奇酷總結：Python學習用得到的黑魔法!

　　舉個例子，Python可以重新綁定解釋器的excepthook，這樣當程序異常結束時就可以做一些自定義的處理，我自己就一直拿這個配合ipdb進行debug。用以下代碼聲明一個ExceptionHook：

　　class ExceptionHook :

　　instance = None

　　def __call__(self, *args, **kwargs) :

　　if self.instance is None:

　　from IPython.core import ultratb

　　self.instance = ultratb.FormattedTB(mode = "Plain", color_scheme = "Linux", call_pdb = 1)

　　return self.instance(*args, **kwargs)

　　然后

　　import sys

　　sys.exceptionhook = ExceptionHook()

　　重設完exceptionhook后，一旦你的代碼拋出異常，整個解釋器的環境都會被ipdb接管，然后就可以像交互模式下那樣使用了。通常我會在里面查一下棧，把必要的對象pickle一下，這樣以后復現錯誤也比較容易。

　　由于IPython是非GUI的程序，所以即便在SSH里也可以使用這招，完美解決SSH缺少IDE難以debug的窘境。

　　動態綁定的另一個用處，就是當程序依賴一個修改過的庫時，可以把修改的部分剝離出來，在運行時動態綁定到對應的庫上去就行。如果修改的是成員方法，需要這樣綁定：

　　from types import MethodType

　　def _foo(self, ...):

　　pass

　　obj.foo = MethodType(_foo, obj)

　　順帶提一下，pickle也是個非常好用的工具，盡管序列化并不是python的專利。pickle可以用來保存各種運行過程中的對象：

　　import pickle

　　pickle.dump(xxx, open("xxx.dump", "w"))

　　yyy = pickle.load(open("yyy.dump"))

　　pickle可以減少很多工作量，尤其是在復現bug時，把正確部分的運行結果pickle下來，這樣每次可以從pickle的位置開始運行。跑多個相似的baseline時也有很好的效果。不足的是pickle比較吃硬盤，pickle一堆東西后很容易就十幾個G了，而且pickle不能序列化動態生成的對象，比如lambda表達式或者上面提到的動態綁定產生的成員方法。

　　自省方面，Python可以通過dir()和help()函數分別取得對象下成員的列表和幫助，這個在找不到庫文檔的時候非常好用。只要開發者在函數下面寫了注釋，就能在help中看到。

　　除了上面提到的這些特性，python還有一堆小trick，其他回答里也提到了一些。雖然其中很多是語法糖，不過用好它們可以讓程序更pythonic：

　　1 類中用__slots__將成員靜態化，可以節省大量內存。

　　2 裝飾器，常見用途如函數計時，亦可用來產生新的函數簽名。函數簽名會影響傳參檢查和ide補全，對帶不定長參數的函數非常有用。很多庫中都會用這種方法來兼容不同版本的API。

　　3 生成器，對于只需遍歷的數據可以節省大量內存。

　　4 *和**參數展開。典型的例子是zip(*list_x)和chain(*list_x)，分別相當于轉置和concatenate。

　　5 if __name__ == "__main__": 檢查是否作為主程序調用，用multiprocessing并行時主程序得用這個框起來。

　　6 enumerate，例如將一個list變成list2index可以用dict([(x, i) for i, x in enumerate(list_x)])

　　7 namedtuple，生成類似于C語言的結構體，同時支持tuple的所有語法。

　　8 defaultdict，做統計時不用初始化的dict，可以用lambda實現嵌套構造defaultdict(lambda : defaultdict(int))，甚至遞歸字典tree = lambda : defaultdict(tree)。