10个提升代码效率的Python内置函数

目录一、 map() —— 高效批量映射二、 filter() —— 灵活筛选元素三、 zip() —— 并行迭代多个序列四、 enumerate() —— 同时获取索引与值五、 sorted() —— 通用排序利器六、all() —— 快速判断全真八、 sum() —— 数值求和极简方式九、 max() —— 最大值支持 key十、 min() —— 最小值对称于 max十一、总结前言写 Python 时你是否曾这样写过python # 手动累加 total 0 for num in numbers: total num # 手动记录索引 for i in range(len(names)): print(i, names[i])这种写法本身没错但不够Pythonic。Python 提供了大量内置函数它们经过高度优化既能提升代码可读性也能显著提高执行效率。本文将进行一些常见内置函数的介绍覆盖了映射、筛选、合并、排序、判断、聚合等常见场景。效率提升的来源多数内置函数内部用 C 语言实现避免了 Python 层的循环开销同时返回迭代器如 map、filter或惰性对象如 reversed内存占用更低。下面逐一详解一、 map() —— 高效批量映射基本用法map(function, iterable, ...)将 function 应用于 iterable 的每个元素返回一个迭代器。传统低效方式python nums [1, 2, 3, 4, 5] squared [] for n in nums: squared.append(n ** 2)使用 map() 提升效率python squared list(map(lambda x: x ** 2, nums)) # 或配合已有函数 squared list(map(int, nums)) # 类型转换 squared list(map(str.upper, [a,b])) # 字符串大写效率对比timeitpython import timeit nums list(range(10000)) def use_loop(): res [] for n in nums: res.append(n * 2) def use_map(): res list(map(lambda x: x * 2, nums)) print(timeit.timeit(use_loop, number1000)) # ~0.45s print(timeit.timeit(use_map, number1000)) # ~0.38s更快注意map 返回的是迭代器惰性求值用 list() 包裹才会立即计算。如果只是遍历直接for item in map(...): 更省内存。二、 filter() —— 灵活筛选元素基本用法filter(function, iterable)保留使 function 返回 True 的元素返回迭代器。传统方式python nums [1, 2, 3, 4, 5, 6] even [] for n in nums: if n % 2 0: even.append(n)使用 filter()python even list(filter(lambda x: x % 2 0, nums)) # 也可用 None 过滤假值 truthy list(filter(None, [0, 1, , hello])) # 得到 [1, hello]效率与可读性filter 配合列表推导式性能接近但语义更清晰能筛选出符合条件的元素。且 filter 配合 None 可一键去除所有“假值”False, 0, None, 等比手动判断简洁得多。三、 zip() —— 并行迭代多个序列基本用法zip(*iterables)将多个可迭代对象按位置打包成元组返回迭代器。传统索引方式python names [Alice, Bob, Charlie] scores [95, 82, 77] for i in range(len(names)): print(names[i], scores[i])使用 zip() 更优雅python for name, score in zip(names, scores): print(name, score)高阶用法python # 转置矩阵 matrix [[1,2,3], [4,5,6]] transposed list(zip(*matrix)) # [(1,4), (2,5), (3,6)] # 并行遍历三个列表 for a, b, c in zip(list1, list2, list3):效率zip 底层用 C 实现且不会像索引访问那样重复计算 len()对长序列提升明显。四、 enumerate() —— 同时获取索引与值基本用法enumerate(iterable, start0)返回 索引、值 的迭代器。传统 range(len()) 方式python fruits [apple, banana, orange] for i in range(len(fruits)): print(i, fruits[i])使用 enumerate()python for i, fruit in enumerate(fruits): print(i, fruit)指定起始索引for i, fruit in enumerate(fruits, start1): print(f{i}: {fruit})效率对比enumerate 比 range(len()) 更简洁且避免了重复属性查找。在大量循环中性能略有优势约 5%~10%更重要的是可读性大幅提升。五、 sorted() —— 通用排序利器基本用法sorted(iterable, keyNone, reverseFalse)返回一个新排序列表不改变原对象。传统方式冒泡/手动排序不推荐python data [3, 1, 4, 1, 5] # 手动排序既慢又容易错直接用 sorted使用 sorted()python sorted([3,1,4,1,5]) # [1,1,3,4,5] sorted([a,B,c], keystr.lower) # [a,B,c] 忽略大小写 sorted(student_list, keylambda s: s.age, reverseTrue)效率优势sorted 底层使用 Timsort 算法时间复杂度 O(n log n)且完全用 C 实现比任何手写的 Python 排序快数十倍。同时支持 key 函数可以高效处理复杂对象排序。六、all() —— 快速判断全真基本用法all(iterable)当所有元素为真时返回 True否则 False。空可迭代对象返回 True。传统 break 方式python def all_positive(nums): for n in nums: if n 0: return False return True使用 all() 一行搞定all_positive all(n 0 for n in nums)实用案例python # 检查字符串是否全为字母 if all(c.isalpha() for c in my_str): print(纯字母字符串) # 检查多个条件 conditions [x 0, y 10, z 5] if all(conditions): print(所有条件满足)效率all 会在遇到第一个假值时立即短路返回比手动循环更高效且写法更紧凑。七、any() —— 快速判断任一真基本用法: any(iterable)只要有一个元素为真就返回 True否则 False。空可迭代对象返回 False。传统方式python def has_negative(nums): for n in nums: if n 0: return True return False使用 any()has_negative any(n 0 for n in nums)实用场景python # 检查列表中是否存在某个值 if any(x target for x in huge_list): print(找到了) # 检查多个标志位 flags [False, False, True, False] if any(flags): print(至少一个标志为真)同样具备短路特性一旦找到真值立即停止适合快速判断。八、 sum() —— 数值求和极简方式基本用法: sum(iterable, start0) 返回数值总和。传统累加循环python total 0 for num in numbers: total num使用 sum()python total sum(numbers) # 计算平方和 sum_of_squares sum(x**2 for x in numbers) # 拼接数字列表start 参数 total sum(numbers, 100) # 总和再加 100效率对比python import timeit nums list(range(1000000)) def loop_sum(): s 0 for n in nums: s n return s def builtin_sum(): return sum(nums) print(timeit.timeit(loop_sum, number100)) # ~4.2s print(timeit.timeit(builtin_sum, number100)) # ~0.9s快 4~5 倍sum内部用 C 循环累加比 Python 级循环快得多。但注意sum不适用于字符串拼接应使用.join()。九、 max() —— 最大值支持 key基本用法max(iterable, *[, key, default]) 或 max(arg1, arg2, ...) 返回最大值。传统比较python # 找出年龄最大的学生 oldest students[0] for s in students[1:]: if s.age oldest.age: oldest s使用 max() keypython oldest max(students, keylambda s: s.age) # 或配合 operator.attrgetter from operator import attrgetter oldest max(students, keyattrgetter(age))更多例子python # 按绝对值取最大 max([-5, 2, -8, 3], keyabs) # -8 # 最长字符串 words [a, ab, abc] max(words, keylen) # abc # 多个参数直接比较 max(3, 5, 1, 9) # 9max 同样用 C 实现遍历且 key 函数只计算一次比手动循环并反复调用比较函数更高效。十、 min() —— 最小值对称于 max基本用法min(iterable, *[, key, default])返回最小值用法与 max 完全对称。传统方式 vs 内置方式python # 找出价格最低的商品 cheapest products[0] for p in products[1:]: if p.price cheapest.price: cheapest p # 使用 min cheapest min(products, keylambda p: p.price)实用场景python # 数值列表最小值 min([10, 2, 5, 7]) # 2 # 字典按值取最小 scores {A: 90, B: 75, C: 88} min_student min(scores, keyscores.get) # B # 配合 default 避免空列表报错 min([], default0) # 0十一、总结函数核心作用效率提升点map批量映射C 级循环 迭代器节省内存filter条件筛选惰性求值 C 实现过滤zip并行迭代避免索引访问一次性打包enumerate索引值比 range(len()) 更简洁轻量sorted通用排序Timsort C 实现比手写快几十倍all全真判断短路逻辑C 循环any任一真判断短路逻辑C 循环sum数值求和C 累加比 Python 循环快数倍max/min最值提取单次遍历 key 函数高效计算