列表推导式的妙用

列表推导式是Python中最优雅的特性之一，它能让代码更加简洁高效。例如，要生成1到10的平方列表，传统写法需要多行代码，而使用列表推导式只需一行：squares = [x2 for x in range(1, 11)]。这种写法不仅减少了代码量，执行效率也更高。在实际开发中，还可以添加条件判断，如只保留偶数的平方：squares = [x2 for x in range(1, 11) if x % 2 == 0]。

生成器表达式节省内存

当处理大量数据时，生成器表达式是更好的选择。与列表推导式不同，生成器表达式不会一次性生成所有数据，而是按需生成，极大节省内存。例如，使用(x2 for x in range(1000000))创建生成器，它只在需要时计算下一个值。这在处理大数据集或无限序列时特别有用。

上下文管理器确保资源释放

使用with语句和上下文管理器可以确保资源被正确释放。无论是文件操作、数据库连接还是线程锁，都应该使用with语句。例如，文件操作应该写成：with open('file.txt', 'r') as f: content = f.read()。这样即使发生异常，文件也会被正确关闭。还可以使用contextlib创建自定义上下文管理器。

装饰器增强函数功能

装饰器是Python中强大的元编程工具，可以在不修改原函数代码的情况下增强其功能。例如，可以编写一个计时装饰器来测量函数执行时间：

import time
def timer(func):
    def wrapper(args, kwargs):
        start = time.time()
        result = func(args, kwargs)
        end = time.time()
        print(f函数执行时间: {end - start}秒)
        return result
    return wrapper

使用f-string进行字符串格式化

Python 3.6引入的f-string是最直观高效的字符串格式化方法。相比传统的%格式化和str.format()方法，f-string更简洁易读：name = 张三; age = 25; print(f我叫{name}，今年{age}岁)。f-string还支持表达式和函数调用，如f结果是{2 + 3}。

利用collections模块的高级数据结构

collections模块提供了许多有用的数据结构。defaultdict可以避免键不存在的KeyError，Counter可以快速计数，deque支持高效的双端操作。例如，使用Counter统计词频：from collections import Counter; words = ['a', 'b', 'a', 'c']; word_count = Counter(words)。

使用enumerate和zip简化循环

在需要索引的循环中，使用enumerate比手动维护索引更优雅：for i, item in enumerate(items):。当需要同时遍历多个序列时，zip函数非常有用：for name, age in zip(names, ages):。Python 3.10还引入了strict参数，确保序列长度一致。

异常处理的正确姿势

合理的异常处理能让程序更健壮。应该具体捕获可能发生的异常，而不是简单地使用except Exception。使用else子句处理没有异常的情况，finally子句确保清理操作一定会执行。还可以自定义异常类，使错误信息更明确。

利用函数注解提升代码可读性

Python 3的函数注解功能可以标明参数和返回值的类型，虽然不影响运行，但能大大提升代码可读性和可维护性。例如：def greet(name: str) -> str: return fHello, {name}。结合mypy等工具，还可以实现静态类型检查。

掌握itertools模块的高效迭代

itertools模块提供了许多高效的迭代器工具。chain可以连接多个迭代器，islice可以对迭代器进行切片，cycle可以无限循环，combinations和permutations可以生成组合和排列。这些工具能帮助处理复杂的迭代需求，同时保持代码的简洁性。