#输入语句： >>> print'100+100=%d' %(100+100) 100+100=200 #输出语句 >>> name = raw_input('input your name:') input your name:yinheyi >>> print('hello,%s' %name) hello,yinheyi
注意：raw_input()语句接收以后，默认保存为str格式哦，如果要比较大小的话，记得转为int类型。
>>> number = raw_input('input a number:') input a number:12 >>> type(number) <type 'str'> >>> number = int(raw_input('input a number:')) input a number:12 >>> type(number) <type 'int'>
判断与循环语句：
判断语句：if…elif…else
>>> if a>= 50: ... print 'the number is big' ... elif a < 50: ... print'the number is small' ... else: ... print "i don't know" ... the number is big
循环语句: for…in
>>> sum = 0 >>> for number in range(101): ... sum = sum + number ... >>> print sum 5050循环语句: while
>>> sum = 0 >>> n = 1 >>> while n < 101: ... sum = sum + n ... n = n + 1 ... >>> print sum 5050
数据类型：列表、元组、字典、set
list: Python内置的一种数据类型是列表。lists是一个有序的集合，可以添加与删除元素。
生成它是用 [] 就可以啦；
调用它时，用下标调用就可以啦（从0开始）；如第一个元素，list[0];倒数第一个，list[-1];
可以用len()函数获得list元素的个数；
在尾部添加用append(), 中间插入用insert()；尾部删除用pop()；指定位置删除为pop(i）；
#定义一个friends的列表 >>> friends = ['xiaoming','ergou','sanmao'] >>> friends ['xiaoming', 'ergou', 'sanmao'] >>> friends[0] 'xiaoming' >>> friends[-1] 'sanmao' #添加与删除 >>> friends.append('dapeng') >>> friends ['xiaoming', 'ergou', 'sanmao', 'dapeng'] >>> friends.insert(0,'diyi') >>> friends ['diyi', 'xiaoming', 'ergou', 'sanmao', 'dapeng'] >>> friends.pop() 'dapeng' >>> friends ['diyi', 'xiaoming', 'ergou', 'sanmao'] >>> friends.pop(2) 'ergou' >>> friends ['diyi', 'xiaoming', 'sanmao'] #替换 >>> friends[0] = 'wangbadan' >>> friends ['wangbadan', 'xiaoming', 'sanmao']
元组（tuple):tuple和list非常类似，但是tuple一旦初始化就不能修改。只要记住它不能修改就可以啦。很安全。
用 （） 定义啊。
用下标调用,即tuple[1]；
注意：它定义一个元素的tuple时，一定要这样写，如：name = (‘yin’,)， 千万别写成 name = (‘yin’);
name = ('zhai','yin') >>> name ('zhai', 'yin') >>> name[0] 'zhai' >>> name[-1] 'yin'
字典（dictionary)：它就是键－值对。如在C++语言中为map的容器。它的特点就是可以快速查找，需要占用大量的内存，内存浪费多。通过key计算位置的算法称为哈希算法（Hash）。
用 {} 定义dictionary哦；
随着dictionary的增加，查找时间不会增加的。
多次对一个key放入value，后面的值会把前面的值冲掉：
可以用 ‘key’in dic 或 dic.get(‘key’)的方法来查看key是否存在。注意：dict提供的get方法，如果key不存在，可以返回None，或者自己指定的value，返回None的时候Python的交互式命令行不显示结果。
删除用: pop(key)。添加时，直接用key值的索引添加就可以的。
注意：ict内部存放的顺序和key放入的顺序是没有关系的。
#定义一个dictionary; score = {'xiaoming':85,'xiaohong':62} >>> score {'xiaoming': 85, 'xiaohong': 62} #添加一个元素； >>> score['wangdan'] = 85 >>> score {'xiaoming': 85, 'xiaohong': 62, 'wangdan': 85} #删除一个元素； >>> score.pop('xiaohong') 62 >>> score {'xiaoming': 85, 'wangdan': 85} #查看key是否存在； >>> 'xiaoming' in score True #查看一个key对应的值； >>> score.get('wangdan') 不存在时，返回一个自定义的值； 85>>> score.get('hehehe',-1) -1
set:set和dict类似，也是一组key的集合，但不存储value。由于key不能重复，所以，在set中，没有重复的key。set和dict的唯一区别仅在于没有存储对应的value，但是，set的原理和dict一样，所以，同样不可以放入可变对象。
要创建一个set，需要提供一个list作为输入集合：
通过add(key)与remove(key)添加与删除元素；
>>> s = set([1, 2, 3]) >>> s set([1, 2, 3])注意，传入的参数
[1, 2, 3]是一个list，而显示的set([1, 2, 3])只是告诉你这个set内部有1，2，3这3个元素，显示的[]不表示这是一个list。重复元素在set中自动被过滤：
>>> s = set([1, 1, 2, 2, 3, 3]) >>> s set([1, 2, 3])添加与删除
>>> s = set([1,2,3]) >>> s set([1, 2, 3]) >>> s.add('xiaoming') >>> s set([1, 2, 3, 'xiaoming']) >>> s.add(0) >>> s set([0, 1, 2, 3, 'xiaoming']) >>> s.remove(2) >>> s set([0, 1, 3, 'xiaoming'])
对于list与tuple的切片操作：
如list[：5]或list[0:5]表示第0，1，2，3，4个索引值；当然也可以为负的如，list[-2:0]等于list[-2:]即倒数第2、倒数第1个数；也可以跳着来哦：list[1:10:2]，表示步长为2的。
list=range(100) #正着切片 >>> list[:10] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] #负索引切片 list[-10:] [90, 91, 92, 93, 94, 95, 96, 97, 98, 99] #倒着切片 >>> list[10:0:-1] [10, 9, 8, 7, 6, 5, 4, 3, 2, 1] >>> list[-1:-10:-1] [99, 98, 97, 96, 95, 94, 93, 92, 91] #跳着切片 >>> list[::10] [0, 10, 20, 30, 40, 50, 60, 70, 80, 90]
#tuple的切片 >>> (0, 1, 2, 3, 4, 5)[:3] (0, 1, 2) #字符串的切片 >>> 'ABCDEFG'[:3] 'ABC' >>> 'ABCDEFG'[::2] 'ACEG'
它的迭代：
对于list、tuple还有字符串都可以用 for…in 进行迭代哦；
而对于dictionary的话，也可以哦，只不过默认情况下，dict迭代的是key。如果要迭代value，可以用
for value in d.itervalues()，如果要同时迭代key和value，可以用for k, v in d.iteritems()。那么，如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：
另外：Python内置的
enumerate函数可以把一个list、tuple、字符串本身变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身：
>>> 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) # 整数是否可迭代 False
列表生成式：很牛逼很方便的；它是用来创建list的生成式；我们举例子看看哈：
生成1－10的list:
>>> range(1,11) [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]生成 12、22、……102的list：
>>> list = [x*x for x in range(1,11)] >>> list [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]还可以再选择一下哦：
>>> [x * x for x in range(1, 11)if x % 2 == 0] [4, 16, 36, 64, 100]还可以两层循环的：
>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
生成器：
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。
创建方法1：第一种方法很简单，只要把一个列表生成式的
[]改成()，就创建了一个generator：>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x104feab40>可以通过generator的.next()方法打印出来数据，另外也可以通过迭代哦，基本上我们都选择for…in迭代方法。
创建方法2:通过特殊函数创建：如果一个函数定义中包含
yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。
#这是函数，输出斐波那契数列 def fib(max): n, a, b = 0, 0, 1 while n < max: print b a, b = b, a + b n = n + 1 #这是generator,也是生成斐波那契数列； def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1
注意：这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用
next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
>>> def odd(): ... print 'step 1' ... yield 1 ... print 'step 2' ... yield 3 ... print 'step 3' ... yield 5 ... >>> o = odd() >>> o.next() step 1 1 >>> o.next() step 2 3 >>> o.next() step 3 5 >>> o.next() Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
函数的定义：
使用
def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。当用return 返回多个值时，返回的其实是一个tuple，即元组。
当一个语句块是什么也不做时，请用pass语句，如果为空的话，分出错的。
如果函数没有return或者只有单单的一个reuturn时 ， 则返回none。
>>> def sum(x, y): ... sum = x + y ... return sum ... >>> print sum(1,2) 3
函数的参数问题：
函数可以有默认的参数：且函数的默认参数必须指向不变的对象（否则有逻辑错误）。
>>> def sum(x=1, y=2): ... return x + y ... >>> print sum() 3 >>> print sum(5) 7 >>> print sum(y=10) 11
函数的可变参数：定义可变参数和定义list或tuple参数相比，仅仅在参数前面加了一个
*号。在函数内部，参数numbers接收到的是一个tuple，因此，函数代码完全不变。但是，调用该函数时，可以传入任意个参数，包括0个参数。另外，Python允许你在list或tuple前面加一个*号，把list或tuple的元素变成可变参数传进去。
#可变参数； >>> def sum(*numbers): ... sum = 0 ... for num in numbers: ... sum = sum + num ... return sum ... >>> sum(1,2,3) 6 >>> sum(1,2,3,4,5,6) 21 #把list或tuple元素变为可变参数传入 >>> list = [1,2,3,4,5,6,7,8] >>> sum(*list) 36 >>> tuple = (1,3,4,75) >>> sum(*tuple) 83
关键字参数：它也是可变的，仅仅在参数前面加了两个
*号。这些关键字参数在函数内部自动组装为一个dict，Python允许你dictionary前面加**号，把dictionary元素变成可变参数传进去。。
>>> def person(name, age, **other): ... print 'name:',name,'\n'\ ... 'age:',age,'\n'\ ... 'other:',other ... >>> person('xiaoming',18,sex='boy') name: xiaoming age: 18 other: {'sex': 'boy'}
#把dictionar元素参数传入 >>> dic = {'sex':'boy','tall':174} >>> person('xiaohong',22,**dic) name: xiaohong age: 22 other: {'tall': 174, 'sex': 'boy'}参数可以组合使用：在Python中定义函数，可以用必选参数、默认参数、可变参数和关键字参数，这4种参数都可以一起使用，或者只用其中某些，但是请注意，参数定义的顺序必须是：必选参数、默认参数、可变参数和关键字参数。
另外，对于对于任意函数，都可以通过类似
func(*list, **dictionary)的形式调用它，无论它的参数是如何定义的。
对于递归函数：优点是定义简单，逻辑清晰。但是有一个问题，使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。
高阶函数：就是能接收其它函数作为参数的函数。
#定义一个简单的高阶函数： >>> def add(x, y, f): ... return f(x) + f(y) #定义一个函数： def square(x): ... return x * x #調用高阶函数： >>> add(5,6,square) 61
map()高阶函数
map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。
#map函数分别用函数对传入的元素做处理哦 >>> def square(x): ... return x*x >>> list = range(1,6) >>> list [1, 2, 3, 4, 5] >>> map(square, list) [1, 4, 9, 16, 25]
reduce()高阶函数
reduce把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4).
#看看reduce,把[1, 2, 3, 4, 5] 变为 一个数：12345 >>> list [1, 2, 3, 4, 5] >>> def func(x, y): ... return x*10 + y ... >>> reduce(func, list) 12345
filter()高阶函数：
filter()函数用于过滤序列。接收一个函数和一个序列。filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。def is_odd(n): return n % 2 == 1 filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]) # 结果: [1, 5, 9, 15]排序算法：sorted()函数
通常规定，对于两个元素
x和y，如果认为x < y，则返回-1，如果认为x == y，则返回0，如果认为x > y，则返回1，这样，排序算法就不用关心具体的比较过程，而是根据比较结果直接排序。>>> sorted([123,34,654,24,623342,4546,32,0]) [0, 24, 32, 34, 123, 654, 4546, 623342]
另外，它也可以接收一个函数，用于自定义的排序。
#定义一个倒序 >>> def reversed_cmp(x, y): ... if x > y: ... return -1 ... if x < y: ... return 1 ... return 0 ... >>> sorted([123,34,654,24,623342,4546,32,0],reversed_cmp) [623342, 4546, 654, 123, 34, 32, 24, 0]
返回函数这个变量：可以在一个函数里面在定义一个一个函数，并返回这个函数名。
内部函数可以引用外部函数的参数和局部变量，当内部函数名被返回时，外部函数的相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。
来，举例说明：
>>> def sum(x, y): ... def sum1(): ... return x + y ... return sum1 >>> f = sum(1, 2) >>> f <function sum1 at 0x7fab499ec8c0> #可以看出 f 为一个函数变量哦； >>> f() #返回这个函数的值； 3
看下面两个程序，仔细体会哦：
>>> def func1(): ... i = 1 ... def func2(): ... return i * i ... return func2 ... >>> f = func1() >>> f() 1
与
>>> def func1(): ... i = 1 ... def func2(): ... return i * i ... i = 5 ... return func2 ... >>> f = func1() >>> f() 25
看到了吧，返回的函数没有立刻执行，而是直到调用了
f()才执行。当执行时，i 变为了5。返回闭包时牢记的一点就是：返回函数不要引用任何循环变量，或者后续会发生变化的变量。
我们可以这样做，让它保证不受影响，这样做的原因是因为已经把函数func2()的参数绑定了哦，为1。
>>> def func1(): ... i = 1 ... def func2(i): ... def func3(): ... return i * i ... return func3 ... return func2(i) ... i = 5 ... >>> f = func1() >>> f() 1
匿名函数：有些时候，不需要显式地定义函数，直接传入匿名函数更方便。
关键字lambda表示匿名函数，匿名函数有个限制，就是只能有一个表达式，返回值就是该表达式的结果。
下面见识一下匿名函数哦：
>>> list = range(1,11) >>> list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] >>> map(lambda x: x*x ,list) [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
函数装饰器：
就是说，我们想对一个函数进行增强一些功能，但是呢，我们又不修改函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。本质上，decorator就是一个返回函数的高阶函数。
一些额外的知识：函数对象都有一个__name__的属性，可以得到函数名字。如：
>>> def hello(): ... print 'hello,world' ... >>> f = hello >>> hello.__name__ 'hello' >>> f.__name__ 'hello'
看看下面实现的decorator:
#定义了一个函数的decorator; def f1(func): def f2(x, y): print 'i am using decorator' print 'call %s ' %func.__name__ return func(x, y) return f2 #用 @ 语法，把decorator置于函数的定义处，即邦定函数哦； @f1 def sum(x,y): return x + y #调用它： print sum(2,3)
输出为：
i am using decorator
call sum
5这是的@f1，就相当于 sum = f1(sum);
再看一个哈，我们可以给decorator传入一定的参数哦：
# 定义一个函数的decorator; def f1(name): def f2(func): def f3(x, y): print 'my name is %s' %name print 'i am using decorator' print 'call %s ' %func.__name__ return func(x, y) return f3 return f2 #用 @语法哦； @f1('yinheyi') def sum(x,y): return x + y #调用它 print sum(2,3)
输出为：
my name is yinheyi
i am using decorator
call sum
5
这是的@f1('yinheyi') 相当于 sum = f1('yinheyi') (sum);
对于上面的操作还有一些小问题：
上面的sum.__func__ 变为了f3,而不再是sum。所以：需要把原始函数sum的
__name__等属性复制到f3函数中，否则，有些依赖函数签名的代码执行就会出错。Python内置的
functools.wraps就是干这个事的，所以， 在加入这个一句就可以啦：具体如下：
# 添加这个库 import functools def f1(name): def f2(func): @functools.wraps(func) #加入这个一个语句哦； def f3(x, y): print 'my name is %s' %name print 'i am using decorator' print 'call %s ' %func.__name__ return func(x, y) return f3 return f2 @f1('yinheyi') def sum(x,y): return x + y print sum(2,3) print 'the name of sum is \'%s\'' %sum.__name__
输出为：
my name is yinheyi
i am using decorator
call sum
5
the name of sum is 'sum'
偏函数：functools.partial帮助我们创建一个偏函数。它的作用为：把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。
举例说明，如int()函数，它可以把字符串转换为整数，加外，它还提供了额外的base参数，如果传入
base参数，就可以做N进制的转换。如：int('12345', base=8) 5349
当我们想假设要转换大量的二进制字符串，每次都传入
int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：def int2(x, base=2): return int(x, base)
functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：>>> import functools >>> int2 = functools.partial(int, base=2) >>> int2('1000000') 64 >>> int2('1010101') 85所以，简单总结
functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。注意到上面的新的
int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：>>> int2('1000000', base=10) 1000000
模块：在Python中，一个.py文件就称之为一个模块（Module）。
为了避免模块名冲突，Python又引入了按目录来组织模块的方法，称为包（Package）。例如两个名不hello.py的模块分别在china的包和school里的包里，然后呢，现在它们的名字分别为：china.hello与school.hello， 这样就不冲突了吧。
每一个包目录下面都会有一个
__init__.py的文件，这个文件是必须存在的，否则，Python就把这个目录当成普通目录，而不是一个包。
自己写一个模块：（主要学习它的格式），创建一个hello.py的文件，内容如下：
1 #!/usr/bin/python 2 # -*- coding: utf-8 -*- 3 4 'this is a hello module, i am coming ' 5 __author__='yinheyi' 6 7 import sys 8 9 def test(): 10 args = sys.argv 11 if len(args) == 1: 12 print 'hello,world' 13 print '你好,世界!' 14 elif len(args) == 2: 15 print 'hello,%s' % args[1] 16 else: 17 print '你的参数个数不对啊,我的哥!' 18 if __name__== '__main__': 19 test()
第2行注释表示.py文件本身使用标准UTF-8编码；
第4行是一个字符串，表示模块的文档注释，任何模块代码的第一个字符串都被视为模块的文档注释；
第5行使用
__author__变量把作者写进去，这样当你公开源代码后别人就可以瞻仰你的大名；注意：
if __name__=='__main__': test()当我们在命令行运行
hello模块文件时，Python解释器把一个特殊变量__name__置为__main__，而如果在其他地方导入该hello模块时，则不会置为__main__, 所以我们可以直接运行这个模块哦，用于运行测试。
给模块起一个别名：
import 模块名 as 别名
模块内的变量与函数的作用域：
在一个模块中，我们可能会定义很多函数和变量，但有的函数和变量我们希望给别人使用，有的函数和变量我们希望仅仅在模块内部使用。在Python中，是通过
_前缀来实现的。正常的函数和变量名是公开的（public），可以被直接引用，比如：
abc，x123，PI等；类似
__xxx__这样的变量是特殊变量，可以被直接引用，但是有特殊用途，比如上面的__author__，__name__就是特殊变量，hello模块定义的文档注释也可以用特殊变量__doc__访问，我们自己的变量一般不要用这种变量名；
类中，__xxx这样的函数或变量就是非公开的（private），即有__开头的名字；
模块的搜索路经：默认情况下，Python解释器会搜索当前目录、所有已安装的内置模块和第三方模块，搜索路径存放在
sys模块的path变量中。如果我们要添加搜索目录，有两种方法，
一是直接修改sys.path，这种方法在退出python后，会失效的。
>>> import sys >>> sys.path.append('你自己的路经')二是设置环境变量PYTHONPATH.可以在.bashrc里添加的，如，export PYTHONPATH = ‘目录‘：$PYTHONPATH
使用__future__模块：比如当我们是python2.7时，而我们想使用python3.4的python的功能时，怎么办呢？我们可以从
__future__模块里，导入我们想要用的功能。如除法：
#这是在python2.7中的 >>> 5/3 1 #导入新的； >>> from __future__ import division >>> 5/3 1.6666666666666667
面向对象的编程：它就是把一个对象作为基本单元，这个对象里有数据，也有对数据的操作方法啦。你看看C语言中，是不是以函数 为单元呢？？这就是差别。例如一个水杯，它的元素就是水，它可以的操作有加水，倒水等。
面向对象编程的过程很简单，首先创建一个类（其实，我认为就是一个数据类型啦，如int），然后再创建这个类的对象就可以啦。就好像你定义了一个汽车，然后，根据你的定义造出汽车的实例就可以啦。
类的定义，举个例子：
#这是从 最根类继承的，旧的方式定义Python类允许不从object类继承，但这种编程方式已经严重不推荐使用。任何时 候，如果没有合适的类可以继承，就继承自object类。7 class Car（object): 8 #定义一个含有的属性啦; 9 color_ = '' 10 weight_ = 0 11 __wheel_ = 4 #可以通过__开头开定义私有的属性; 12 #定义它的方法; 13 def __init__(self, color, weight, wheel): 14 self.color_ = color 15 self.weight_ = weight 16 self.__wheel_ = wheel 17 def get_color(self): 18 return self.color_ 19 def get_weight(self): 20 return self.weight_ 21 def get_wheel(self): 22 return self.__wheel_ 23 24 baoma = Car('red',80,4) 25 print baoma.get_color() 26 print baoma.get_weight() 27 print baoma.get_wheel()
输出为：
red
80
4总结：
类的私有属性：
__private_attrs 两个下划线开头，声明该属性为私有，不能在类地外部被使用或直接访问。在类内部的方法中使用时 self.__private_attrs
类的方法
__private_method 两个下划线开头，声明该方法为私有方法，不能在类地外部调用。在类的内部调用slef.__private_methods有些时候，你会看到以一个下划线开头的实例变量名，比如
_name，这样的实例变量外部是可以访问的，但是，按照约定俗成的规定，当你看到这样的变量时，意思就是，“虽然我可以被访问，但是，请把我视为私有变量，不要随意访问”。双下划线开头的实例变量是不是一定不能从外部访问呢？其实也不是。不能直接访问
__name是因为Python解释器对外把__name变量改成了_Student__name，所以，仍然可以通过_Student__name来访问__name变量，但是不同版本的Python解释器可能会把__name改成不同的变量名。在类地内部，使用def关键字可以为类定义一个方法，与一般函数定义不同，类方法必须包含参数self,且为第一个参数私有的类方法
类的专有方法：
__init__ 构造函数，在生成对象时调用
__del__ 析构函数，释放对象时使用
__repr__ 打印，转换
__setitem__按照索引赋值
__getitem__按照索引获取值
__len__获得长度
__cmp__比较运算
__call__函数调用
__add__加运算
__sub__减运算
__mul__乘运算
__div__除运算
__mod__求余运算
__pow__称方
类的继承与多态：我们定义一个class的时候，可以从某个现有的class继承，新的class称为子类（Subclass），而被继承的class称为基类、父类或超类
定义一个基类：
class Animal(object): def run(self): print 'Animal is running...'定义它的子类：
class Tiger(Animal): pass class Dog(Animal): def run(self): print 'Dog is running...' class Cat(Animal): def run(self): print 'Cat is running...'
运行：
tiger = Tiger() tiger.run() dog = Dog() dog.run() cat = Cat() cat.run()
输出：
Animal is running...
Dog is running... Cat is running...多态：要理解多态，你要知道上面的dog与cat的实例同时属于Animal 与Dog 和Cat类型哦；当我们定义一个函数时，如果传入的数据类型为Animal的话，我们可以把Animal的实例或着继承Anaimal的类的类型传入这个函数中。看一个例子：定义一个函数：def run_twice(animal): animal.run() animal.run()然后呢，当我们传入Animal的实例时，run_twice()就打印出：>>> run_twice(Animal()) Animal is running... Animal is running...
当我们传入Dog的实例时，run_twice()就打印出：>>> run_twice(Dog()) Dog is running... Dog is running...
当我们传入Cat的实例时，run_twice()就打印出：>>> run_twice(Cat()) Cat is running... Cat is running...
可以看出：
对于Animal的子类，不必对run_twice()做任何修改，实际上，任何依赖Animal作为参数的函数或者方法都可以不加修改地正常运行，原因就在于多态。
多态的好处就是，当我们需要传入Dog、Cat、时，我们只需要接收Animal类型就可以了，因为Dog、Cat都是Animal类型，然后，按照Animal类型进行操作即可。由于Animal类型有
run()方法，因此，传入的任意类型，只要是Animal类或者子类，就会自动调用实际类型的run()方法，这就是多态的意思：对于一个变量，我们只需要知道它是Animal类型，无需确切地知道它的子类型，就可以放心地调用
run()方法，而具体调用的run()方法是作用在Animal、Dog、Cat对象上，由运行时该对象的确切类型决定，这就是多态真正的威力：调用方只管调用，不管细节，而当我们新增一种Animal的子类时，只要确保run()方法编写正确，不用管原来的代码是如何调用的。这就是著名的“开闭”原则：
对扩展开放：允许新增Animal子类；
对修改封闭：不需要修改依赖Animal类型的
run_twice()等函数。
获取对象有信息：
判断基本类型都可以用type()函数判断的，如：>>> type(132) <type 'int'> >>> type('lol') <type 'str'>>>> type([1,2,3]) <type 'list'>另外，Python把每种type类型都定义好了常量，放在types模块里，使用之前，需要先导入，可以这这样子：
>>> import types >>> type('lol')==types.StringType True >>> type([])==types.ListType True >>> type(str)==types.TypeType True
对于类的话，可以使用isinstance():>>> isinstance(dog, Dog) True
使用dir()函数获取类的对象的属性与方法。使用
dir()函数，它返回一个包含字符串的list。
#看看字符串都有哪些属性与方法 >>> dir('lol') ['__add__', '__class__', '__contains__', '__delattr__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__getslice__', '__gt__', '__hash__', '__init__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '_formatter_field_name_split', '_formatter_parser', 'capitalize', 'center', 'count', 'decode', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'index', 'isalnum', 'isalpha', 'isdigit', 'islower', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']
如，如
__len__方法返回长度。在Python中，如果你调用len()函数试图获取一个对象的长度，实际上，在len()函数内部，它自动去调用该对象的__len__()方法。
然后配合
hasattr()，getattr()、setattr()我们可以直接操作一个对象的状态。
hasattr()：判断是否存在某个属性或方法；
getattr():得到是否存在某个属性或方法；
setattr():设置是否存在某个属性或方法；
python作为动态语言，有很多的灵活性。
我们可以动态的能已经定义的实例绑属性与方法哦，也可以给一个类绑定方法的。#给一个实例绑定属性： >>> class Car(): ... pass ... >>> bmw = Car() >>> bmw.clor = 'red'
#给一个实例邦定一个方法 >>> def get_color(self): ... return self.color ... >>> from types import MethodType >>> bmw.color = MethodType(get_color, bmw, Car) >>> bmw.color() 'red'
# 给一个类邦定方法 >>> def get_color(self): ... return self.color ... >>> from types import MethodType >>> Car.color = MethodType(get_color, None, Car)
当我们想限制动态绑定的属性的名称时，怎么办呢？那就利用Class的__slots__变量。
为了达到限制的目的，Python允许在定义class的时候，定义一个特殊的__slots__变量，来限制该class能添加的属性：>>> class Student(object): ... __slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称 #这样的话，我们的Student只能动态绑定 'name'与‘age'这两个动态变量了。
另外，
使用@property装饰器可以把定义的一个方法，变为通过属性来调用的。
还有，很有一些特殊的变量或方法来定制类，如__len__、__str__、__iter__、__getitem__等等等 ，具体可以用到的时候具体查一下的。
python中的错误处理机制：
错误处理机制：try …except…finally
Python的错误其实也是class，所有的错误类型都继承自BaseException。 在python程序中，一旦出现错误的话，它就要一级级的上报，直到某个函数能够处理这个错误，如果最后没有函数可以处理这个错误的话，最后就被python的解释器捕获，打印出错误信息，并退出程序了。
因为错误是一级一级的一报的，所以，不需要在每个可能出错的地方去捕获错误，只要在合适的层次去捕获错误就可以了。
1 #!/usr/bin/python 2 # -*- coding: utf-8 -*- 3 4 try: 5 r = 10 /0 6 except ZeroDivisionError, sh: 7 print '出现错误了,except:',sh 8 finally: 9 print 'finally,错误机制结束' 10 print 'end,程序结束'
输出：
yinheyi@ubuntu:~/python$ ./2.py
出现错误了,except: integer division or modulo by zero
finally,错误机制结束
end,程序结束
我们也可以利用python中的log模块记录错误信息，然后分析错误原因。我们在except下面加入了一个记录错误的语句：
1 #!/usr/bin/python 2 # -*- coding: utf-8 -*- 3 import logging 4 try: 5 r = 10 /0 6 except ZeroDivisionError, sh: 7 print '出现错误了,except:',sh 8 logging.exception(sh) 9 finally: 10 print 'finally,错误机制结束' 11 print 'end,程序结束'
它的输出为：
yinheyi@ubuntu:~/python$ ./2.py 出现错误了,except: integer division or modulo by zero ERROR:root:integer division or modulo by zero Traceback (most recent call last): File "./2.py", line 5, in <module> r = 10 /0 ZeroDivisionError: integer division or modulo by zero finally,错误机制结束 end,程序结束
可以用raise抛出错误的，错误也可以自己定义的哦，具体，等着我用到了，我再补冲哈
另外，还有和程序的调试，测试啦等待，现在暂时用不着，不写了就哈。（用于的时候学习代码是效率最高的）
9781
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
