10 个 惊艳的 Pythonic 单行代码

昨天晚上十一点多，我在公司楼下拿着奶茶刷手机，群里有人突然问一句： “有没有那种又短又骚…啊不，又优雅的 Python 单行代码？能装个逼那种。”

我想了下，其实真有不少，而且真的不是花里胡哨，很多我自己线上业务里是天天用的那种。以前写数据库调优、MQ 踩坑的时候我就说过，能用一行优雅写清楚的东西，绝对不多打第二次字

就按聊天的节奏，一个个跟你说，都是可以直接粘贴进项目的。

先说第一个，经典到不能再经典

我感觉只要写过 Python 的都见过，但很多人刚开始不敢用。

第 1 个：一行交换两个变量

a, b = b, a

就是这么朴素，不用临时变量，不用中间过渡。

比如：

a, b = 3, 5
a, b = b, a
print(a, b)  # 5 3

你在别的语言里写习惯了 temp = a 那一套，每次看到这个都会有点舒爽，对吧。

第二个，有点“会了就离不开”的感觉

很多人学 Python，真正“入门 Pythonic”，我感觉都是从这个开始的。

第 2 个：一行搞定筛选 + 变换

比如取一串数字里所有偶数的平方：

squares = [x * x for x in nums if x % 2 == 0]

你就想象下传统写法，要先 new 一个列表，再 for，再 if，再 append，一大坨。现在一行就讲清楚了三件事：

• 我要遍历谁：for x in nums
• 要不要过滤：if x % 2 == 0
• 要把它变成啥：x * x

而且读起来是顺的，不绕。

第三个，处理二维列表的时候特别香

这个我在处理报表数据的时候用得多，比如数据库查出来一堆二维数组，你只想拿里面所有值拼一起。

第 3 个：一行拍扁二维列表

flat = [item for row in matrix for item in row]

看着有点绕，其实脑子里就当成两层 for：

flat = []
for row in matrix:
for item in row:
        flat.append(item)

它只是把这俩 for 串成一行了，而且顺序是从左到右越来越细。

如果你哪天写推荐系统、写点简单矩阵处理，这个真的很常用。

第四个，是我特别爱用的字典推导

我经常有这种场景：数据库查出来一堆用户，想按名字快速查分数，就会这样写。

第 4 个：一行把列表变成映射

name_to_score = {u["name"]: u["score"] for u in users}

等价于：

name_to_score = {}
for u in users:
    name_to_score[u["name"]] = u["score"]

一行的好处是： 你一眼就知道 key 是啥，value 是啥，来自哪个列表，逻辑特别集中。

再换个用法，经常还能反转一个字典：

reversed_map = {v: k for k, v in original.items()}

当然，前提是 value 没有重复。

第五个，处理字符串列表的时候是必备

比如你有一串 id 想拼成 "1,2,3" 这种样子，很多人上来就 for 循环去拼，其实完全没必要。

第 5 个：一行拼接字符串

csv_line = ",".join(str(x) for x in ids)

这行代码做了三件事：

• str(x) for x in ids 把每个元素都变成字符串（不管原来是 int 还是别的）
• "," 决定了用逗号作为分隔符
• join 把所有字符串连起来

我在做批量接口的时候，经常把一堆 id 拼成 SQL 的 in 条件或者日志字段，全靠它。

第六个，日志排查的时候很好用

这个真的是我深夜排故障时的心头好。比如一堆日志里我要找第一条 ERROR。

第 6 个：一行找到第一个满足条件的元素

first_error = next((line for line in lines if"ERROR"in line), None)

解释一下：

• (line for line in lines if "ERROR" in line) 是一个生成器，不会一次把所有结果拉出来，省内存
• next(..., None) 会从里面拿第一个，如果没有就给个默认值 None

这玩意儿比你写 for + break 那种结构要干净很多，逻辑非常集中： “从这些行里找第一个带 ERROR 的，没有就算了”。

第七个，是统计类需求的“核武器”

你要是还在手写那种 “如果 key 不在字典里就置 0 再 +1” 的写法，真的可以考虑升级一下。

第 7 个：一行搞定 TopN 统计

from collections import Counter
top3 = Counter(words).most_common(3)

Counter(words) 会帮你数好每个单词出现几次，most_common(3) 直接给你出现次数最多的 3 个。

比如：

from collections import Counter
words = ["a", "b", "a", "c", "b", "a"]
top3 = Counter(words).most_common(3)
print(top3)  # [('a', 3), ('b', 2), ('c', 1)]

写日志分析、评论词频、简单埋点分析，这一招特别省时间。

第八个，是那种“看起来普通，但非常实用”的

很多 Web 项目里，你会有一堆必填字段，做校验的时候不要一行一行 if，其实可以这样写。

第 8 个：一行做表单必填校验

is_valid = all(field.strip() for field in (name, email, phone))

含义就是： 把 name、email、phone 这几个字段都去掉前后空格，只要有一个是空字符串，all 就会返回 False。

改成更通用点的写法也行：

required = (name, email, phone)
is_valid = all(required)

只不过第一种去掉空格，防止用户输入一堆空格骗过校验。

第九个，有点进阶，但真的是业务里常见

比如你拿到一堆订单记录，想按照城市分组，很多人会写个大循环，在里面判断 key 在不在字典里，不如直接用工具人 itertools.groupby。

第 9 个：一行按某个字段分组

from itertools import groupby
grouped = {
    city: list(records)
for city, records in groupby(
        sorted(orders, key=lambda r: r["city"]),
        key=lambda r: r["city"],
    )
}

注意几点：

• groupby 要求事先按同样的 key 排好序，不然分组会乱
• groupby(..., key=...) 会帮你按 city 聚在一起
• 外面再套一层字典推导，最终得到 {"北京": [...], "上海": [...], ...} 这种结构

实际项目里比如按用户、按日期、按产品分组，都可以直接套这个套路，只要改下 key 就行。

第十个，是我个人最喜欢的一个

因为它能很优雅地把 if-elif-elif 那一大坨给“压扁”。

第 10 个：一行搞定“策略分发”

比如有一堆操作类型，不想写成这样：

if action == "create":
    handle_create(data)
elif action == "delete":
    handle_delete(data)
else:
    handle_unknown(data)

那就换成这个：

handler = {
"create": handle_create,
"delete": handle_delete,
}.get(action, handle_unknown)
handler(data)

或者如果你一定要严格意义的“单行”，也可以这样写：

{"create": handle_create, "delete": handle_delete}.get(action, handle_unknown)(data)

含义也很直白： 用 action 当 key 去字典里找对应的处理函数，找不到就用默认的 handle_unknown，然后立刻调用。

做接口路由、小型命令解析器、各种“操作类型”处理，这种写法看着很清爽。

差不多就这 10 个，都是我平时真正在写、在线上环境跑过的 Pythonic 单行代码，不是那种为了炫技写出来给人看的。

你完全可以找个现有的小脚本，把里面啰嗦的 for 循环、if 嵌套，慢慢替换成上面这种写法，你会发现代码字数在变少，可读性反而在变好。

行了我先去泡个咖啡，你要是手上有什么自己常用的单行写法，也可以丢几个出来，我们可以一起改一改，看看能 Pythonic 到什么程度。