你想要的是能直接落地、解决日常编程痛点的Python小技巧，我整理了10个覆盖数据处理、代码简化、效率提升的高频技巧，每个都附示例代码和使用场景，新手也能快速上手。

1. 一键交换两个变量（无需临时变量）

核心技巧：用解构赋值直接交换，告别传统“temp中间变量”写法。

# 传统写法（繁琐）
a = 10
b = 20
temp = a
a = b
b = temp

# 简洁写法（推荐）
a, b = b, a
print(a, b)  # 输出：20 10

适用场景：变量值互换、数据排序时的元素交换。

2. 快速生成数字/字符序列（range/生成器）

核心技巧：用range()或生成器表达式快速造序列，替代手动敲列表。

# 生成0-9的整数列表
nums = list(range(10))
print(nums)  # 输出：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 生成1-100的偶数列表（生成器更省内存）
even_nums = [x for x in range(1, 101) if x % 2 == 0]
print(even_nums[:5])  # 输出：[2, 4, 6, 8, 10]

# 生成重复字符/字符串
chars = "a" * 5
print(chars)  # 输出：aaaaa

适用场景：循环遍历、测试数据生成、批量造数。

3. 列表/字典快速去重（保留顺序）

核心技巧：列表去重用dict.fromkeys()（3.7+保留顺序），字典去重直接取键。

# 列表去重（保留原顺序）
lst = [1, 2, 2, 3, 3, 3, 4]
unique_lst = list(dict.fromkeys(lst))
print(unique_lst)  # 输出：[1, 2, 3, 4]

# 字典去重（按值去重，保留第一个键）
d = {"a": 1, "b": 2, "c": 1, "d": 2}
unique_d = {}
for k, v in d.items():
    if v not in unique_d.values():
        unique_d[k] = v
print(unique_d)  # 输出：{'a': 1, 'b': 2}

适用场景：数据清洗、重复值过滤、统计唯一值。

4. 一行代码合并多个列表/字典

核心技巧：列表用+或extend，字典用|（3.9+）或update，简洁高效。

# 合并列表
lst1 = [1, 2, 3]
lst2 = [4, 5, 6]
merged_lst = lst1 + lst2  # 或 lst1.extend(lst2)
print(merged_lst)  # 输出：[1, 2, 3, 4, 5, 6]

# 合并字典（3.9+）
d1 = {"name": "张三", "age": 20}
d2 = {"gender": "男", "age": 21}
merged_d = d1 | d2  # 重复键取后一个值
print(merged_d)  # 输出：{'name': '张三', 'age': 21, 'gender': '男'}

适用场景：多数据源整合、配置项合并。

5. 快速统计列表元素出现次数（Counter）

核心技巧：用collections.Counter，替代手动循环计数，一行出结果。

from collections import Counter

lst = ["苹果", "香蕉", "苹果", "橙子", "香蕉", "苹果"]
count = Counter(lst)
print(count)  # 输出：Counter({'苹果': 3, '香蕉': 2, '橙子': 1})
print(count["苹果"])  # 输出：3（查单个元素次数）
print(count.most_common(2))  # 输出：[('苹果', 3), ('香蕉', 2)]（取前2多的元素）

适用场景：数据统计、词频分析、重复值排查。

6. 优雅处理空值/默认值（or/get）

核心技巧：用or给变量设默认值，字典用get()避免KeyError。

# 变量默认值（避免None/空字符串）
name = ""  # 或 None
real_name = name or "未知用户"
print(real_name)  # 输出：未知用户

# 字典取值（避免KeyError）
d = {"a": 1, "b": 2}
# 传统写法（易报错）
# print(d["c"])  # KeyError
# 优雅写法
print(d.get("c", 0))  # 输出：0（键不存在时返回默认值0）

适用场景：数据读取、参数校验、字典取值。

7. 批量读取文件（glob+with）

核心技巧：用glob匹配文件路径，with自动关闭文件，避免内存泄漏。

import glob

# 读取当前目录下所有.txt文件
for file_path in glob.glob("*.txt"):
    with open(file_path, "r", encoding="utf-8") as f:
        content = f.read()
        print(f"文件{file_path}内容：\n{content[:50]}...")  # 只打印前50字符

适用场景：批量处理日志、文本文件、数据文件。

8. 快速格式化字符串（f-string）

核心技巧：用f-string替代%或format，简洁且支持表达式。

name = "李四"
age = 25
# 传统写法（繁琐）
print("姓名：%s，年龄：%d" % (name, age))
# f-string写法（推荐）
print(f"姓名：{name}，年龄：{age}，明年年龄：{age + 1}")
# 输出：姓名：李四，年龄：25，明年年龄：26

# 格式化数字（保留2位小数）
num = 3.1415926
print(f"圆周率：{num:.2f}")  # 输出：圆周率：3.14

适用场景：日志输出、数据展示、字符串拼接。

9. 循环带索引（enumerate）

核心技巧：用enumerate同时获取索引和值，替代手动计数i += 1。

lst = ["a", "b", "c", "d"]
# 传统写法（易出错）
i = 0
for item in lst:
    print(f"索引{i}：{item}")
    i += 1

# 优雅写法
for idx, item in enumerate(lst, start=1):  # start指定索引起始值
    print(f"索引{idx}：{item}")
# 输出：
# 索引1：a
# 索引2：b
# 索引3：c
# 索引4：d

适用场景：遍历列表/元组、需要索引的循环操作。

10. 快速执行耗时统计（timeit）

核心技巧：用timeit测试代码运行时间，优化性能瓶颈。

import timeit

# 测试两种列表生成方式的耗时
# 方式1：列表推导式
t1 = timeit.timeit('[x for x in range(10000)]', number=1000)
# 方式2：for循环
t2 = timeit.timeit('lst=[]; for x in range(10000): lst.append(x)', number=1000)

print(f"列表推导式耗时：{t1:.4f}秒")
print(f"for循环耗时：{t2:.4f}秒")
# 输出示例：
# 列表推导式耗时：0.0821秒
# for循环耗时：0.1567秒

适用场景：代码性能优化、算法效率对比。

    这些技巧覆盖了Python日常开发80%的高频场景，熟练掌握后能显著提升编码效率，避免新手常见的“繁琐写法”和“低级错误”。需要我针对某一个技巧展开讲解，或补充更多场景的实战案例吗？