Python编程语言中有哪些鲜为人知但很有用的特性?
尽量将答案限制在Python核心。 每个回答一个特征。 给出一个例子和功能的简短描述，而不仅仅是文档链接。 使用标题作为第一行标记该特性。
快速链接到答案:
参数解包 牙套 链接比较运算符 修饰符 可变默认参数的陷阱/危险 描述符 字典默认的.get值 所以测试 省略切片语法 枚举 其他/ 函数作为iter()参数 生成器表达式 导入该 就地值交换 步进列表 __missing__物品 多行正则表达式 命名字符串格式化 嵌套的列表/生成器推导 运行时的新类型 .pth文件 ROT13编码 正则表达式调试 发送到发电机 交互式解释器中的制表符补全 三元表达式 试着/ / else除外 拆包+打印()函数 与声明
当前回答
Inspect模块也是一个很酷的功能。
其他回答
如果你在你的应用程序中重命名了一个类，你正在通过Pickle加载用户保存的文件，而其中一个重命名的类存储在用户的旧保存中，你将不能加载这个Pickle文件。
然而，只要在你的类定义中添加一个引用，一切就好了:
例如,:
class Bleh:
pass
现在,
class Blah:
pass
所以，你的用户的pickle保存的文件包含一个Bleh的引用，它不存在，由于重命名。这是固定的吗?
Bleh = Blah
简单!
引用一个列表理解，因为它正在构建…
你可以引用一个列表推导式，因为它是由符号'_[1]'构建的。例如，下面的函数通过引用列表推导式对元素列表进行惟一化，而不改变它们的顺序。
def unique(my_list):
return [x for x in my_list if x not in locals()['_[1]']]
如果在函数中使用exec，变量查找规则将发生巨大变化。闭包不再可能，但Python允许在函数中使用任意标识符。这为您提供了一个“可修改的locals()”，并可用于星型导入标识符。缺点是，它会使每次查找都变慢，因为变量最终会在字典中而不是在帧中的槽中结束:
>>> def f():
... exec "a = 42"
... return a
...
>>> def g():
... a = 42
... return a
...
>>> import dis
>>> dis.dis(f)
2 0 LOAD_CONST 1 ('a = 42')
3 LOAD_CONST 0 (None)
6 DUP_TOP
7 EXEC_STMT
3 8 LOAD_NAME 0 (a)
11 RETURN_VALUE
>>> dis.dis(g)
2 0 LOAD_CONST 1 (42)
3 STORE_FAST 0 (a)
3 6 LOAD_FAST 0 (a)
9 RETURN_VALUE
从2.5开始字典有一个特殊的方法__missing__，用于调用缺少的项:
>>> class MyDict(dict):
... def __missing__(self, key):
... self[key] = rv = []
... return rv
...
>>> m = MyDict()
>>> m["foo"].append(1)
>>> m["foo"].append(2)
>>> dict(m)
{'foo': [1, 2]}
在集合中还有一个名为defaultdict的dict子类，它做了几乎相同的事情，但对于不存在的项调用了一个不带参数的函数:
>>> from collections import defaultdict
>>> m = defaultdict(list)
>>> m["foo"].append(1)
>>> m["foo"].append(2)
>>> dict(m)
{'foo': [1, 2]}
我建议将这些字典转换为常规字典，然后再将它们传递给不需要此类子类的函数。许多代码使用d[a_key]并捕获KeyErrors来检查是否存在一个项，这将向dict添加一个新项。
插入与追加
不是特稿，但可能会很有趣
假设您想要在列表中插入一些数据，然后反转它。最简单的方法是
count = 10 ** 5
nums = []
for x in range(count):
nums.append(x)
nums.reverse()
然后你会想:把数字从最开始插入怎么样?所以:
count = 10 ** 5
nums = []
for x in range(count):
nums.insert(0, x)
但它却慢了100倍!如果我们设置count = 10 ** 6，它将慢1000倍;这是因为插入是O(n²)，而追加是O(n)。
造成这种差异的原因是insert每次调用时都必须移动列表中的每个元素;Append只是在列表的末尾添加元素(有时它必须重新分配所有元素，但它仍然更快)
