说真的，每次看到有人在 sorted 或者 map 里头，吭哧吭哧地手写 lambda x: x[1] 或者 lambda user: user.name，我就有点坐不住。哥们，你是不是忘了Python自带的那个“瑞士军刀”？
我说的就是 operator 模块。
这玩意儿，导入的方式简单到令人发指：
import operator
就这一行。没了。但就是这一行代码，能给你的代码质量带来一次不大不小的飞跃。它不是什么黑魔法，它就是把Python里那些你天天用的操作符，比如 +, -, *, /, [], .，全都给你包装成了函数。
你可能会撇撇嘴：“这有啥用？我直接写 a + b 不比 operator.add(a, b) 方便多了？”
问得好。在简单场景下，确实没啥区别。但你一旦把函数当成“一等公民”传来传去，那感觉，可就完全不一样了。
想象一下，你要对一个数字列表求累积和。用 functools.reduce，你可能会这么写：
from functools import reduce
numbers = [1, 2, 3, 4, 5]
reduce(lambda x, y: x + y, numbers)
看起来还行，对吧？但如果用 operator.add 呢？
reduce(operator.add, numbers)
看到了吗？代码的意图一下子就清晰了。我们不是在定义一个匿名的“加法行为”，我们是在直接使用一个具名的、代表“加法”这个概念的函数。代码不光是给机器看的，更是给人看的。这种“所见即所得”的清晰感，千金不换。
但说实话，operator.add、operator.sub 这些只是开胃小菜。真正让 operator 模块封神的，是那三位“大将”：operator.itemgetter、operator.attrgetter 和 operator.methodcaller。
itemgetter：列表/字典的取值利器
这绝对是 operator 模块里我用得最多的一个。它就是为了从序列或者字典里取东西而生的。
举个最经典的例子，排序。假设你有一堆学生数据，存放在元组列表里，像这样：
students = [('张三', 18, 95), ('李四', 19, 88), ('王五', 18, 92)]
现在，你想按成绩（第三个元素）给他们排个序。用 lambda，你会这么干：
sorted_students = sorted(students, key=lambda s: s[2])
没毛病，但有点啰嗦。现在看看 itemgetter 的表演：
sorted_students = sorted(students, key=operator.itemgetter(2))
感觉怎么样？是不是像用一把精准的手术刀，直接告诉 sorted 函数：“喂，你就看每个元素的第2个位置（索引从0开始），照着它排就行了！”。不仅代码更短，更重要的是，它的执行效率通常比 lambda 要高。因为 itemgetter 是用C语言实现的，它在底层直接优化了取值操作，省去了 lambda 函数调用那一丢丢的开销。在处理海量数据时，这点性能差异，可能会让你感激涕零。
更骚的操作是，itemgetter 还能一次取多个值！
get_name_and_score = operator.itemgetter(0, 2)
get_name_and_score(students[0])
# 输出: ('张三', 95)
这个特性在数据转换和提取的场景下，简直不要太好用。
attrgetter：面向对象的优雅伴侣
如果你的数据不是元组或字典，而是一堆对象呢？别急，attrgetter 早就等着你了。它干的事和 itemgetter 类似，只不过一个是扒拉索引 []，一个是点 . 属性。
我们来定义一个简单的 User 类：
class User:
def __init__(self, name, age):
self.name = name
self.age = age
users = [User('Alice', 25), User('Bob', 20), User('Charlie', 30)]
想按年龄排序？lambda 方案是：
sorted_users = sorted(users, key=lambda u: u.age)
而用 attrgetter：
sorted_users = sorted(users, key=operator.attrgetter('age'))
同样地，代码更具声明性。你不是在描述“如何去获取age”，你是在直接声明“我要用’age’这个属性”。这种从“过程式”到“声明式”的思维转变，是写出优雅Python代码的关键一步。
attrgetter 也能处理链式调用，也就是“点点点”那种。比如你的对象结构是这样的：
user.address.city
那么，你可以这么写：
get_city = operator.attrgetter('address.city')
它会自动帮你完成这串点操作。你说香不香？
methodcaller：调用方法的“遥控器”
这位就更厉害了，它能帮你批量调用对象的方法。在 map 函数里用起来尤其顺手。
比如，你有一个字符串列表，想把它们全都变成大写。
words = ['hello', 'world', 'python']
用列表推导式当然可以： [w.upper() for w in words]。但如果你想用函数式编程的范儿，可能会想到 map：
list(map(lambda w: w.upper(), words))
现在，有请 methodcaller：
list(map(operator.methodcaller('upper'), words))
它创建了一个“可调用对象”，这个对象被调用时，会去调用传给它的那个对象的 upper 方法。如果方法还需要参数呢？也没问题：
# 比如调用 '1,2,3'.split(',')
list(map(operator.methodcaller('split', ','), ['a,b', 'c,d']))
# 输出: [['a', 'b'], ['c', 'd']]
methodcaller 可能不像前两位那么常用，但一旦你遇到需要在一个序列的每个元素上调用同一个方法的场景，它就是你的不二之选。
所以，回到最初的问题，Python怎么导入operator？
import operator
就这么简单。但真正的问题是，你是否愿意在下一次写代码时，停下来想一想：我正在写的这个 lambda，是不是可以用 operator 模块里的某个函数更优雅、更高效地替代？
这不仅仅是代码技巧，更是一种编程品味的体现。它意味着你开始关注代码的表达力、可读性和背后的设计哲学。当你熟练地在代码中运用 itemgetter 和 attrgetter 时，你写的就不再是简单的指令，而是在用一种更高级的语言，与Python的解释器，也与未来的你自己对话。
下次再面对复杂的排序或数据处理，别再无脑 lambda 了。试试 import operator，打开这把瑞士军刀，你会发现一个全新的、更清爽的代码世界。
评论(0)