operator模块提供c实现的运算符函数，比lambda快15–25%，用于map/filter/sorted/reduce等场景，支持算术、比较、属性/项访问（如itemgetter、attrgetter），但不处理异常或提供默认值。
operator 模块本身不提升运行速度，它只是让高阶函数调用更简洁、更安全——但间接减少开销，尤其在 map、filter、sorted 和 functools.reduce 中避免了 lambda 创建和解释执行的额外成本。
为什么用 operator.add 代替 lambda x, y: x + y？
每次写 lambda x, y: x + y，Python 都要动态构建一个函数对象，涉及 AST 解析、字节码生成和闭包封装。而 operator.add 是 C 实现的内置函数，直接调用底层二元操作，没有解释层开销。
-
functools.reduce(lambda a, b: a + b, data)→functools.reduce(operator.add, data) - 在循环密集或数据量大的场景（如百万级 list reduce），实测快 15–25%
- 注意：
operator.add要求所有元素支持+，比如不能混用str和int，否则抛出TypeError
operator.itemgetter 和 operator.attrgetter 在 sorted 中的实际表现
它们比等效的 lambda 更快，且更易读、更少出错。关键在于：它们被设计为单次编译、多次复用，而 lambda 每次调用都走一遍函数调用协议。
-
sorted(data, key=lambda x: x['name'])→sorted(data, key=operator.itemgetter('name')) -
sorted(people, key=lambda p: p.age)→sorted(people, key=operator.attrgetter('age')) - 当
key函数被反复调用（如排序时比较数万次），itemgetter的 C 层索引逻辑明显优于 Python 层字典/属性访问 - 支持多字段：
operator.itemgetter('first', 'last')返回 tuple，天然适配稳定排序的次要键
哪些操作符有对应函数？哪些没有？
operator 模块覆盖了绝大多数常见双目/单目运算，但不是全部；用错名字会直接报 NameError 或 AttributeError。
- 有：
operator.eq、operator.lt、operator.mul、operator.neg、operator.not_（注意下划线）、operator.contains - 没有：
**（幂）对应的是operator.pow，不是operator.pow_；is没有对应函数（只能用operator.is_—— 对，就是is_） - 字符串方法如
.upper()不在operator中，别试图找operator.upper；要用methodcaller('upper') - 自定义类若重载了
__add__，operator.add仍能正常工作，它本质是触发 dunder 方法的统一入口
真正容易被忽略的是：operator 函数本身不处理异常传播——如果 operator.itemgetter('missing') 遇到 key 不存在，它抛的 KeyError 和你手写的 lambda 一模一样，不会更友好。要不要加默认值，得靠外层逻辑兜底，而不是指望 operator 帮你吞掉错误。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
