1. 生成器与迭代器
核心：二者均用于遍历，迭代器需实现__iter__和__next__方法；生成器用yield定义，惰性计算省内存，可通过send()控制逻辑，适用于大数据、大文件场景。
# 生成器示例
defdata_generator():
foriinrange(1000000):
yieldi# 惰性生成
gen=data_generator()
print(next(gen)) # 逐次取值
2. 装饰器
核心：装饰器是高阶函数嵌套，不修改原函数即可添加功能（日志、计时等），依赖闭包，@语法简化调用，是后端开发核心技术。
# 装饰器示例
importtime
deftimer(func):
defwrapper(*args, **kwargs):
start=time.time()
res=func(*args, **kwargs)
print(f"耗时：{time.time()-start:.4f}秒")
returnres
returnwrapper
3. 上下文管理器
核心：自动管理资源（文件、数据库等），避免泄露。可调用内置（with open()）或自定义（实现__enter__、__exit__方法）。
# 上下文管理器示例（内置）
withopen("test.txt", "r") asf:
print(f.read()) # 自动关闭文件，无需手动close()
4. 闭包
核心：闭包是装饰器底层，内层函数引用外层变量且被返回，可保留变量状态、实现数据隔离，注意避免引用可变变量的问题。
# 闭包示例
defouter(count):
definner():
nonlocalcount
count+=1
returncount
returninner
counter=outer(0)
print(counter()) # 1
5. 魔法方法
核心：双下划线特殊方法（如__init__、__str__），自动触发，用于自定义类行为，简化代码，是面向对象核心拓展。
# 魔法方法示例
classStudent:
def__init__(self, name):
self.name=name
def__str__(self):
returnf"Student({self.name})"
print(Student("小明")) # 触发__str__，输出Student(小明)
6. 列表推导式与字典推导式
核心：简洁语法糖，快速创建列表/字典，替代for循环，效率高，可结合条件筛选，避免嵌套过深影响可读性。
# 推导式示例
list1= [iforiinrange(5) ifi%2==0] # 列表推导式：[0,2,4]
dict1= {i:i*2foriinrange(3)} # 字典推导式：{0:0,1:2,2:4}
7. 模块化与包
核心：模块化拆分代码到.py文件，包是模块集合（含__init__.py），实现代码复用、降低耦合，通过import导入，适配工程化开发。
# 模块化示例（假设test.py为模块）
importtest# 导入模块
fromtestimportfunc# 导入模块中的函数
8. 异常处理进阶
核心：除基础try-except，支持捕获多异常、自定义异常，可通过raise主动抛异常，提升程序容错性，便于问题定位。
# 异常处理示例
classMyError(Exception): # 自定义异常
pass
try:
num=int(input("输入数字："))
ifnum<0:
raiseMyError("数字不能为负")
exceptValueError:
print("请输入有效数字")
exceptMyErrorase:
print(e)
9. 深浅拷贝
核心：用于复制对象，浅拷贝仅复制表层数据，深拷贝递归复制所有层级数据，避免修改副本影响原对象，常用copy模块实现。
# 深浅拷贝示例
import copy
a = [1, [2, 3]]
b = copy.copy(a) # 浅拷贝
c = copy.deepcopy(a)# 深拷贝
a[1].append(4)
print(b) # [1, [2, 3, 4]]（受原对象影响）
print(c) # [1, [2, 3]]（不受影响）
10. 函数式编程
核心：基于不可变数据，依赖纯函数（无副作用），常用map、filter、reduce函数，简化逻辑，提升代码可读性与可维护性。
# 函数式编程示例
from functools import reduce
# map映射、filter筛选、reduce聚合
nums = [1,2,3,4]
print(list(map(lambda x: x*2, nums))) # [2,4,6,8]
print(list(filter(lambda x: x%2==0, nums))) # [2,4]
print(reduce(lambda x,y: x+y, nums)) # 10
