十年总结:写好 Python 函数的 5 个关键习惯

十年写下来，我发现函数写得好不好，真的能看出一个人的编程段位。

但别被 "段位" 这个词吓到——今天这 5 个技巧不难，关键是养成习惯。

1. 用 operator 模块替代 lambda

那次代码评审，同事指着我的lambda表达式说，这玩意儿能用operator.replace，性能翻倍。

我当场愣住，原来Python还藏着这种“作弊码”。 

新手常这么写 ：

from functools import reducenumbers = [1, 2, 3, 4, 5]product = reduce(lambda x, y: x * y, numbers)students = [{'name': 'Alice', 'score': 85}]sorted_students = sorted(students, key=lambda s: s['score'])

老司机推荐用 operator 提速 ：

from functools import reducefrom operator import mul, itemgetternumbers = [1, 2, 3, 4, 5]product = reduce(mul, numbers)  # 比 lambda 更快print(product)  # 120students = [{'name': 'Alice', 'score': 85}]sorted_students = sorted(students, key=itemgetter('score'))

operator 模块提供函数化的运算符：mul（乘）、add（加）、itemgetter（取值）等。比 lambda 更快（C 实现），语义也更清晰。

2. 用 singledispatch 实现函数重载

有次为了处理多种数据类型的逻辑，写了满屏的 if isinstance 判断，直到看到同事用装饰器优雅地实现了“类型分发”，才惊觉自己写代码像在用蛮力搬砖。 

大家容易陷入的写法 ：

def process(data):    if isinstance(data, str):        return data.upper()    elif isinstance(data, list):        return [x * 2 for x in data]    elif isinstance(data, dict):        return {k: v.upper() for k, v in data.items()}

更 Pythonic 的解耦姿势 ：

from functools import singledispatch@singledispatchdef process(data):    raise TypeError(f'Unsupported type: {type(data)}')@process.register(str)def _(data):    return data.upper()@process.register(list)def _(data):    return [x * 2 for x in data]@process.register(dict)def _(data):    return {k: v.upper() for k, v in data.items()}

singledispatch 实现基于第一个参数类型的函数重载，比一连串 isinstance 更优雅可扩展。新类型只需注册新实现，不修改原函数。

3. 用 reduce 实现累积计算

有次在GitHub上刷到一个开源项目，看到作者用reduce一行代码完成了我原本需要写循环才能实现的累积计算，当场就惊了——原来Python的函数式编程还能这么玩！ 

很多人习惯这样写 ：

numbers = [1, 2, 3, 4, 5]total = 0for n in numbers:    total += nprint(total)

更优雅的函数式写法 ：

from functools import reducefrom operator import mulnumbers = [1, 2, 3, 4, 5]# 求积product = reduce(mul, numbers)print(product)  # 120# 求最大公约数from math import gcdfrom functools import reducenums = [12, 18, 24]result = reduce(gcd, nums)print(result)  # 6

reduce 将二元函数逐步应用于序列，实现左折叠。求和用 sum()，求积可以用 reduce(mul)。注意 reduce 在 Python 3 中移到了 functools。

4. 用 contextmanager 自定义上下文管理器

这个坑我踩过，说出来不怕你笑话，当时为了写个计时器类，光 __enter__ 和 __exit__ 的样板代码就敲得手酸，debug 了半小时才发现是缩进出了问题。 

很多人会这样写：

import timeclass Timer:    def __enter__(self):        self.start = time.perf_counter()        return self    def __exit__(self, *args):        self.elapsed = time.perf_counter() - self.start        print(f'耗时: {self.elapsed:.4f}s')

老司机推荐用装饰器“降维打击”： 

import timefrom contextlib import contextmanager@contextmanagerdef timer(label='Block'):    start = time.perf_counter()    yield    elapsed = time.perf_counter() - start    print(f'{label} 耗时: {elapsed:.4f}s')with timer('排序'):    sorted(range(1000000))

contextmanager 装饰器让你用生成器函数创建上下文管理器，比写 __enter__/__exit__ 类简洁得多。yield 前是进入逻辑，yield 后是退出逻辑。

5. 函数参数中的 / 和 * 分隔符

学生时代要是早知道这个，我的课程作业至少能快一倍。

很多人会这样写：

def greet(name, greeting='Hello'):    # 调用者可能写 greet(greeting='Hi', name='Bob')    # 但你想强制 name 只能按位置传    print(f'{greeting}, {name}!')

老司机推荐用参数分隔符精准控制： 

def greet(name, /, *, greeting='Hello'):    print(f'{greeting}, {name}!')greet('Alice')              # OKgreet('Bob', greeting='Hi') # OK# greet(name='Alice')       # TypeError! name 只能按位置传

/ 之前的参数只能按位置传，* 之后的只能用关键字传。这样可以防止调用者依赖参数名（方便以后重命名），同时强制某些参数必须显式命名。

这 5 招不算高深，但都是实打实用了十年的东西，希望你少走我走过的弯路。

觉得有用就转给你身边正在学 Python 的朋友。

下期预告：内置模块专场

关于作者

写了 10 年 Python，赶上了机器学习的热潮，又撞上了大模型的浪头，每次以为学明白了，行业又变了一次。把自己踩过的坑、走过的弯路、看过的热闹，说给还在路上的人听。

关注「鲁叶的Python」，一起穿越迷茫期。