干货来了

以下是 Python 中 12 个强大内置函数的深度解析，涵盖数据处理、代码优化和高级场景，助你写出更简洁高效的代码：

一、数据处理三剑客

1.map(function, iterable)

作用：对可迭代对象批量处理，返回生成器
示例：

nums = [1, 2, 3]
squares = list(map(lambda x: x**2, nums))  # [1, 4, 9]

优势：比 for 循环快 20%（避免显式循环）

2.filter(function, iterable)

作用：过滤符合条件的元素
示例：

evens = list(filter(lambda x: x%2==0, nums))  # [2]

陷阱：返回生成器，需用 list() 转换查看结果

3.sorted(iterable, key=None, reverse=False)

作用：返回新排序列表（不修改原数据）
高级用法：

users = [{"name": "Alice", "age": 25}, {"name": "Bob", "age": 20}]
sorted_users = sorted(users, key=lambda u: u["age"])  # 按年龄排序

二、迭代与生成器

4.zip(*iterables)

作用：并行迭代多个可迭代对象
示例：

names = ["Alice", "Bob"]
scores = [85, 92]
for name, score in zip(names, scores):
    print(f"{name}: {score}")  # Alice:85, Bob:92

# 转置矩阵
matrix = [[1,2], [3,4], [5,6]]
transposed = list(zip(*matrix))  # [(1,3,5), (2,4,6)]

5.enumerate(iterable, start=0)

作用：获取元素及其索引
示例：

for idx, char in enumerate("Python", start=1):
    print(f"{idx}: {char}")  # 1:P, 2:y...

6.any(iterable)/all(iterable)

作用：快速判断元素真假

data = [True, False, True]
print(any(data))  # True（至少一个为真）
print(all(data))  # False（不全为真）

三、数学与逻辑运算

7.sum(iterable, start=0)

作用：高效求和（比循环快3倍）
技巧：

sum_of_squares = sum(x**2 for x in nums)  # 生成器节省内存

8.divmod(a, b)

作用：同时返回商和余数
示例：

quotient, remainder = divmod(17, 5)  # (3, 2)

9.round(number, ndigits=None)

作用：四舍五入（处理银行家舍入法）
注意：

round(2.675, 2)  # 2.67（非2.68，因浮点数精度问题）

四、类型转换与检查

10.isinstance(object, classinfo)

作用：安全类型检查（优先于 type()）

if isinstance(num, (int, float)):  # 支持多类型检查
    process(num)

11.eval(expression)/exec(object)

作用：动态执行字符串代码（慎用！）
安全示例：

safe_dict = {"__builtins__": None}
eval("1 + 2", safe_dict)  # 3（限制访问内置函数）

12.format(value, format_spec)

作用：高级字符串格式化
高级用法：

print(format(0.12345, ".2%"))  # 12.35%（百分比格式化）
print(format(255, "04x"))      # 00ff（16进制补零）

五、实战性能对比

六、隐藏技巧与陷阱

1.min()/max()的key参数

高级排序：

files = ["file1.txt", "file12.txt", "file3.txt"]
longest = max(files, key=len)        # "file12.txt"
oldest = min(users, key=lambda u: u["age"])

2.iter()的双参数形式

创建终止条件的迭代器：

# 读取文件直到空行
with open("data.txt") as f:
    for line in iter(f.readline, "\n"):
        process(line)

3.vars(object)

获取对象属性字典：

class User:
    def __init__(self, name):
        self.name = name

u = User("Alice")
print(vars(u))  # {'name': 'Alice'}

七、最佳实践总结

1. 优先内置函数：比手动循环更高效简洁
2. 生成器替代列表：map()/filter() 返回生成器节省内存
3. 类型检查安全：用 isinstance() 而非 type()
4. 慎用动态执行：eval() 需严格限制输入来源

掌握这些函数后，你的代码将发生质变：

• 代码行数减少 30%-50%
• 内存消耗降低 40%（大数据场景）
• 可读性显著提升