没用过这6个高阶技巧，别说你是Python程序员

from collections import Counter

text = '''
Python 自动化 晚枫 python-office 办公 python-office Python 自动化 python-office 自动化 办公 晚枫 程序员 晚枫 python-office
'''

# 一行出词频排行榜
top3 = Counter(text.split()).most_common(3)
print(top3)  # [('python-office', 4), ('自动化', 3), ('晚枫', 3)]

import functools
import time


@functools.lru_cache(maxsize=None)  # 无限缓存
def slow_func(x):
    time.sleep(1)  # 一些很慢的逻辑
    return x * x


print(slow_func(10))  # 第一次1秒
print(slow_func(10))  # 第二次直接读缓存，毫秒级

# 需求：读取百万行日志，统计含“ERROR”的行数
# 传统写法，先把所有行读到内存
with open('huge.log') as f:
    lines = f.readlines()
error_lines = [l for l in lines if 'ERROR' in l]

# 高阶写法：把 [] 换成 ()，边读边算，内存恒稳
error_lines = (l for l in open('huge.log') if 'ERROR' in l)
print(sum(1 for _ in error_lines))     # 直接计数不占内存

from dataclasses import dataclass

@dataclass
class Employee:
    name: str
    age: int
    salary: float

# 两行搞定__init__/__repr__/__eq__
e = Employee('张三', 28, 20000.0)
print(e)        # Employee(name='张三', age=28, salary=20000.0)

# 需求：函数返回多个值，忽略中间无用字段
def get_user():
    return 'Alice', 28, 'alice@example.com', 'Shanghai'

name, age, _, city = get_user()      # _ 占位忽略邮箱
print(name, city)

# 只想要首尾，中间全部打包
first, *_, last = get_user()
print(first, last)      # Alice Shanghai

# 需求：大文件切片不复制
with open('big.bin', 'rb') as f:
    mm = memoryview(f.read())    # 零拷贝视图

# 只要前1MB与后1MB拼接，不额外占内存
new_data = mm[:1024*1024] + mm[-1024*1024:]
print(len(new_data))