Python基础教程（五十八）内建模块：Python内建模块深度探秘：解锁高效编程的隐藏利器

1. collections：超越基础数据结构的利器

场景：需要高效计数、维护有序字典或实现队列时

from collections import Counter, deque, OrderedDict  

# 频次统计  
word_counts = Counter("abracadabra")  
print(word_counts.most_common(3))  # [('a', 5), ('b', 2), ('r', 2)]  

# 线程安全双端队列  
d = deque(maxlen=3)  
d.append(1); d.append(2); d.append(3); d.append(4)  
print(d)  # deque([2,3,4], maxlen=3)  

# 记录插入顺序的字典  
od = OrderedDict()  
od['z'] = 1; od['a'] = 2  
print(list(od.keys()))  # ['z', 'a']  

2. itertools：迭代操作的终极武器

场景：组合生成、惰性计算与大数据流处理

from itertools import permutations, groupby, islice  

# 排列组合  
print(list(permutations('ABC', 2)))  # [('A','B'), ('A','C'), ...]  

# 分组连续相同元素  
data = sorted([("a",1), ("b",2), ("a",3)], key=lambda x:x[0])  
for key, group in groupby(data, key=lambda x:x[0]):  
    print(key, list(group))  # a [('a',1),('a',3)]  b [('b',2)]  

# 惰性读取大文件  
with open('massive.log') as f:  
    first_1000 = list(islice(f, 1000))  

3. functools：函数式编程的秘密引擎

场景：装饰器优化、函数缓存与高阶函数操作

from functools import lru_cache, partial  

# 自动缓存计算结果  
@lru_cache(maxsize=128)  
def fib(n):  
    return n if n < 2 else fib(n-1) + fib(n-2)  

print(fib(100))  # 秒级计算  

# 函数柯里化  
add_five = partial(lambda x,y: x+y, 5)  
print(add_five(10))  # 15  

4. os与json：系统与数据的黄金组合

场景：跨平台文件操作与结构化数据处理

import os, json  

# 安全路径拼接  
config_path = os.path.join(os.getcwd(), 'config', 'settings.json')  

# JSON数据持久化  
data = {"name": "Python", "version": 3.12}  
with open(config_path, 'w') as f:  
    json.dump(data, f, indent=2)  

# 环境变量读取  
print(os.environ.get('PATH', '').split(os.pathsep))  

性能对比：内建模块的优势

关键洞见：

• collections提供工业级数据结构实现
• itertools避免中间变量存储，节省内存
• functools通过装饰器改变函数行为
• os.path解决跨平台路径兼容性问题

掌握这些内建模块，能将复杂问题转化为简洁高效的Pythonic解决方案，显著提升代码质量与执行效率。