Python 速查 · 刷题高频小细节
写算法时，让代码 Pythonic 比"会写"更能体现熟练度。这里收录刷 LC 时反复用到、又最容易写错的小细节。每节末尾会有微选择题（构建中）。
1. 切片 / Slicing
python
a = [0, 1, 2, 3, 4, 5]
a[1:4] # [1, 2, 3] —— 包左不包右
a[:3] # [0, 1, 2]
a[3:] # [3, 4, 5]
a[-2:] # [4, 5] —— 后两个
a[::-1] # [5, 4, 3, 2, 1, 0] —— 翻转
a[::2] # [0, 2, 4] —— 步长 2
a[1:5:2] # [1, 3]陷阱：
a[10:100]不会越界，只会得到空列表/已有部分。但a[10]会越界。- 切片生成新对象（浅拷贝），改 a[1:3] 不会改原 a。
- 字符串切片同理；但不能切片赋值到字符串（不可变）。
2. enumerate
python
for i, x in enumerate(arr): # 默认从 0 开始
...
for i, x in enumerate(arr, start=1): # 显式起点
...陷阱：用 for i in range(len(arr)) 是最不 Pythonic 的写法之一，面试时少用。
3. dict / set
python
d = {} # 空字典
s = set() # 空集合（{} 是 dict 不是 set！）
# in 查询都是 O(1)
'k' in d # 查 key
1 in s
# 安全取值
d.get(k, default) # k 不在时返回 default，不抛 KeyError
# 删除
d.pop(k, None) # 安全删除
del d[k] # k 不在会 KeyError
# 遍历
for k, v in d.items(): ...
for k in d: ... # 等价于 d.keys()
# Python 3.7+ dict 保插入序
list(d.keys()) # 按插入顺序4. collections（必背 4 个）
python
from collections import Counter, defaultdict, deque, OrderedDict
# Counter —— 计数神器
Counter("aabbc") # {'a': 2, 'b': 2, 'c': 1}
Counter(s) == Counter(t) # 字母异位词判定一行解决
Counter(arr).most_common(k) # Top-K 元素
# defaultdict —— 自动初始化
g = defaultdict(list) # g[新key] 自动给 []
g['a'].append(1) # 不需要先检查
# deque —— 双端队列，O(1) 头尾插删
q = deque()
q.append(x) # 右进
q.popleft() # 左出
q.appendleft(x) # 左进
q.pop() # 右出
# BFS 必用！
# OrderedDict —— LRU 缓存常用
od = OrderedDict()
od.move_to_end(k) # 移动到末尾
od.popitem(last=False) # 弹出最早的5. heapq（最小堆）
python
import heapq
h = []
heapq.heappush(h, x) # 入堆
heapq.heappop(h) # 弹最小
h[0] # 看堆顶不弹
heapq.heapify(arr) # 原地建堆 O(n)
heapq.nlargest(k, arr) # Top-K 大
heapq.nsmallest(k, arr) # Top-K 小
# 求最大堆？取负！
heapq.heappush(h, -x)
-heapq.heappop(h)6. bisect（二分查找）
python
import bisect
bisect.bisect_left(arr, x) # x 应插入的位置（左偏）
bisect.bisect_right(arr, x) # 右偏
bisect.insort(arr, x) # 二分插入LIS 题用 bisect_left + tails 数组可压到 O(n log n)。
7. itertools / functools 常用
python
from itertools import combinations, permutations, product, accumulate
list(combinations([1,2,3], 2)) # [(1,2),(1,3),(2,3)]
list(permutations([1,2,3], 2)) # 全排列
list(product([0,1], repeat=3)) # 笛卡尔积，回溯模板
list(accumulate([1,2,3,4])) # 前缀和：[1,3,6,10]
from functools import lru_cache, reduce
@lru_cache(maxsize=None) # 记忆化 DP 一行
def f(i, j): ...8. 字符串常见操作
python
s.lower() / s.upper() / s.strip()
s.split(',') # 按逗号切
','.join(parts) # 反向连接
s.startswith(p) # 前缀判断
s.find(sub) # 找不到返回 -1（不抛异常）
sorted(s) # 字符列表，可作字母异位词 key
ord('a'), chr(97) # 字符 ↔ 整数9. 列表推导与生成器
python
[x*2 for x in arr if x > 0] # 列表推导
{x: i for i, x in enumerate(arr)} # 字典推导
{x for x in arr} # 集合推导
sum(x*x for x in arr) # 生成器（不占内存）10. 常踩的小坑
| 坑 | 说明 |
|---|---|
arr.sort() 返回 None | 用 sorted(arr) 才有返回值 |
int / int 默认是 float | 需要整除写 // |
nums[i] = nums[j] 不会复制对象 | 改可变对象时仍指向同一个 |
dict 在迭代中不能改大小 | 用 list(d.keys()) 拷贝再遍历 |
{} 是 dict，set() 才是空集合 | 高频考点 |
is vs == | is 比身份（id），== 比值；除 is None 外都用 == |
微选择题正在准备中
本页的每节之后都会挂一组 <LcLesson> 微选择题（如"heapq.heappush(h, x) 之后，h[0] 一定是最小元素吗？"），帮你把这些细节练成肌肉记忆。