多数开发者通过教程学Python，教程教的是语法——循环、类、字典。但有经验的Python工程师依赖一套完全不同的工具：惰性求值、描述符、动态类创建、函数式管道。
这些不是入门技巧，是架构层面的武器。
开始使用它们之后，项目体积缩小了，维护成本降低了，自动化也顺畅得多。以下是改变一切的七个技巧。
1、用生成器做惰性求值
自动化管道动辄处理数百万行数据，一次性全部加载就像试图用嘴去接消防水管。生成器的思路不同：不创建完整列表，而是按需逐个产出值。
旧方式
numbers = [x*x for x in range(1000000)]
print(sum(numbers))
内存中会出现一个巨大的列表。
可以改用生成器表达式
numbers = (x*x for x in range(1000000))
print(sum(numbers))
一个括号的差别，计算就变成了惰性流。Python逐个处理值，脚本运行更快，内存占用也低得多。
处理大规模数据集时，生成器应该是默认选项。
2、defaultdict：砍掉一半条件判断
典型的字典计数逻辑大概长这样：
counts = {}
for word in ["python", "code", "python"]:
if word not in counts:
counts[word] = 0
counts[word] += 1
用defaultdict重写
from collections import defaultdict
counts = defaultdict(int)
for word in ["python", "code", "python"]:
counts[word] += 1
print(counts)
条件判断没了，手动初始化没了，只剩下干净的逻辑。自动化系统中大量的指标追踪、日志统计、事件计数场景，
defaultdict
都能让代码变得克制而清晰。
3、Pathlib：字符串不该用来表示文件系统
Python自动化代码里最常见的坏味道之一：
import os
path = os.path.join("data", "logs", "file.txt")
字符串拼路径太脆弱。
pathlib
的出现正是为了解决这件事：
from pathlib import Path
path = Path("data") / "logs" / "file.txt"
print(path.exists())
路径成了对象，不再是易碎的字符串。目录扫描同样受益：
for file in Path("logs").glob("*.log"):
print(file)
可读性几乎不需要解释。涉及文件操作的代码都应该用
pathlib
。
4、functools.partial：函数的即时定制
第一次见到
partial
的时候会有种魔法感。
假设有一个函数：
def multiply(x, y):
return x * y
自动化管道里反复出现"乘以10"的操作，与其写包装函数，不如用
partial
直接固定参数：
from functools import partial
times10 = partial(multiply, 10)
print(times10(5))
输出：
50
一行代码就生成了一个特化版本。在构建数据管道和任务调度系统时，这种模式的价值会不断放大。
5、itertools：把嵌套循环拍平
接触
itertools
之前，循环写得像意大利面条，嵌套层层叠叠。
以生成组合为例。
嵌套写法
colors = ["red", "blue"]
sizes = ["S", "M"]
pairs = []
for c in colors:
for s in sizes:
pairs.append((c, s))
print(pairs)
用product改写
from itertools import product
colors = ["red", "blue"]
sizes = ["S", "M"]
pairs = list(product(colors, sizes))
print(pairs)
立刻干净了。排列组合、批量任务生成之类的自动化场景，
itertools
都能把多层嵌套压缩成一行声明式调用。
6、用type做动态类创建
多数开发者默认类必须在源码里预先定义。但Python允许在运行时创建类：
attributes = {
"name": "AutomationBot",
"run": lambda self: print("Running automation...")
}
Bot = type("Bot", (), attributes)
bot = Bot()
bot.run()
类是动态生成的。
自动化框架经常需要根据配置文件决定运行时行为，动态类正好解决了预定义结构无法覆盖的灵活性问题。
7、装饰器：把重复逻辑收成一行
装饰器是Python中最适合自动化的语言特性之一。
以函数执行日志为例，不用装饰器的写法：
def process():
print("Starting process")
print("Running task")
定义一个装饰器：
def logger(func):
def wrapper():
print("Starting process")
return func()
return wrapper
应用：
@logger
def process():
print("Running task")
process()
输出：
Starting process
Running task
任何函数都可以通过一行注解获得日志、重试、计时、校验等能力。在自动化系统中，这种模式能省掉数千行重复代码。
总结
多数开发者把精力花在学新库上，但真正带来质变的，是对Python语言本身的掌握。
生成器、装饰器、函数式工具、动态类——这些特性能把凌乱的脚本改造成结构清晰的工程系统。
与其反复问"下一个该学什么库"，不如换个方向：Python里还有哪些特性没有真正用透？
越往语言深处走，越能体会到一种朴素的美感。
by Adeel Siddiqui