当前位置：首页>python>介绍几个实用的Python代码“高级简化写法”

介绍几个实用的Python代码“高级简化写法”

2026-10-11 07:39:56

来源：网络

列表推导式

场景：根据一个列表，生成另一个新列表。

传统写法：

old_list = [1, 2, 3, 4, 5]new_list = []for i in old_list:    if i % 2 == 0:        new_list.append(i ** 2)print(new_list)  # 结果: [4, 16]

高级写法（列表推导式）：

old_list = [1, 2, 3, 4, 5]new_list = [i ** 2 for i in old_list if i % 2 == 0]print(new_list)

解析：把 for 循环和 if 判断压缩到一行。阅读顺序是从中间向外看。

字典推导式

场景：快速翻转字典的 Key 和 Value，或者批量处理字典的值。

传统写法：

old_dict = {'a':1,'b':2,'c':3}new_dict = {}for k,v in old_dict.items():    new_dict[v] = kprint(new_dict) # 结果：{1: 'a', 2: 'b', 3: 'c'}

高级写法：

old_dict = {'a': 1, 'b': 2, 'c': 3}new_dict = {v: k for k, v in old_dict.items()}print(new_dict)

三元运算符

场景：根据条件给变量赋不同的值，用一行代替 if-else。

传统写法：

score = 85if score >= 60:    result = "及格"else:    result = "不及格"print(result)

高级写法:

score = 85result = "及格" if score >= 60else"不及格"print(result)

解析：语法是结果A if 条件 else 结果B。条件为真返回A，否则返回B。比较常用。

链式比较

场景：判断一个值是否在某个区间内。

传统写法：

age = 25if age >= 18 and age <= 60:    print("成年人")

高级写法：

age = 25if 18 <= age <= 60:    print("成年人")

解析：Python 允许像数学公式一样把比较符连起来，不仅好看，而且效率更高。

解包赋值

场景：交换变量值，或者快速提取列表/元组中的元素。

传统写法：

# a b 交换值a = 1b = 2temp = aa = bb = temp# 提取坐标point = [111.9, 31.9]lon = point[0]lat = point[1]

高级写法：

# 交换变量a = 1b = 2a, b = b, a# 提取坐标point = [111.9, 31.9]lon, lat = point

解析：右侧的序列会自动按位置拆包，一一对应赋值给左侧的变量。

字典的.get()方法

场景：从字典取值，但如果 Key 不存在会报 KeyError，通常需要先判断。

传统写法：

data = {'name': 'Bob', 'age': 25}if 'gender' in data:    gender = data['gender']else:    gender = '未知'

高级写法：

data = {'name': 'Bob', 'age': 25}gender = data.get('gender', '未知')

解析：dict.get(key, default)，如果 key 存在返回其值，不存在则返回 default，不设置 default 就返回None，完美避免报错。

f-string 格式化（Python 3.6+）

场景：把变量嵌入到字符串中。

传统写法：

data = {'name': 'Bob', 'age': 25}info = '姓名：' + data['name'] +'，年龄：' + str(data['age'])print(info)# % 格式化info = '姓名：%s，年龄：%d' % (data['name'], data['age'])print(info)

高级写法：

data = {'name': 'Bob', 'age': 25}info = f'姓名：{data["name"]}，年龄：{data["age"]}'print(info)

解析：只需在字符串前加个 f，就可以在 {} 里直接写 Python 变量甚至表达式（如 {age + 1}）。

Any / All 函数

场景：判断一个列表里是否“存在”满足条件的元素，或者是否“所有”元素都满足条件。

传统写法：

nums = [2, 4, 6, 8]# 判断是否全为偶数all_even = Truefor n in nums:    if n % 2 != 0:        all_even = False        break

高级写法：

nums = [2, 4, 6, 8]all_even = all(n % 2 == 0for n in nums)  # 全为偶数？是否全部为Truehas_odd = any(n % 2 != 0for n in nums)  # 有奇数？是否有一个为True

解析：结合生成器表达式，不仅代码短，而且 all 和 any 具有短路特性（只要发现一个 False/True 就立刻停止遍历），非常高效。

numpy 中用布尔索引过滤数据

场景：当用一个布尔数组作为索引去切片另一个数组时，NumPy 会只保留布尔数组中为 True 的对应位置的元素，把为 False 的元素扔掉。

传统写法：

import numpy as np# 监测点的经纬度lons = np.array([111.5, 110.0, 111.8, 112.5])lats = np.array([31.5, 31.2, 35.0, 31.8])# 监测值：如风度、湿度等values = np.array([10, 20, 30, 40])# 假设监测范围如下lon_min = 111lon_max = 112lat_min = 31lat_max = 32# 筛选出满足经纬度条件的new_lons = []new_lats = []new_values = []for i inrange(len(lons)):    if (lons[i] >= lon_min) and (lons[i]<=lon_max) and (lats[i] >= lat_min) and(lats[i]<=lat_max):        new_lons.append(lons[i])        new_lats.append(lats[i])        new_values.append(values[i])

高级写法：

# 将上面那段循环和判断替换成以下代码mask = (lons >= lon_min) & (lons <= lon_max) & (lats >= lat_min) & (lats <= lat_max)new_lons = lons[mask]new_lats = lats[mask]new_values = values[mask]

解析：