我的python学习笔记全集_记录我的Python学习笔记
不想再像以前那樣，什么都從頭開始學習語法、總結語法，這樣反而會過分糾結于語法，耽誤了開發，畢竟語言的主要屬性是工具，次要的屬性是語言本身。
所以還是先熟練使用語言去進行開發，等足夠熟悉了，再去研究語言本身(編譯原理……)。
另外對于算法、設計模式、數據結構、網絡知識、操作系統…… 的學習可以專門針對性的學習，當然更好的方法是以使用語言為主線，通過具體的應用和實踐來推動這些技術知識的學習。
本文是通過廖雪峰的網站學習而整理的(真的是很好的教程，省得我花錢買書了！)，然后我沒有去再整理總結語法，而是直接通過寫出代碼段來體現自己的學習，也方便以后的快速復習、回顧。畢竟學習一門語言不是一天可以完成的，所以本文也不是一蹴而就的，而是會一直更新。
也沒有必要再對代碼做過多的文字解釋，一切都能通過代碼本身體現。
交互式命令行
在Python的交互式命令行寫程序，比如>>>print('hello world')，好處是一下就能得到結果，壞處是沒法保存，下次還想運行的時候，還要再敲一遍。
所以實際的開發中，我們使用一個文本編輯器來寫代碼，然后保存為一個文件，這樣程序就可以反復運行了。比如將print('heool world')寫在文檔里注意print前面不能有任何空格，并保存為 hello.py，然后使用命令行進入該文件所在的目錄，執行python hello.py就可以解析執行這個源文件了。
絕對不要使用windows自帶的記事本：記事本會自作聰明地在文件開始的地方加上幾個特殊字符(UTF-8 BOM)，結果會導致程序運行出現莫名其妙的錯誤。
直接運行py文件
能不能像.exe文件那樣直接運行.py文件呢？在Windows上是不行的，但是，在Mac和Linux上是可以的，方法是在.py文件(比如是hello.py)的第一行加上一個特殊的注釋：
#!/usr/bin/env python3
print('hello, world')
接著，通過命令行給hello.py以執行權限：chmod a+x hello.py，然后就可以在文件所在目錄下直接輸入./hello.py運行。
這個和Shell有些像！
輸出
>>>print('測試一個運算式', '1+2=', 1+2)
測試一個運算式 1+2= 3
注意遇到print里面將參數分開的逗號會輸出空格。
輸入
>>>name = input()
xumenger
當你輸入完name = input()并按下回車后，Python交互式命令行就等待你的輸入，以這個例子，輸入xumenger，然后回車完成輸入，這時候輸入的字符串就存入到name變量里了。
綜合輸出輸入的例子
編寫一個test.py文件
name = input('請你輸入你的姓名: ')
print('hello', name)
input里面的字符串參數作為輸出提示用，然后等待輸入，輸入的字符串(比如xumenger)存入name，然后再輸出 hello xumenger。
input()和print()是在命令行下面最基本的輸入和輸出，但是，用戶也可以通過其他更高級的圖形界面完成輸入和輸出，比如，在網頁上的一個文本框輸入自己的名字，點擊“確定”后在網頁上看到輸出信息。
2015.09.06 23:40，明天開始學習Python基礎，先去睡覺！
Python基礎
Python語法簡單，采用縮進來控制邏輯。沒有規定是幾個空格還是Tab，但是按照約定俗成的管理，應該始終堅持使用4個空格的縮進。在文本編輯器中，需要設置把Tab自動轉換為4個空格，確保不混用Tab和空格。
# print absolute value of an integer:
a = 100
if a >= 0:
print(a)
else:
print(-a)
以#開頭的語句是注釋，當語句以:結尾時，縮進的語句視為代碼塊。
整數、浮點數
整數和浮點數在計算機內部存儲的方式是不同的，整數運算永遠是精確的(除法難道也是精確的？是的！)，而浮點數運算則可能會有四舍五入的誤差。
字符串(使用單引號或者雙引號引起來)
如果字符串內部包含'又包含"怎么辦，需要用\來轉義
print('I\'m \"OK\"!')
表示：I'm "OK"!
判斷
if age==18
print('值為18')
else
print('值不是18')
布爾值(True、False，用and、or和not運算)
空值
用 None表示，None不能理解為0，因為0是有意義的，而None是一個特殊的空值。
變量
=是賦值號，另外Python是動態語言，變量本身類型不固定。與之對應的是靜態語言，靜態語言在定義變量的時候必須指定變量的類型，如果賦值的時候類型不匹配，就會報錯，像C、C++、Java。
a='ABC'
Python解釋器解釋它時，，干了兩件事
在內存中創建一個'ABC'的字符串
在內存中創建了一個名為a的變量，并將它指向'ABC'
也可以把一個變量a賦值給另一個變量b，這個操作實際上是把變量b指向變量a所指向的數據，例如下面的代碼：
a = 'ABC'
b = a
a = 'XYZ'
print(b)
最后一行打印出變量b的內容到底是'ABC'呢還是'XYZ'？如果從數學意義上理解，就會錯誤地得出b和a相同，也應該是'XYZ'，但實際上b的值是'ABC'。一步一步理解代碼
在內存中創建 'ABC' 字符串
在內存中創建 a 變量，并將 a 指向 'ABC'
在內存中創建 b 變量，因為將 a 值賦給 b，所以這是b也指向 'ABC'
然后又在內存中創建了 'XYZ' 字符串，并將 a 指向 'XYZ'，但是此時b 還是指向 'ABC'
除法
10/3 得到的結果是 3.3333333333333
9/3 得到的結果是 3.0
10//3 得到的結果是 3
10%3 得到的結果是 1
這個知識點以前我一直存在疑惑，廖雪峰的教程里面講得還是很好的，點擊這里認真看。重點是字符編碼的原理、現在計算機系統通用的字符編碼工作方式、Python中的編碼方式、亂碼的解釋。
在最新的Python 3版本中，字符串是以 Unicode編碼的，也就是說Python的字符串支持多種語言。
關于Python的字符串類型和bytes類型、在網絡傳輸或者保存到磁盤時候字符串類型與bytes類型的轉換，參考對應的廖雪峰的 字符串和編碼 教程，有詳細的講解。
1個中文字符經過UTF-8編碼后通常會占用3個字節，而1個英文字符只占用1個字節。
格式化
print('Hi, %s, you have $%d.' % ('loser', 10))
輸出是：Hi, loser, you have $10
print('Age: %s, Gender: %s' % (25, True))
輸出是：Age: 25, Gender: True
list是一種有序的集合用[]，可以隨時添加和刪除其中的元素
mates = ['Machael', 'Bob', 'Tracy']
print('%s' % (len(mates))
print(mates[0]) #第一個元素
print(mates[3]) #越界報錯
print(mates[-1]) #倒數第一個元素
print(mates[-2]) #倒數第二個元素
print(mates[-4]) #越界報錯
mates.append('xumenger') #list是可變列表，現在是在list末尾追加元素
mates.insert(1,'Joker') #插入一個元素在第二個位置
mates.pop() #刪除末尾的元素
mates.pop(1) #刪除第二個元素
mates[1] = 'change' #替換第2個元素
L= ['test', 123, True] #list里面可以是不同類型的元素
s= ['test', 1, ['asp', 2], True] #list的元素可以是另一個list
list1 = ['test', True]
list2 = [2, False, list1]
print(list2[2][0]) #可以看成是一個二維數組，類似的還有三維、四維……數組，不過很少用到。
tuple和list很相似，但是tuple是一旦初始化就不能再修改的，用()
mates= ('xumeng', 'joker', 'test')
現在，mates這個tuple不能變了，它也沒有append()，insert()這樣的方法。其他獲取元素的方法和list是一樣的，你可以正常地使用mates[0]，mates[-1]，但不能賦值成另外的元素。
不可變的tuple有什么意義？因為tuple不可變，所以代碼更安全。如果可能，能用tuple代替list就盡量用tuple。
t=(1)定義的不是tuple，是1這個數！這是因為括號()既可以表示tuple，又可以表示數學公式中的小括號，這就產生了歧義，因此，Python規定，這種情況下，按小括號進行計算，計算結果自然是1。
要想定義只有一個元素的tuple，應該這樣t=(1,)
“可變的tuple”，可以是tuple有一個list元素，然后里面的list可變，可以看教程中 對應部分 通過展示內存中的存儲原理來說明原因：
t = ('a', 'b', ['A', 'B'])
t[2][0] = 'X'
條件判斷
a = input('輸入你的年齡: ')
age = int(a) #因為input輸入的是字符串，所以要轉換成整型
if age >= 18: #注意冒號 :
print('adult, your age is', age)
elif age >= 6: #注意冒號 :
print('teenager, your age is', age)
else: #注意冒號 :
print('kid')
循環
names = ['nn', 'aa', 'mm']
for name in names: #注意冒號 :
print(name)
sum = 0
for x in[1, 2, 3, 4, 5]
sum = sum +x
print(sum)
sum = 0
for x in range(101): #range(101)就可以生成0-100的整數序列
sum = sum + x
print(sum)
sum = 0
n = 99
while n>0: #注意冒號:
sum = sum +n
n= n-2
print(sum)
Python內置了字典：dict的支持，全稱為dictionary，在其他語言中也成為map，使用鍵-值(key-value)存儲，具有幾塊的查找速度，注意使用{}。
d = {'key1': 95, 'key2': 54, 'key3': 100}
print(d['key1'])
#把數據放入dict的方法，除了初始化時指定外，還可以通過key放入
d['key4'] = 123
#由于一個key只能對應一個value，所以，多次對一個key放入value，后面的值會把前面的值沖掉
d['key1'] = 111
if 'key2' in d: #判斷某個鍵是不是在dict中
print('在')
if get('key2', -1) == -1: #如果有'key2'則獲取對應的value，否則就返回-1
print('不在')
d.pop('key3') #使用pop刪除對應的鍵和值
為什么dict查找速度這么快？因為dict的實現原理和查字典是一樣的。假設字典包含了1萬個漢字，我們要查某一個字，一個辦法是把字典從第一頁往后翻，直到找到我們想要的字為止，這種方法就是在list中查找元素的方法，list越大，查找越慢。
第二種方法是先在字典的索引表里(比如部首表)查這個字對應的頁碼，然后直接翻到該頁，找到這個字。無論找哪個字，這種查找速度都非?？?#xff0c;不會隨著字典大小的增加而變慢。
你可以猜到，這種key-value存儲方式，在放進去的時候，必須根據key算出value的存放位置，這樣，取的時候才能根據key直接拿到value。
請務必注意，dict內部存放的順序和key放入的順序是沒有關系的。
dict可以用在需要高速查找的很多地方，在Python代碼中幾乎無處不在，正確使用dict非常重要，需要牢記的第一條就是dict的key必須是不可變對象。
這是因為dict根據key來計算value的存儲位置，如果每次計算相同的key得出的結果不同，那dict內部就完全混亂了。這個通過key計算位置的算法稱為哈希算法(Hash)。
要保證hash的正確性，作為key的對象就不能變。在Python中，字符串、整數等都是不可變的，因此，可以放心地作為key。而list是可變的，就不能作為key。
set和dict類似，也是一組key的集合，但是不存儲value，由于key不能重復，所以在set中，沒有重復的key。
#要創建一個set，需要提供一個list作為輸入結合
s1 = set([1, 2, 3])
#重復元素在set中被過濾，比如下面的語句，其實只要1,2,3
s= set([1, 1, 2, 2, 2, 3, 3])
#通過add(key)添加元素,重復添加的元素只會保留一個
s.add(4)
#remove(key) 刪除元素
s.remove(1,2,3)
#set可以看成數學意義上的無序和無重復元素的集合，因此，兩個set可以做數學意義上的交集、并集等操作
s2 = set([1,2,3])
s3 = set([2,3,4])
s4 = s2 & s3 #s4是s2和s3的交集
s5 = s2 | s3 #s4是s2和s3的并集
set和dict的唯一區別僅在于沒有存儲對應的value，但是，set的原理和dict一樣，所以，同樣不可以放入可變對象，因為無法判斷兩個可變對象是否相等，也就無法保證set內部“不會有重復元素”。試試把list放入set，看看是否會報錯。
廖雪峰的 講解dict和set的文章 的最后通過說明內存里面的原理講解了可變對象與不可變對象！很好的理解Python和內存機制的一個知識點！
tuple雖然是不變對象，但試試把(1, 2, 3)和(1, [2, 3])放入dict或set中，并解釋結果。
s1 = set([(1,2,3), (2,3,4)]) #這樣的tuple可以放進set
s2 = set([(1,2, [1,2]), (2,3, [6,8])]) #這樣的tuple不能放進set，這是“可變的tuple”
2015.09.07 23:45， 明天開始學習 Python的函數 ，現在趕緊睡覺，身體最重要！
要調用一個函數，需要知道函數的名稱和參數，比如求絕對值的函數abs，只有一個參數?？梢灾苯訌腜ython的官方網站查看文檔：http://docs.python.org/3/library/functions.html#abs
也可以在交互式命令行通過help(abs)查看abs函數的幫助信息。
print(abs(-1))
print(max(1,2,3,4))
print(max(1,2,3))
print(int('123')) #強制類型轉換
print(float('12.34))
print(str(100))
print(bool(1)) #輸出True
print(bool('')) #輸出False
函數名其實是一個指向函數對象的引用，完全可以把一個函數名賦值給一個變量，相當于給這個函數起了一個別名：
a=abs
print(a(-1))
m=max
print(max(1,2,3))
定義函數
在Python中，定義一個函數要使用def語句，依次寫出函數名、括號、括號里的參數和冒號： ，然后，在縮進塊中編寫函數體，函數的返回值用return語句返回。
def my_abs(x):
if not isinstance(x, (int, float)):
raise TypeError('bad operand type')
if x>=0:
return x
else:
return -x
上面的函數中，對參數類型做檢查，只允許整數和浮點數類型的參數，否則就raise一個異常。如果有必要，可以先對參數的數據類型做檢查，就像這個函數定義，就可以保證只處理int和float，而假如傳入的是str就會拋出異常。
請注意，函數體內部的語句在執行時，一旦執行到return時，函數就執行完畢，并將結果返回。因此，函數內部通過條件判斷和循環可以實現非常復雜的邏輯。
如果沒有return語句，函數執行完畢后也會返回結果，只是結果為None。return None可以簡寫為return。
import math
def move(x, y, step, angle=0):
nx = x + step * math.cos(angle)
ny = y - step * math.sin(angle)
return nx, ny
import math語句表示導入math包，并允許后續代碼引用math包里的sin、cos等函數。上面的這個函數有兩個返回值，我們可以這樣調用
x, y = move(100, 100, 60, math, pi/6)
print(x, y)
但是，其實這個只是假象，Python函數返回的仍然是單一值：
r = move(100, 100, 60, math.pi / 6)
print(r) #得到和上面一樣的結果
原來返回值是一個tuple！但是，在語法上，返回一個tuple可以省略括號，而多個變量可以同時接收一個tuple，按位置賦給對應的值，所以，Python的函數返回多值其實就是返回一個tuple，但寫起來更方便。
廖雪峰的函數的參數 這一章講解了位置參數、默認參數、因為參數類型不是不變對象導致使用默認參數出現的"意外"、list和tuple與可變參數、dict與關鍵字參數、命名關鍵參數。
在Python中定義函數，可以用必選參數、默認參數、可變參數、關鍵字參數和命名關鍵字參數，這5種參數都可以組合使用，除了可變參數無法和命名關鍵字參數混合。但是請注意，參數定義的順序必須是：必選參數、默認參數、可變參數/命名關鍵字參數和關鍵字參數。
這個太他媽強大了！！但是有點沒看懂，確實純粹的死記硬背還是不太有效，可以等到具體項目應用的時候在參考這篇教程！結合具體的應用再來深入的理解，絕對事半功倍，現在就需要知道Python中有很強大的函數參數的語法，等到具體用的時候知道到哪里去找相關的資料就行了！
def fact(n)
if n==1:
return 1
return n* fact(n-1)
使用遞歸函數需要注意防止棧溢出。在計算機中，函數調用是通過棧(stack)這種數據結構實現的，每當進入一個函數調用，棧就會加一層棧幀，每當函數返回，棧就會減一層棧幀。由于棧的大小不是無限的，所以，遞歸調用的次數過多，會導致棧溢出?？梢栽囋噁act(1000)。
解決遞歸調用棧溢出的方法是通過尾遞歸優化，具體應用見廖雪峰的遞歸函數 的教程。
尾遞歸調用時，如果做了優化，棧不會增長，因此，無論多少次調用也不會導致棧溢出。遺憾的是，大多數編程語言沒有針對尾遞歸做優化，Python解釋器也沒有做優化，所以，即使把上面的fact(n)函數改成尾遞歸方式，也會導致棧溢出。
掌握了Python的數據類型、語句和函數，基本上就可以編寫出很多有用的程序了。
比如構造一個1, 3, 5, 7, ..., 99的列表，可以通過循環實現：
L = []
n = 1
while n <= 99:
L.append(n)
n = n + 2
取list的前一半的元素，也可以通過循環實現。
但是在Python中，代碼不是越多越好，而是越少越好。代碼不是越復雜越好，而是越簡單越好。用任何的語言編程都應該是這樣。
基于這一思想，我們來介紹Python中非常有用的高級特性，1行代碼能實現的功能，決不寫5行代碼。請始終牢記，代碼越少，開發效率越高。
L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
L1 = L[:3] #['Michael', 'Sarah', 'Tracy']
L2 = L[1:3] #['Sarah', 'Tracy']
L3 = L[-2:] #['Bob', 'Jack']
L4 = L[-2:-1] #['Bob']
#list的第一個元素的索引是0，倒數第一個元素的索引是-1
LL=list(range(100)) #[1,2,3,...,99]
LL1=L[-10:] #[90,91,...,99] 后10個數
LL2=L[10:20] #[10,11,12,...,19] 前11-20個數
LL3=L[:10:2] #[0,2,4,6,8] 前10個數，每兩個取一個
LL4=L[::5] #[0,5,10,...,90,95] 所有數，每5個取一個
LL5=L[:] #甚至什么都不寫，只寫[:]就可以原樣復制一個list
tuple也是一種list，唯一區別是tuple不可變。因此，tuple也可以用切片操作，只是操作的結果仍是tuple。
T=(0,1,2,3,4,5)
T1=T[:3]
字符串'xxx'也可以看成是一種list，每個元素就是一個字符。因此，字符串也可以用切片操作，只是操作結果仍是字符串：
T='ABCDEFG'
T1=T[:3] #'ABC'
T2=T[::2] #'ACEG'
在很多編程語言中，針對字符串提供了很多各種截取函數(例如，substring)，其實目的就是對字符串切片。Python沒有針對字符串的截取函數，只需要切片一個操作就可以完成，非常簡單。
有了切片操作，很多地方循環就不再需要了。Python的切片非常靈活，一行代碼就可以實現很多行循環才能完成的操作。
Python的for循環抽象程度要高于Java的for循環，因為Python的for循環不僅可以用在list或tuple上，還可以作用在其他可迭代對象上。
list這種數據類型雖然有下標，但很多其他數據類型是沒有下標的，但是，只要是可迭代對象，無論有無下標，都可以迭代，比如dict就可以迭代。
d= {'a':1, 'b':2, 'c':3}
for key in d:
print(key)
#輸出a c b
為什么輸出的結果是a c b，不是a b c，因為dict的存儲不是按照list的方式順序排列，所以，迭代出的結果順序很可能不一樣。關于dict的存儲的知識，請參見對應的dict教程。
默認情況下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同時迭代key和value，可以用for k, v in d.items()。
由于字符串也是可迭代對象，所以可以用于for循環。
for ch in 'ABCD':
print ch
所以，當我們使用for循環時，只要作用于一個可迭代對象，for循環就可以正常運行，而我們不太關心該對象究竟是list還是其他數據類型。那么，如何判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷：
from collections import Iterable
isinstance('abc', Iterable) # str是否可迭代 True
isinstance([1,2,3], Iterable) # list是否可迭代 True
isinstance(123, Iterable) # 整數是否可迭代 False
最后一個小問題，如果要對list實現類似Java那樣的下標循環怎么辦？Python內置的enumerate函數可以把一個list變成索引-元素對，這樣就可以在for循環中同時迭代索引和元素本身：
for i, value in enumerate(['A', 'B', 'C']):
print(i, value)
上面的for循環里，同時引用了兩個變量，在Python里是很常見的，比如下面的代碼：
for x, y in [(1, 1), (2, 4), (3, 9)]:
print(x, y)
L=list(range(1,11)) #生成[1,2,3,4,5,6,7,8,9,10]
L1=[x*x for x in range(1,11)] #生成[1*1,2*2,...,10*10]
寫列表生成式時，把要生成的元素比如x * x放到前面，后面跟for循環，就可以把list創建出來，十分有用，多寫幾次，很快就可以熟悉這種語法。
for循環后面還可以加上if判斷，這樣我們就可以篩選出僅偶數的平方：
L= [x * x for x in range(1, 11) if x % 2 == 0] #[4, 16, 36, 64, 100]
還可以使用兩層循環，可以生成全排列：
L= [m + n for m in 'ABC' for n in 'XYZ']
#['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
三層和三層以上的循環就很少用到了。
例程，列出當前目錄下的所有文件和目錄名
import os # 導入os模塊，模塊的概念后面講到
L=[d for d in os.listdir('.')] # os.listdir可以列出文件和目錄
print(L)
for循環其實可以同時使用兩個甚至多個變量，比如dict的items()可以同時迭代key和value：
d = {'x': 'A', 'y': 'B', 'z': 'C' }
for k, v in d.items():
print(k, '=', v)
因此，列表生成式也可以使用兩個變量來生成list：
d = {'x': 'A', 'y': 'B', 'z': 'C' }
L= [k + '=' + v for k, v in d.items()]
把一個list中所有的字符串變成小寫：
L = ['Hello', 'World', 'IBM', 'Apple']
L1= [s.lower() for s in L]
通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數元素占用的空間都白白浪費了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。
要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：
L = [x * x for x in range(10)]
print(L)
#[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
g = (x * x for x in range(10)) #()是一個generator
print(g)
# at 0x1022ef630>
我們可以直接打印出list的每一個元素，但我們怎么打印出generator的每一個元素呢？如果要一個一個打印出來，可以通過next()函數獲得generator的下一個返回值。我們講過，generator保存的是算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤。
但是，如果每次輸出都調用next(g)實在是太變態了，正確的方法是使用for循環，因為generator也是可迭代對象：
g = (x*x for x in range(10))
for n in g
print(n)
所以，我們創建了一個generator后，基本上永遠不會調用next()，而是通過for循環來迭代它，并且不需要關心StopIteration的錯誤。
generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。這篇對應的教程中還講了更為牛逼的generator的使用方法！
我們已經知道，可以直接作用于for循環的數據類型有以下幾種：
一類是集合數據類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用于for循環的對象統稱為可迭代對象：Iterable。
可以使用isinstance()判斷一個對象是否是Iterable對象：
from collections import Iterable
isinstance([], Iterable) #True
isinstance({}, Iterable) #True
isinstance('abc', Iterable) #True
isinstance((x for x in range(10)), Iterable) #True
isinstance(100, Iterable) #False
而生成器不但可以作用于for循環，還可以被next()函數不斷調用并返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了。
可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。
可以使用isinstance()判斷一個對象是否是Iterator對象：
from collections import Iterator
isinstance((x for x in range(10)), Iterator) #True
isinstance([], Iterator) #False
isinstance({}, Iterator) #False
isinstance('abc', Iterator) #False
生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數：
isinstance(iter([]), Iterator) #True
isinstance(iter('abc'), Iterator) #True
你可能會問，為什么list、dict、str等數據類型不是Iterator？
這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用并不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤?？梢园堰@個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。
Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。
凡是可作用于for循環的對象都是Iterable類型。
凡是可作用于next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列。
Python的for循環本質上就是通過不斷調用next()函數實現的，例如：
for x in [1, 2, 3, 4, 5]:
pass
實際上完全等價于：
# 首先獲得Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 循環:
while True:
try:
# 獲得下一個值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循環
break
函數式編程的一個特點就是，允許把函數本身作為參數傳入另一個函數，還允許返回一個函數！
Python對函數式編程提供部分支持。由于Python允許使用變量，因此，Python不是純函數式編程語言。
那么函數名是什么呢？函數名其實就是指向函數的變量！對于abs()這個函數，完全可以把函數名abs看成變量，它指向一個可以計算絕對值的函數！
如果把abs指向其他對象，會有什么情況發生？
abs = 10
abs(-10)
報錯：
Traceback (most recent call last):
File "", line 1, in
TypeError: 'int' object is not callable
把abs指向10后，就無法通過abs(-10)調用該函數了！因為abs這個變量已經不指向求絕對值函數而是指向一個整數10！
當然實際代碼絕對不能這么寫，這里是為了說明函數名也是變量。要恢復abs函數，請重啟Python交互環境。
由于abs函數實際上是定義在__builtin__模塊中的，所以要讓修改abs變量的指向在其它模塊也生效，要用__builtin__.abs = 10。
既然變量可以指向函數，函數的參數能接收變量，那么一個函數就可以接收另一個函數作為參數，這種函數就稱之為高階函數。例子
def add(x, y, f):
return f(x) + f(y)
可以這樣調用：
add(-5, 6, abs)
編寫高階函數，就是讓函數的參數能夠接收別的函數。函數式編程就是指這種高度抽象的編程范式。
我們先看map。map()函數接收兩個參數，一個是函數，一個是Iterable，map將傳入的函數依次作用到序列的每個元素，并把結果作為新的Iterator返回。
def f(x):
return x*x
r = map(f, [1,2,3,4,5,6,7,8,9])
print(list(r)) #[1,4,16,25,36,49,64,81]
再看reduce的用法。reduce把一個函數作用在一個序列[x1, x2, x3, ...]上，這個函數必須接收兩個參數，reduce把結果繼續和序列的下一個元素做累積計算，其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
例子，比方說對一個序列求和，就可以用reduce實現：
from functools import reduce
def add(x, y):
return x + y
print(reduce(add, [1, 3, 5, 7, 9])) #輸出25
這個例子本身沒多大用處，但是，如果考慮到字符串str也是一個序列，對上面的例子稍加改動，配合map()，我們就可以寫出把str轉換為int的函數：
from functools import reduce
def fn(x, y):
return x * 10 + y
def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
print(reduce(fn, map(char2num, '13579'))) #輸出13579
整理成一個str2int的函數就是：
from functools import reduce
def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
return reduce(fn, map(char2num, s))
還可以用lambda函數進一步簡化成：
from functools import reduce
def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
def str2int(s):
return reduce(lambda x, y: x * 10 + y, map(char2num, s))
也就是說，假設Python沒有提供int()函數，你完全可以自己寫一個把字符串轉化為整數的函數，而且只需要幾行代碼！
Python內建的filter()函數用于過濾序列。
和map()類似，filter()也接收一個函數和一個序列。和map()不同的時，filter()把傳入的函數依次作用于每個元素，然后根據返回值是True還是False決定保留還是丟棄該元素。
例如，在一個list中，刪掉偶數，只保留奇數，可以這么寫：
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 結果: [1, 5, 9, 15]
可見用filter()這個高階函數，關鍵在于正確實現一個“篩選”函數。
注意到filter()函數返回的是一個Iterator，也就是一個惰性序列，所以要強迫filter()完成計算結果，需要用list()函數獲得所有結果并返回list。
排序也是在程序中經常用到的算法。無論使用冒泡排序還是快速排序，排序的核心是比較兩個元素的大小。如果是數字，我們可以直接比較，但如果是字符串或者兩個dict呢？直接比較數學上的大小是沒有意義的，因此，比較的過程必須通過函數抽象出來。通常規定，對于兩個元素x和y，如果認為x < y，則返回-1，如果認為x == y，則返回0，如果認為x > y，則返回1，這樣，排序算法就不用關心具體的比較過程，而是根據比較結果直接排序。
Python內置的sorted()函數就可以對list進行排序：
sorted([36, 5, -12, 9, -21]) #[-21, -12, 5, 9, 36]
此外，sorted()函數也是一個高階函數，它還可以接收一個key函數來實現自定義的排序，例如按絕對值大小排序：
sorted([36, 5, -12, 9, -21], key=abs) #[5, 9, -12, -21, 36]
#key指定的函數將作用于list的每一個元素上，并根據key函數返回的結果進行排序。
我們再看一個字符串排序的例子：
sorted(['bob', 'about', 'Zoo', 'Credit'])
#['Credit', 'Zoo', 'about', 'bob']
默認情況下，對字符串排序，是按照ASCII的大小比較的，由于'Z' < 'a'，結果，大寫字母Z會排在小寫字母a的前面。
現在，我們提出排序應該忽略大小寫，按照字母序排序。要實現這個算法，不必對現有代碼大加改動，只要我們能用一個key函數把字符串映射為忽略大小寫排序即可。忽略大小寫來比較兩個字符串，實際上就是先把字符串都變成大寫(或者都變成小寫)，再比較。
這樣，我們給sorted傳入key函數，即可實現忽略大小寫的排序：
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
#['about', 'bob', 'Credit', 'Zoo']
要進行反向排序，不必改動key函數，可以傳入第三個參數reverse=True：
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
#['Zoo', 'Credit', 'bob', 'about']
從上述例子可以看出，高階函數的抽象能力是非常強大的，而且，核心代碼可以保持得非常簡潔。
高階函數除了可以接受函數作為參數外，還可以把函數作為結果值返回。
我們來實現一個可變參數的求和。通常情況下，求和的函數是這樣定義的：
def calc_sum(*args):
ax = 0
for n in args:
ax = ax + n
return ax
但是，如果不需要立刻求和，而是在后面的代碼中，根據需要再計算怎么辦？可以不返回求和的結果，而是返回求和的函數：
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
當我們調用lazy_sum()時，返回的并不是求和結果，而是求和函數：
f = lazy_sum(1, 3, 5, 7, 9)
f
.sum at 0x101c6ed90>
調用函數f時，才真正計算求和的結果：
f() #25
閉包
注意到返回的函數在其定義內部引用了局部變量args，所以，當一個函數返回了一個函數后，其內部的局部變量還被新函數引用，所以，閉包用起來簡單，實現起來可不容易。
另一個需要注意的問題是，返回的函數并沒有立刻執行，而是直到調用了f()才執行。我們來看一個例子：
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
在上面的例子中，每次循環，都創建了一個新的函數，然后，把創建的3個函數都返回了。
你可能認為調用f1()，f2()和f3()結果應該是1，4，9，但實際結果是：
f1() #9
f2() #9
f3() #9
全部都是9！原因就在于返回的函數引用了變量i，但它并非立刻執行。等到3個函數都返回時，它們所引用的變量i已經變成了3，因此最終結果為9。
返回閉包時牢記的一點就是：返回函數不要引用任何循環變量，或者后續會發生變化的變量。
如果一定要引用循環變量怎么辦？方法是再創建一個函數，用該函數的參數綁定循環變量當前的值，無論該循環變量后續如何更改，已綁定到函數參數的值不變：
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i)) # f(i)立刻被執行，因此i的當前值被傳入f()
return fs
再看看結果：
f1, f2, f3 = count()
f1() #1
f2() #4
f3() #9
缺點是代碼較長，可利用lambda函數縮短代碼。
當我們在傳入函數時，有些時候，不需要顯式地定義函數，直接傳入匿名函數更方便。
在Python中，對匿名函數提供了有限支持。還是以map()函數為例，計算f(x)=x2時，除了定義一個f(x)的函數外，還可以直接傳入匿名函數：
list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
#[1, 4, 9, 16, 25, 36, 49, 64, 81]
通過對比可以看出，匿名函數lambda x: x * x實際上就是：
def f(x):
return x * x
關鍵字lambda表示匿名函數，冒號前面的x表示函數參數。
匿名函數有個限制，就是只能有一個表達式，不用寫return，返回值就是該表達式的結果。
用匿名函數有個好處，因為函數沒有名字，不必擔心函數名沖突。此外，匿名函數也是一個函數對象，也可以把匿名函數賦值給一個變量，再利用變量來調用該函數：
f = lambda x: x * x
f
# at 0x101c6ef28>
f(5) #25
同樣，也可以把匿名函數作為返回值返回，比如：
def build(x, y):
return lambda: x * x + y * y
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*argc, **kw)
return wrapper
觀察上面的log，因為它是一個decorator，所以接受一個函數作為參數，并返回一個函數。我們要借助Python的@語法，把decorator置于函數的定義處：
@log
def now():
print('2015-3-25')
調用now()函數，不僅會運行now()函數本身，還會在運行now()函數前打印一行日志：
now()
#call now():
#2015-3-25
把@log放到now()函數的定義處，相當于執行了語句：
now = log(now)
由于log()是一個decorator，返回一個函數，所以，原來的now()函數仍然存在，只是現在同名的now變量指向了新的函數，于是調用now()將執行新函數，即在log()函數中返回的wrapper()函數。
wrapper()函數的參數定義是(args,*kw)，因此，wrapper()函數可以接受任意參數的調用。在wrapper()函數內，首先打印日志，再緊接著調用原始函數。
在面向對象(OOP)的設計模式中，decorator被稱為裝飾模式。OOP的裝飾模式需要通過繼承和組合來實現，而Python除了能支持OOP的decorator外，直接從語法層次支持decorator。Python的decorator可以用函數實現，也可以用類實現。
decorator可以增強函數的功能，定義起來雖然有點復雜，但使用起來非常靈活和方便。
functools.partial就是幫助我們創建一個偏函數的，不需要我們自己定義int2()，可以直接使用下面的代碼創建一個新的函數int2：
import functools
int2 = functools.partial(int, base=2)
print(int2('1000000')) #64
print(int2('1010101')) #85
Python的functools模塊提供了很多有用的功能，其中一個就是偏函數(Partial function)。要注意，這里的偏函數和數學意義上的偏函數不一樣。
沒太看懂，還是等到具體研究一個項目源碼，以及自己做開發的時候再去結合實踐深入理解吧！
2015.09.08 23:59：00 明天繼續看 模塊 的教程，今天對很多知識點并沒有真正理解，都是有一些印象，所以必須等到自己研究源碼、自己開發的時候，結合運行的效果和理論知識去達到真正的深入的理解?，F在趕緊睡覺！
在計算機程序的開發過程中，隨著程序代碼越寫越多，在一個文件里代碼就會越來越長，越來越不容易維護。
為了編寫可維護的代碼，我們把很多函數分組，分別放到不同的文件里，這樣，每個文件包含的代碼就相對較少，很多編程語言都采用這種組織代碼的方式。在Python中，一個.py文件就稱之為一個模塊(Module)。
引入了包以后，只要頂層的包名不與別人沖突，那所有模塊都不會與別人沖突?，F在，abc.py模塊的名字就變成了mycompany.abc，類似的，xyz.py的模塊名變成了mycompany.xyz。
請注意，每一個包目錄下面都會有一個__init__.py的文件，這個文件是必須存在的，否則，Python就把這個目錄當成普通目錄，而不是一個包。__init__.py可以是空文件，也可以有Python代碼，因為__init__.py本身就是一個模塊，而它的模塊名就是mycompany。
類似的，可以有多級目錄，組成多級層次的包結構。
很多強大的第三方庫，要能夠充分利用好它們為我服務！！！
面向對象編程——Object Oriented Programming，簡稱OOP，是一種程序設計思想。OOP把對象作為程序的基本單元，一個對象包含了數據和操作數據的函數。
面向過程的程序設計把計算機程序視為一系列的命令集合，即一組函數的順序執行。為了簡化程序設計，面向過程把函數繼續切分為子函數，即把大塊函數通過切割成小塊函數來降低系統的復雜度。
而面向對象的程序設計把計算機程序視為一組對象的集合，而每個對象都可以接收其他對象發過來的消息，并處理這些消息，計算機程序的執行就是一系列消息在各個對象之間傳遞。
2015.09.22，明天繼續學習《面向對象編程》
比如一個類的代碼如下
class Student(object):
def __init__(self, name, score):
self.name = name
self.score = score
def print_score(self):
print('%s: %s' % (self.name, self.score))
可以這樣使用這個類創建對象
bart = Student('Bart Simpson', 59)
lisa = Student('Lisa Simpson', 87)
bart.print_score()
lisa.print_score()
面向對象的設計思想是從自然界中來的，因為在自然界中，類(Class)和實例(Instance)的概念是很自然的。Class是一種抽象概念，比如我們定義的Class——Student，是指學生這個概念，而實例(Instance)則是一個個具體的Student，比如，Bart Simpson和Lisa Simpson是兩個具體的Student。
所以，面向對象的設計思想是抽象出Class，根據Class創建Instance。
面向對象的抽象程度又比函數要高，因為一個Class既包含數據，又包含操作數據的方法。
數據封裝、繼承和多態是面向對象的三大特點，我們后面會詳細講解。
關于面向對象設計其實和C++、Delphi……都很像，但是具體的語法可能不同，不過這都是一些表面化的東西。具體去參考Python的編程規范、語法就好了。
這篇教程里面有關于類、實例、實例的內存地址……的講解，所以要好好看看！
__init__方法是類的構造方法，self這個特殊變量的理解。
和普通的函數相比，在類中定義的函數只有一點不同，就是第一個參數永遠是實例變量self，并且，調用時，不用傳遞該參數。除此之外，類的方法和普通函數沒有什么區別，所以，你仍然可以用默認參數、可變參數、關鍵字參數和命名關鍵字參數。
要定義一個方法，除了第一個參數是self外，其他和普通函數一樣。要調用一個方法，只需要在實例變量上直接調用，除了self不用傳遞，其他參數正常傳入。
因為Python是靜態語言，所以語法上還會有其他更多的區別，所以一定要和其他的之前我了解的語言在語法方面區分開
一些關于變量的權限、訪問限制、命名規范的說明。總的來說就是，Python本身沒有任何機制阻止你干壞事，一切全靠自覺。
在繼承關系中，如果一個實例的數據類型是某個子類，那它的數據類型也可以被看做是父類。但是，反過來就不行。可以使用isistance()函數來進行判斷。
這篇教程很好的講解了多態的表現形式！！具體的編程語法、代碼實現的細節，認真參考這篇教程！！
type()
isinstance()
dir()：如果要獲得一個對象的所有屬性和方法，可以使用dir()函數，它返回一個包含字符串的list，比如，獲得一個str對象的所有屬性和方法。
總結
以上是生活随笔為你收集整理的我的python学习笔记全集_记录我的Python学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 深圳租车多少钱啊？
- 下一篇： python打开浏览器后带cookie_