数器itertools.cycle(iterable)无限循环itertools.repeat(elem, n)重复元素。这三个配合zip或islice使用。itertools.chain(*iterables)串联多个可迭代对象itertools.islice(iterable, start, stop)切片迭代器。itertools.groupby(iterable, key)分组要求先按key排序。itertools.product(*iterables)笛卡尔积itertools.permutations()排列itertools.combinations()组合。import itertools # 串联 combined list(itertools.chain([1, 2], [3, 4], [5])) print(combined) # [1, 2, 3, 4, 5] # 笛卡尔积 colors [red, green] sizes [S, M] for c, s in itertools.product(colors, sizes): print(c, s) # red S, red M, green S, green M # 组合 print(list(itertools.combinations([1, 2, 3], 2))) # [(1, 2), (1, 3), (2, 3)]7.3 lambda与闭包实战lambda arguments: expression创建匿名函数适合简单逻辑。sorted(data, keylambda x: x[1])按第二个元素排序。lambda只能写一个表达式复杂逻辑还是用def。闭包是函数内部定义函数并返回内部函数引用外部变量。def outer(x): def inner(y): return x y; return inneradd5 outer(5)add5(3)得到8。闭包在装饰器和回调函数里用得很多。functools.partial(func, *args)固定部分参数返回新函数。partial(int, base2)创建一个二进制转十进制的函数binary_to_int(1010)得到10。from functools import partial # lambda排序 data [(apple, 3), (banana, 1), (cherry, 2)] data.sort(keylambda x: x[1]) print(data) # [(banana, 1), (cherry, 2), (apple, 3)] # 闭包 def multiplier(n): def multiply(x): return x * n return multiply double multiplier(2) triple multiplier(3) print(double(5)) # 10 print(triple(5)) # 15 # partial binary_to_int partial(int, base2) print(binary_to_int(1010)) # 108. 常见问题与排查技巧实录写了这么多年Python有些错误反复出现。我把最典型的几个整理成速查表遇到问题直接对照排查。8.1 函数使用高频错误速查表错误信息常见原因解决方法TypeError: int object is not iterable对整数用了for循环或list()检查变量类型用range()包裹KeyError: xxx字典访问不存在的键用dict.get(key, default)IndexError: list index out of range列表索引越界检查len()用切片或try/exceptValueError: invalid literal for int()字符串含非数字字符先strip()再判断isdigit()UnicodeDecodeError文件编码不匹配指定encodingutf-8或gbkAttributeError: NoneType object has no attribute函数返回None被当对象用检查函数返回值加判空IndentationError缩进不一致统一用4个空格别混用Tab8.2 参数传递的坑与经验Python的参数传递是传对象引用。可变对象列表、字典传进函数后修改会影响原对象不可变对象数字、字符串、元组不会。这个特性导致过很多bug函数里list.append()了元素调用方发现原列表也变了。默认参数只在函数定义时求值一次所以不要用可变对象做默认参数。def add(item, lst[])是经典错误多次调用会共享同一个列表。正确写法是def add(item, lstNone): if lst is None: lst []。# 错误示范 def add_item(item, lst[]): lst.append(item) return lst print(add_item(1)) # [1] print(add_item(2)) # [1, 2] 不是[2] # 正确写法 def add_item_safe(item, lstNone): if lst is None: lst [] lst.append(item) return lst print(add_item_safe(1)) # [1] print(add_item_safe(2)) # [2]8.3 性能优化的几个实用技巧字符串拼接用join()而不是。每次创建新字符串循环里拼接是O(n²)join()是O(n)。我处理十万行日志时用join()比快了近百倍。列表推导式比for循环append快因为推导式在C层面优化过。但推导式里不要做复杂计算可读性优先。用set做成员判断比list快得多。if x in big_list是O(n)if x in big_set是O(1)。数据量大时先转set。collections模块的Counter、defaultdict、deque比手动实现高效。Counter统计词频一行搞定deque做队列比list.pop(0)快。from collections import Counter, deque # 词频统计 words [a, b, a, c, b, a] counter Counter(words) print(counter.most_common(2)) # [(a, 3), (b, 2)] # 高效队列 queue deque([1, 2, 3]) queue.append(4) # 右端添加 queue.appendleft(0) # 左端添加 print(queue.popleft()) # 0左端弹出8.4 调试与排查的实战心得print()大法虽然土但有效。我习惯在关键分支加print(f[DEBUG] variable{variable})用f-string带上变量名排查完再删。assert断言用于开发阶段校验假设。assert len(data) 0, 数据为空条件不满足时抛AssertionError并显示消息。生产环境可以用-O参数禁用断言。logging模块比print更适合生产环境。logging.basicConfig(levellogging.INFO)配置日志级别logging.info()、logging.error()分级输出。日志可以写文件、带时间戳、按级别过滤。pdb调试器import pdb; pdb.set_trace()在代码里打断点运行时进入交互调试。命令n下一行s进入函数c继续p variable打印变量q退出。VS Code和PyCharm都有图形化调试器打断点、看变量、单步执行更直观。import logging logging.basicConfig( levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s ) def process(data): logging.info(f开始处理数据量: {len(data)}) try: result [x * 2 for x in data] logging.info(f处理完成结果量: {len(result)}) return result except Exception as e: logging.error(f处理失败: {e}, exc_infoTrue) raise8.5 虚拟环境与依赖管理python -m venv myenv创建虚拟环境source myenv/bin/activateLinux/Mac或myenv\Scripts\activateWindows激活。虚拟环境隔离项目依赖避免版本冲突。pip install package安装包pip freeze requirements.txt导出依赖列表pip install -r requirements.txt批量安装。国内下载慢可以指定镜像源但注意选择合规稳定的源。pip list查看已安装包pip show package查看包详情pip uninstall package卸载。pip install --upgrade package升级包。注意虚拟环境目录不要提交到Git在.gitignore里加上venv/或myenv/。依赖列表requirements.txt要提交方便别人复现环境。9. 我个人在实际操作中的体会这77个函数我用了五年多最大的感受是基础函数用熟了写代码的速度和代码质量会有质的飞跃。刚开始我也追求各种高级特性后来发现80%的问题用这77个函数就能解决剩下的20%再查文档也来得及。给新手的建议是不要死记硬背把这篇文章收藏起来写代码时遇到相关场景就翻出来看看。用着用着就形成肌肉记忆了。我当初把str、list、dict的常用方法各抄了十遍现在闭着眼都能写出来。最后分享一个我自己的习惯每学一个新函数就在REPL里试三种情况——正常输入、边界输入、错误输入。比如学split()试a,b,c.split(,)、.split(,)、a,b.split()。这样能快速摸清函数的脾气比看文档印象深得多。