Python学习笔记-CSDN博客

python入门的资料推荐

廖雪峰python学习笔记

查看链接： https://blog.csdn.net/datawhale/article/category/7779959
python入门笔记

作者李金，这个是jupyter notebook文件，把python的主要语法演示了一次，值得推荐。

下载链接: https://pan.baidu.com/s/1IPZI5rygbIh5R5OuTHajzA 提取码: 2bzh
南京大学python视频教程

这个教程非常值得推荐，python主要语法和常用的库基本涵盖了。

查看地址： https://www.icourse163.org/course/0809NJU004-1001571005?from=study

看完这三个资料后python基本达到入门水平

输出

python3 输出语法为print()，对数字或者字符串进行拼接，直接调用print函数，参数使用逗号隔开的方式。示例如下：

summm = 2
print("一共可以拼出", summm, "个不同的等式")
# 输出：一共可以拼出 2 个不同的等式
print("一共可以拼出%d个不同的等式"%summm)
# 输出：一共可以拼出2个不同的等式

注意：加逗号那个数字和字符串之间会有一个空格；加%的不会有空格，除非在字符串中加空格。

导入模块

导入模块的所有方法：

import module_name		#表示将模块中的所有代码加载到这个位置并赋值给变量module_name，并执行模块
import libs.module_name 	#表示从libs目录下导入模块文件module_name，调用方法：libs.module_name.func()
import module1_name,module2_name	#同时导入多个模块
from module_name import login,logout 	#相当于将module_name\login中的代码拿到当前位置执行
from libs.module_name import func 	#从目录下的模块文件中导入方法func，调用：func()
from module_name import login as module_name_login 	#对导入模块中的方法取别名

包和模块有两种导入方式：

精确导入

1 2	from Root.Pack1 import Pack1Class import Root.Pack1.Pack1Class

模糊导入
1
from Root.Pack1 import *

模糊导入中的*中的模块是由__all__来定义的，__init__.py的另外一个作用就是定义package中的__all__，用来模糊导入。

import文件的顺序：

标准库（如sys、os）
相关的第三方的库（如numpy、pandas、matplotlib）
自定义的.py文件或者自定义的库

导入一个模块时，Python 解析器对模块位置的搜索顺序是：

当前目录
如果不在当前目录，Python 则搜索在 shell 变量 PYTHONPATH 下的每个目录。
如果都找不到，Python会察看默认路径。UNIX下，默认路径一般为/usr/local/lib/python/。

模块搜索路径存储在 system 模块的 sys.path 变量中。变量里包含当前目录，PYTHONPATH和由安装过程决定的默认目录。

参考：python成长之路【第十八篇】：python模块介绍、模块导入和重载

`init.py`的作用

package的标识。每个package实际上是一个目录（Directory),IDE通过__init__.py识别它为package。
定义all用来模糊导入。
- 在__init__.py文件中定义package中的__all__
  1
  __all__ = ["Pack1Class","Pack1Class1"]

- 外包调用

1
2
3

from Root.Pack1 import *
a = Pack1Class.Pack1_AA("Alvin")
a.PrintName()

编写Python代码，不建议在init中写python模块，可以在包中在创建另外的模块来写，尽量保证init.py简单。

IPython的使用

使用中出现下列问题：

1 2	from IPython import embed # ImportError: No module named IPython

这是因为没有安装，可以在命令行输入ipython --version 验证是否安装，如果没有通过pip install ipython[all] 或者是 easy_install ipython安装。

若出现pip不是最新版本时，输入命令 python -m pip install --upgrade pip更新pip，再重新安装IPython。

IPython是一种交互式计算和开发环境，作用有：

支持自动补全和缩进的交互shell。
具有魔术方法(Magic function)。

具体如下：

Ipython

进入了ipython，ipython会提示键入下面四个命令之一去试着使用ipython:

命令名	说明	功能
`?`	ipython特性的介绍和概述	`?`事实上可以查看一切的变量，若把`?`替换为`??`，一般来说会得到更详尽的信息
`%quickref`	一份手册，包含了所有的命令
`help`	python的帮助系统
`object?`	关于object的详细信息，如果键入object??会更详细

建议首先使用%quickref。这个命令以%开头。所有以%开头的方法，都是所谓的魔术方法(Magic function)，也就是ipython内置的一些方法。需注意：魔术方法有%和%%之分，%叫line magic（专门针对一行的命令）,如%timeit；%%叫cell magic（针对多行的命令），如%%timeit。所有的魔术方法都可以查看源码，仔细阅读的话，对自己写代码也很有裨益，具体方法是在魔术方法后面加??，譬如%timeit??。

运行python代码，报错：计算机中丢失`MSVCP140.dll`

解决方法是安装了一个VC++运行库，由于电脑是64位的，64位VC++运行库：Visual C++ Redistributable for Visual Studio 2015下载地址，安装完成之后这个问题就解决了。

python_安装模块后出错:无法启动程序丢失vcom140.dll

文件读取

对于读写实际的数据文件，Python 提供了必要的函数和方法进行默认情况下的文件基本操作。可以采用 file 对象做大部分的文件操作。

操作文件之前，首先需要打开文件，Python内置的open()函数可以打开一个文件，创建一个file对象，相关的方法才可以调用它进行读写。

语法：file object = open(file_name [, access_mode][, buffering])

不同模式（access_mode）打开文件的完全列表：

python文件打开模式

示例：

#在C盘下面有一个文件abc.txt。  
#open()  
with open(r'c:\\abc.txt') as demo:  
for line in demo:  
print(line)

Python获取指定目录下所有子目录、所有文件名

import os
def file_name(file_dir):
    for root, dirs, files in os.walk(file_dir):
        print('root_dir:', root)  # 当前目录路径
        print('sub_dirs:', dirs)  # 当前路径下所有子目录
        print('files:', files)  # 当前路径下所有非目录子文件


file_name('D:\stock_data')

当我在dcase_util中运行示例时，evaluation部分中名为sed_eval的模块无法找到。

报错如下：

Traceback (most recent call last):
File "D:/py_code/firstpython/venv/first_python/test.py", line 4, in 
	import sed_eval
ImportError: No module named sed_eval

尝试从示例代码中发现sed_eval不依赖与dcase_unit，是一个独立的模块，所以在命令窗口中尝试输入命令pip install sed_eval，通过pip查找安装这个模块，最后发现安装成功。

python类class中init函数以及参数self的简单解释

1) 首先类中包含两部分：

数据成员（类的属性）：类中所涉及的变量
类方法：类中的函数。

2) __init__函数（应该相当于构造函数）：

带有两个下划线开头的函数是声明该属性为私有,不能在类地外部被使用或直接访问。
init函数（方法）支持带参数的类的初始化，也可为声明该类的属性
init函数（方法）的第一个参数必须是 self（self为习惯用法，也可以用别的名字），后续参数则可以自由指定，和定义函数没有任何区别。

3)函数定义
Python编程中对于某些需要重复调用的程序，可以使用函数进行定义，基本形式为： def 函数名(参数1, 参数2, ……, 参数N)，其代码形式如下面所示：

1
2
3

def function_name (parameters): 
    block
    return value

注意在类的内部，使用def关键字可以为类定义一个函数（方法），与一般函数定义不同，类方法必须包含参数self,且为第一个参数！

python的可变参数和关键字参数(*args **kw)

*args是可变参数，args接收的是一个tuple；
**kw是关键字参数，kw接收的是一个dict。

可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple,而关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。注意默认参数一定要用不可变对象，如果是可变对象，程序运行时会有逻辑错误！

参考：函数的参数

python类的继承

　　通过继承创建的新类称为“子类”或“派生类”，被继承的类称为“基类”、“父类”或“超类”，继承的过程，就是从一般到特殊的过程。在某些面向对象编程(OOP)语言中，一个子类可以继承多个基类。但是一般情况下，一个子类只能有一个基类，要实现多重继承，可以通过多级继承来实现。

继承概念的实现方式主要有2类：

实现继承：直接使用基类的属性和方法。
接口继承：仅使用属性和方法的名称、但是子类必须提供实现的能力。（针对的是抽象类）

继承的代码示例如下：

class Person(object):   # 定义一个父类
     def talk(self):    # 父类中的方法
        print("person is talking....")  
class Chinese(Person):    # 定义一个子类， 继承Person类
    def walk(self):      # 在子类中定义其自身的方法
        print('is walking...')

Mixin实现多重继承

像C或C++这类语言都支持多重继承，一个子类可以有多个父类，这样的设计常被人诟病。因为继承应该是个”is-a”关系。

1）多重继承存在的问题：

结构复杂化：如果是单一继承，一个类的父类是什么，父类的父类是什么，都很明确，因为只有单一的继承关系，然而如果是多重继承的话，一个类有多个父类，这些父类又有自己的父类，那么类之间的关系就很复杂了。
优先顺序模糊：假如我有A，C类同时继承了基类，B类继承了A类，然后D类又同时继承了B和C类，所以D类继承父类的方法的顺序应该是D、B、A、C还是D、B、C、A，或者是其他的顺序，很不明确。
功能冲突：因为多重继承有多个父类，所以当不同的父类中有相同的方法是就会产生冲突。如果B类和C类同时又有相同的方法时，D继承的是哪个方法就不明确了，因为存在两种可能性。

《松本行弘的程序世界》一书中，作者列举了以上三点。来源：知乎-Wealong C回答的：Mixin是什么概念?

2）解决方法：为能够利用多继承的优点又解决多继承的问题，提出了规格继承和实现继承。规格继承指的是一堆方法名的集合，而实现继承除了方法名还允许有方法的实现。

Java选择了规格继承，提供了接口interface功能，来实现多重继承。Ruby 选择了实现继承，也可以叫Mixin，在 Ruby 中叫 module。在Python也通过Mixin来实现多重继承。这里的Mixin，表示混入(mix-in)，它告诉别人，这个类是作为功能添加到子类中，而不是作为父类，它的作用同Java中的接口。

3）使用Mixin类实现多重继承非常注意的是：

首先它必须表示某一种功能，而不是某个物品，如同Java中的Runnable，Callable等；
其次它必须责任单一，如果有多个功能，那就写多个Mixin类
然后，它不依赖于子类的实现；
最后，子类即便没有继承这个Mixin类，也照样可以工作，就是缺少了某个功能。（比如飞机照样可以载客，就是不能飞了）

示例：

class Vehicle(object):
    pass
class PlaneMixin(object):
    def fly(self):
        print 'I am flying'
class Airplane(Vehicle, PlaneMixin):
    pass

扩展：ReactJS也有Mixin功能，且语法很简洁。参考关于Python的Mixin模式

python中super用法

在python中引入super()的目的是保证相同的基类只初始化一次.

使用格式：

1	super(AudioContainer, self).__init__(**kwargs)

使用的注意点：

super()是一个类名而非函数，super(class, self)事实上调用了super类的初始化函数，产生了一个super对象；
super()机制是用来解决多重继承的，对于直接调用父类名是没有问题的，但根据前人的经验：要么都用类名调用，要么就全部用super()，不要混合的用。混用super类和非绑定的函数是一个危险行为，这可能导致应该调用的父类函数没有调用或者一个父类函数被调用多次。
super()继承只能用于派生类，用于基类时就会报错。

super( )小结：

B类继承A类，在B类自己的基础上可以调用A类所有的方法。
A、B同时拥有init，B会改写A中的init方法，A类的方法失效。
super函数可以调用A父类中的属性，B类中有同名属性时，覆盖A类中的同名属性。调用函数时总是先查找B自身的定义，如果没有定义，则顺着继承链向上查找，直到在某个父类中找到为止。
B类init参数需大于或等于A父类的init方法，因为super初始化了，参数量为父类参数量。
super函数原理：super().init(xxx,xxx)中的xxx参数为类B中输入的参数，但与类A中参数名相对应，即B类输入参数位置会初始化A类中对应位置的参数。详见:Python super初始化理解过程的小结（5）。
单继承时super()和init()实现的功能是类似的，使用super()继承时不用显式引用基类。

此处设A是基类，B继承A类。super()避免重复调用。super（）的第一个参数可以是继承链中任意一个类的名字

Python的魔法方法(magic method)：str和repr

魔法方法就是可以给你的类增加魔力的特殊方法，如果你的对象实现了这些方法中的某一个，那么这个方法就会在特殊的情况下被 Python 所调用，你可以定义自己想要的行为，而这一切都是自动发生的。它们经常是两个下划线包围来命名的（比如 init/new等等），Python的魔法方法是非常强大的。参考：Python魔法方法指南

若要把一个类的实例变成 str，就需要实现特殊方法__str__()。

Python 定义了__str__()和__repr__()两种方法__str__()用于显示给用户，而__repr__()用于显示给开发人员。

class Person(object):
    def __init__(self, name, gender):
        self.name = name
        self.gender = gender
class Student(Person):
    def __init__(self, name, gender, score):
        super(Student, self).__init__(name, gender)
        self.score = score
    def __str__(self):
        return '(Student: %s, %s, %s)' % (self.name, self.gender, self.score)
    __repr__ = __str__
s = Student('Bob', 'male', 88)	# 返回字符
print s

其实__str__相当于是str()方法而__repr__相当于repr()方法。str是针对于让人更好理解的字符串格式化，而repr是让机器更好理解的字符串格式化。

画图

import matplotlib.pyplot as plt
plt.plot(t, x)  
# plt.plot(x, s1, 'b', x, s2, 'g', x, s3, 'r')

# 若要新打开一个图窗口，调用figure()函数
plt.figure()
plt.plot(np.real(h), np.imag(h), 'b')

plt.show()

参考：Python–matplotlib绘图可视化知识点整理

遍历数组

三种遍历数组的方法

array = ["a","b","c"]
# 1
for item in array:
    print(item)
# 2
for index in range(len(array)):
    print(str(index)+".."+array[index])
# 3
for index,val in enumerate(array):
	print(str(index)+"--"+val);

数组的相关函数

求单维数组的长度
1
2
mySeq = [1,2,3,4,5]
print len(mySeq)

二维数组的大小

import numpy as np
x = np.array([[1,2,5],[2,3,5],[3,4,5],[2,3,6]])
# 输出数组的行和列数
print x.shape  # (4, 3)
# 只输出行数
print x.shape[0] # 4
# 只输出列数
print x.shape[1] # 3

如何堆叠数组，形成一个矩阵形式的数据

an = hilbert(x[0, :].T)
f, time = inst_freq(an, tt, l)
k = 0

for item in x:
    if k > 0:
        an_temp = hilbert(item.T)
        f_temp, time_temp = inst_freq(an_temp, tt, l)
        # 按行拼接数组
        an = np.vstack((an, an_temp))
        f = np.vstack((f, f_temp))
    k = k + 1

输出：

[[ 1  8  3  9]
 [ 1  2  3 -2]
 [ 2  3  4 -1]
 [ 3  4  5  0]
 [ 4  5  6  1]]
[[ 1  1  2  3  4]
 [ 8  2  3  4  5]
 [ 3  3  4  5  6]
 [ 9 -2 -1  0  1]]

python numpy 数组批量操作

import numpy as np
a = np.random.randint(-5, 5, (5, 5))
# （1）将小于0的元素赋值为0。
np.maximum(a, 0)
# （2）同(1)。
(a + abs(a)) / 2
# （3）同(1)。
b = a.copy()
b[b < 0] = 0
# （4）同(1),a元素>0时，a对应元素不变，否则a对应元素赋值为0。
np.where(a > 0, a, 0)

输出：

# a
array([[-4, -4, -5,  2,  1],
      [-1, -2, -1,  3,  3],
      [-1, -2,  3, -5,  3],
      [ 0, -3, -5,  1, -4],
      [ 0,  3,  1,  3, -4]])
# （1）
array([[0, 0, 0, 2, 1],
      [0, 0, 0, 3, 3],
      [0, 0, 3, 0, 3],
      [0, 0, 0, 1, 0],
      [0, 3, 1, 3, 0]])
# （2）
array([[0, 0, 0, 2, 1],
      [0, 0, 0, 3, 3],
      [0, 0, 3, 0, 3],
      [0, 0, 0, 1, 0],
      [0, 3, 1, 3, 0]])
# （3）
array([[0, 0, 0, 2, 1],
      [0, 0, 0, 3, 3],
      [0, 0, 3, 0, 3],
      [0, 0, 0, 1, 0],
      [0, 3, 1, 3, 0]])
# （4）
array([[0, 0, 0, 2, 1],
      [0, 0, 0, 3, 3],
      [0, 0, 3, 0, 3],
      [0, 0, 0, 1, 0],
      [0, 3, 1, 3, 0]])

直接调用函数处理数组的每个元素，避免使用for循环。参考：
python numpy 数组如何对每个元素进行操作？

数组的集合操作

print("求a和b的交集：", set(a).intersection(set(b)))
print("求a和b的并集：", set(a).union(set(b)))
print("求差集a-b，表示在a中但不在b中：", set(a).difference(set(b)))
print("求差集b-a，表示在b中但不在a中：", set(b).difference(set(a)))

数组的切片操作

import numpy as np
data = np.array([[1, 3, 4, 5], [1, 3, 4, 5], [1, 3, 4, 5]])
x = data[:, [0, 2]]		# 去二维数组data的第1、3列
x = data[[0, 1], :]		# 去二维数组data的第1、2行，这个也可以直接用data[[0, 1]]表示

repmat()函数

示例：

1
2
3

from numpy.matlib import repmat
A = np.linspace(1, len(t), splx)
indt = repmat(np.round(A), 3, 1)

repmat()函数介绍：MATLAB repmat函数的使用

相对于mtalab的isvector()函数
1
2
3
4
5
6
B = np.array([1, 3, 5, 6])
if（len(B.shape) < 2）:
print("B是一维数组")

print(B.shape) # (4,)
print(len(B.shape)) # 1
用于判断A是否为单行或者单列（也可以是单个元素）数据，若是二维及以上的数据，则返回0。

对矩阵做转置

1
2
3

matrix_2_new = transpose(matrix_2)
# or
matrix_2_new = matrix_2.T

矩阵拼接

1 2	列合并/扩展：np.column_stack() 行合并/扩展：np.row_stack()

> [python中的矩阵运算](https://www.cnblogs.com/chamie/p/4870078.html)或者
> [python中的矩阵操作](https://www.cnblogs.com/sitemanager/p/9057195.html)

数据类型转换

import numpy as np
a = np.array([1.0945377,  8.52199916,  3.62490646,  0.21260126])
print(a.dtype)
b = a.astype(int)
print(b)
print(b.dtype)

numpy数组默认的dtype是float64，将浮点型转为整数时，用astype(int) 函数，该函数不改变数组长度。

输出：

1
2
3

float64
[1 8 3 0]
int32

> 参考：[numpy数据类型dtype转换](http://www.mamicode.com/info-detail-1180317.html)

统计列表（list）中元素出现的次数，并排序

from collections import Counter

labels = ["airport", "airport", "bus", "metro", "tram"]
# 统计词频
result = Counter(labels)
print(result)
# 排序
d = sorted(result.items(), key=lambda x: x[1], reverse=True)
print(d)

# 输出结果
# Counter({'airport': 2, 'bus': 1, 'metro': 1, 'tram': 1})
# [('airport', 2), ('bus', 1), ('metro', 1), ('tram', 1)]

如何获取输入参数数目

def test_var_args(*args):
    if len(args) == 2:
        print(args[0]+args[1])
    else:
        print(args[0])

装饰器（Decorator）

装饰器本身是一个函数，目的是在不改变装饰函数代码的情况下，增加额外的功能，装饰器的返回值是已装饰的函数对象。如下例：

def dec(f):
    n=3
    def wrapper(*args, **kw):
        return f(*args, **kw)*n
    return wrapper

@dec
def foo(n):
    return n*2
print(foo(3))	# 18
print(foo(2))	# 12

@dec的作用是把元foo函数（待装饰函数）赋值给dec函数（装饰函数），然后返回值wrapper函数（已装饰函数）重新赋值给foo函数，因为实际上foo（x）语句实际执行的是：

1 2	def wrapper(x) return foo(x) * n # 根据上述代码可知，n=3

参考：

文件路径

# python中怎样转到指定目录
import os
# 获取当前工作目录
print(os.getcwd())				# D:\py_code\second_py
print(os.path.abspath('.'))		# D:\py_code\second_py

# 获取当前模块的文件名
print(__file__)		# D:/py_code/second_py/test_hht.py

# 获取当前Python命令的可执行文件路径
import sys
print(sys.executable)	# D:\py_code\second_py\venv\Scripts\python.exe

拼接路径，防止字符串转义

1 2	filename = os.getcwd()+r"\ASC\datasets\TUT-acoustic-scenes-2017-development\audio\a001_0_10.wav" # 输出: D:\py_code\second_py\ASC\datasets\TUT-acoustic-scenes-2017-development\audio\a001_0_10.wav

Python中join函数和os.path.join用法

os.path.join()函数，用于合并目录

语法：

1	os.path.join(path1[,path2[,......]])

返回值：将多个路径组合后返回。注：第一个绝对路径之前的参数将被忽略

示例：

import os
path = os.path.join('system_data', 'model')
print(path)
# 输出是：system_data/model

Python中有split()和os.path.split()两个函数：

split()：拆分字符串。通过指定分隔符对字符串进行切片，并返回分割后的字符串列表。语法：

1	str.split(str=" ",num=string.count(str))[n]

os.path.split()：将文件名和路径分割开。

定义全局变量

定义全局变量
1
global sply
先要用关键字global将变量定义为全局变量，然后在函数或者条件语句中对变量进行操作。

数学表达式

导入数学模块：
1
2
3
import math
# or
import math as mt

常用表达式

# 科学计数法
a = 1e4		# 表示10的4次方，即10000.0
# 求幂
a = pow(2,3) # 表示2的3次方，结果：8
# 求对数
math.log(2)			# (1) 默认以自然常数e为底，求2的对数，结果：0.6931471805599453
math.log(2,10)		# (2) 以10为底，求2的对数，结果：0.30102999566398114
math.log(2)/math.log(2)		# (3) 式（2）的另一种表达，结果：0.30102999566398114

python随机数的产生

Python中产生随机函数的模块是random，常用的函数包括：

生成一个0到1的随机浮点数：random()

1	random.random() # 随机浮点数: 0 <= n < 1.0

生成一个指定范围内的随机符点数：uniform(a, b)
1
random.uniform(1, 10) # 随机符点数8.135034914070037

生成一个指定范围内的整数：randint(a, b)

1	random.randint(10, 100) # 生成的随机数n: a <= n <= b

按指定基数递增的集合中，获取一个随机数：randrange([start], stop[, step])

1	random.randrange(10, 100, 2) # 从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数

从序列中获取一个随机元素：choice(sequence)
1
2
random.choice('abcdefg&#%^*f') #随机字符 d
random.choice ( ['apple', 'pear', 'peach', 'orange', 'lemon'] ) #随机选取字符串：'lemon'
参数sequence表示一个有序类型。这里要说明一下：sequence在python不是一种特定的类型，而是泛指一系列的类型。list, tuple, 字符串都属于sequence。

将一个列表中的元素打乱：shuffle(x[, random])

1 2	p = ["Python", "is", "powerful", "simple", "and so on..."] random.shuffle(p) # ['powerful', 'simple', 'is', 'Python', 'and so on...']

从指定序列中随机获取指定长度的片断：sample(sequence, k)
1
2
3
list = [1,2,3,4,5,6,7,8,9]
random.sample(list,2) # [4, 7]
random.sample(list,3) # [5, 2, 1]
sample函数不会修改原有序列。如果k大于sequence元素个数的话会报错。

排序函数

python的内建排序函数有 sort、sorted两个。

基础的序列升序排序直接调用sorted()方法即可

1
2
3

ls = list([5, 2, 3, 1, 4])
new_ls = sorted(ls)	# 或者使用ls.sort()即可，直接将ls改变
new_ls2 = sorted(ls,reverse = True)	# 逆转实现降序排序

注意：sort()方法仅定义在list中，而sorted()方法对所有的可迭代序列都有效，参考：https://www.cnblogs.com/yushuo1990/p/5880041.html

读取txt文件中并转化为二维数组

def readtxt(filename, row, col):
    # filename = 'test_data.txt'  # txt文件和当前脚本在同一目录下，所以不用写具体路径
    f = open(filename, 'r')
    result = list()
    for line in open(filename):
        for i in line.split():
            result.append(i)

    data = np.zeros((row, col), float)
    k = 0
    for i in range(row):
        for j in range(col):
            data[i][j] = result[k]
            k = k + 1

    f.close()
    return data

引用全局变量

当引用全局变量时，不需要golbal声明；只有当修改全局变量时，才需要使用global声明。

特别地，列表、字典等如果只是修改其中元素的值，可以直接使用全局变量，不需要global声明。

示例：

#! /usr/bin/python

a = 1
b = [2, 3]

def func():
    global a
    a = 2
    print "in func a:", a
    b[0] = 1
    print "in func b:", b

if __name__ == '__main__':
    print "before func a:", a	# before func a：1
    print "before func b:", b	# before func b:[2, 3]
    func()		# in func a :2 /in func b:[1, 3]
    print "after func a:", a	# after func a :2
    print "after func b:", b	# after func b:[1, 3]

函数的定义及调用

def add2(a,b):
    return add3(a,b)

def add3(a,b):
    return a+b 

print add2(1,2)

一般情况下，函数的定义必须在函数的调用之前，但是当函数3是被函数2调用时，函数3可以在函数2之后定义。换句话说，函数A内部调用另一个函数B，则函数B的定义可以在函数A之后。