python蝴蝶代码_python学习笔记

一、python简介

python语言的特性就是简单优雅，写容易明了的代码，而且尽量写少的代码。python为我们提供了完善的基础代码库，包括网络、文件、DB、文本等。除了内置库外，还有大量第三方库。所以，使用python开发，许多功能不需从零编写，直接使用现成的即可。

python是解释性语言，运行速度与C语言相比较慢。因为，代码是在执行时候翻译为CPU理解的机器码，这个翻译过程较为耗时。而C程序会在运行前先编译为机器码。

二、python基础

#是注释。通过空格进行缩进，当一行语句以:结尾时，缩进的语句视为一段代码块。按约定俗成的规范，使用4个空格进行缩进。最后代码就类似这样：

#output name

a = 100

if a > 10:print("a>10")else:print("a<=10")

1. 数据类型和变量

1.1. 数据类型

整数：例如：1, -10, 0等。十六进制表示整数方式为：以0x为前缀，后面为0-9, a-f，例如：0x11af

浮点数：例如：0.12, -0.1。对于很大的浮点数就用科学计数法表示，把10用e表示，例如：1.23 * 10的9次方表示为1.23e9或12.3e8

整数和浮点数在计算器存储方式不同，整数运算永远是精确的，但是浮点数可能会出现四舍五入的误差。

1.2. 字符串

字符串：以 单引号''或 双引号""括起来的文本，例如：'abc',"abc"。

\是转义符，例如：'I\'m ok'中\转义字符串内部中的'，输出结果为I'm ok。此外\n表示换行符，\t表示制表符。

为了简化，还可以通过 r''表示''内部的字符串不转义。通过'''...'''来表示很多行，示例：

>>> print('\转义:', '\\\t\\')

\转义: \ \>>> print('不转义:', r'\\\t\\')

不转义: \\\t\\>>> print('多行：', '''line1

... line2

... line3''')

多行： line1

line2

line3

1.3. 布尔值

布尔值只有True和False两种，可以通过 and,or,not分别进行与、或、非运算。例如：

>>> True andTrue

True>>> True orFlase

True>>> not 5 > 1False

1.4. 空值

空值使用None表示，类似null的含义。

1.5. 变量

变量可以是任意数据类型，变量名必须是 大小写、数字、_组成，不能以数字开头。变量通过=赋值，例如：a = 123将变量a赋值为整数123。

python是动态语言，变量的类型是不固定的。而例如Java则是静态语言，变量在定义时必须指定类型，例如：int a = 123;，赋值时候如果类型不匹配，则编译时会报错。与静态语言相比，动态语言更灵活。

1.6. 常量

常量就是不能变的变量。一般习惯上将常量大写。

python中除法有/和//。/计算结果是浮点数，//计算结果则为整数。通过%来取两个整数相除的余数。例如：

>>> 10 / 3

3.3333333333333335

>>> 10 // 3

3

>>> 10 % 3

1

2. 字符串和编码

2.1. 字符串

python中的字符串类型为str，在内存中以Unicode表示，一个字符对应若干字节。如果在网络上传输或保存到磁盘，就需要把str转化为字节bytes。bytes类型数据用带b前缀的单引号或双引号表示：x = b'abc'，注意abc是str类型，而b'abc'则是bytes类型。

str通过encode()可以将编码为指定的bytes，例如：

>>> '中文'.encode('utf-8')

b'\xe4\xb8\xad\xe6\x96\x87'

>>> 'abc'.encode('ascii')

b'abc'

>>> '中文'.encode('ascii')

Traceback (most recent call last):

File"", line 1, in UnicodeEncodeError:'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

英文的str可以用ASCII编码为bytes，中文的str可以用UTF-8编码为bytes，而中文的str无法通过ASCII编码，因为中文超出ASCII的编码范围，故报错。

bytes可以通过decode()方法解码为str，例如：

>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')'中文'

>>> b'abc'.decode('ascii')'abc'

通过len()可以计算str的字符数或bytes的字节数。例如：

>>> len('中文')2

>>> len('中文'.encode('utf-8'))6

操作字符串时，我们经常会将str和bytes互相转换，为了避免乱码的问题，一般推荐使用utf-8编码方式。

2.2. 格式化

python中的字符串格式化方式和C语言类似，都是通过%运算符实现。例如：

>>> "Hi, %s, you have %d" % ('peter', 100)'Hi, peter, you have 100'

有几个占位符，后面就有几个变量，顺序要对应好。常见的占位符有：

%s: 字符串

%d: 整数

%f: 浮点数，%.2f 表示保留2位小数

另一种格式化字符串的方法是使用字符串的format()方法，它会用传入的参数依次替换字符串内的占位符{0}、{1}...，例如：

>>> "Hi, {0}, you have {1:.2f}".format('peter', 3.1415926)'Hi, peter, you have 3.14'

3. 基本数据结构

3.1 list

list是内置的数据结构：列表，表示有序的数据集合。例如：books = ['a', 'b', 'c']，books就是一个list。使用的一些方法如下：

>>> books = ['a', 'b', 'c']>>>books

['a', 'b', 'c']>>> len(books) #计算list元素的个数

3

>>> books[0] #通过索引访问list中的元素，索引下标从0开始

'a'

>>> books[4] #超出list的范围会报IndexError错误，最后一个下标是 len-1

Traceback (most recent call last):

File"", line 1, in IndexError: list index out of range>>> books[-1] #下标-1代表最后一个元素，-2是倒数第二个元素，以此类推

'c'

>>> books[-2]'b'

>>> books.append(True) #往list队尾添加元素

>>> books.insert(1, ['abc', 'def']) #往list指定下标位置(1)添加元素

>>> books #list内的元素可以是不同的类型

['a', ['abc', 'def'], 'b', 'c', True]>>> books.pop() #从队尾删除元素

True>>> books.pop(1) #从list指定下标位置(index=1)删除元素

['abc', 'def']>>>books;

['a', 'b', 'c']>>> books[1] = 'abc' #可以类似数组，直接替换指定下标位置的元素

>>> list = list(range(5)) #通过range()函数生成0-4的整数序列，再通过list()函数转换为list

>>>list

[0,1, 2, 3, 4]

3.2 tuple

tuple是另一种有序数组，但和list不同的是tuple一经初始化就不能再修改，不能使用append()，pop()等修改方法。可以和list类似使用books[0]，books[-1]正常访问元素。不可变使得代码更安全。使用方法如下：

>>> books = (1,2,['a','b']) #通过(... , ...)定义tuple

>>>books

(1, 2, ['a', 'b'])>>> books[2][1]'b'

3.3 dict

dict全称为dictionary，是python的内置字典。使用 key-value 键值对存储，一个key只对应一个value。类似 java 中的 map，使用了哈希表的数据结构，有极快的查找速度。使用方法如下：

>>> dict = {'a':100, 'b':200, 'c':300}>>> dict['c'] #根据key获取value

300

>>> dict['Adam'] = 400 #通过key放入value数据

>>> 'Adam' in dict #判断key是否在字典中

True>>> 'adam' indict

False>>> dict.get('Adam') #key如果不存在，则会返回None

400

>>> dict.pop('a') #删除一个key-value对

100

注意：dict的key是不可变的

3.4 set

set和dict类似，也是一组key的集合，但不存储value。在set中，key不能重复。使用方法如下：

>>> set = set([1,2,3]) #新建set，以list作为输入集合

>>> set.add(1) #往set中添加元素，但set中元素不能重复

>>> set.remove(1) #从set中移除元素

>>> s1 = set([1,2,3])>>>s1

{1, 2, 3}>>> s2 = set([2,3])>>> s1 & s2 #求s1和s2两个set的交集

{2, 3}>>> s1 | s2 #求s1和s2两个set的并集

{1, 2, 3}

4. 条件和循环

4.1. 条件判断

条件判读通过if,elif,else完成，完成形式如下：

if :

elif :

elif :

else:

如果一个if判断为True，则会忽略下面的判断语句

4.2. 循环

循环方式有两种，一种是for...in循环，依次将list或tuple中的元素迭代出来，计算1-100的和：

sum =0for x in range(101):

sum+=xprint(sum)

另一种方式是while循环，只要条件满足while后语句，就一直循环。计算1-100的和：

sum =0

x= 1

while x <= 100:

sum+=x

x+= 1

print(sum)

可以通过break提前退出while循环，contince提前结束当前循环，进行下次循环。这两个语句通常需要配合if使用

三、 函数

1. 调用函数

如果想调用一个函数，需要知道这个函数的名称和参数。如abs()求绝对值的函数，只要一个参数，可以通过help(abs)查看该函数的帮助信息。

>>> abs(-1)1

>>> abs(1,2)

Traceback (most recent call last):

File"", line 1, in TypeError: abs() takes exactly one argument (2given)>>> abs('abc')

Traceback (most recent call last):

File"", line 1, in TypeError: bad operand typefor abs(): 'str'

如果传参的个数或类型不正确，会报TypeError错误，并提示错误信息。

函数名就是指向函数对象的引用，可以将函数名赋值给一个变量，相当于给函数起了个"别名"：

>>> a = abs #将变量a指向函数abs()

>>> a(-1) #通过a调用abs()函数

1

2. 定义函数

定义函数使用def，函数的返回值使用return，例如：

defmy_abs(x):if not isinstance(x, (int, float)): #检查 x 的数据类型

raise TypeError("type error") #抛出TypeError异常

if x >=0:

x;else:return -x;print(my_abs(-1))

如果没有return值，则会返回None。

pass作为占位符，表示什么都不会做。如果没想好怎么写函数中的代码，可以先用pass让代码运行起来。而缺少了pass，代码会报错。

if x >=0:pass;

函数可以返回多个返回值，但其实是返回的单一值：tuple。但写起来方便，可以使用多个变量来接受一个tuple。

deftest(x):return 1,2x, y= test('a')print(test('a'))

输出：

(1, 2)

3. 函数的参数

函数除了必选参数外，还提供了默认参数，可变参数和关键字参数，使得定义的函数能处理复杂的参数，简化开发者的调用。

1)默认参数：先定义power函数，计算x的n次方：

def enroll(name, gender, age=6, city='Beijing'):#第3、4个参数设置默认值

print('name:', name)print('gender:', gender)print('age:', age)print('city:', city)return

print(enroll('a', 'F')) #等同于调用enroll('a','F',6,'Beijing')

print(enroll('a', 'F', city='BJ')) #当参数不按定义的顺序传递时，需要把参数名写上，此时age还使用默认值

设置默认参数有几点需要注意：

必选参数在前，默认参数在后。否则无法判断参数的值该是哪个

变化大的参数放前面，变化小的参数放后面。变化小的可以设置为默认参数，好处就是降低了调用函数的难度。

默认参数必须指向不可变对象

2)可变参数，传入函数的参数个数是可变的，可以是0, 1...个。可变参数是在参数前面加上了*，例如：

def cacl(*number): #number接收的是一个tuple

for x innumber:print(x)

cacl()

cacl(1,2,3) #函数可以传任意值

nums = [1,2,3]

cacl(*nums) #nums前加一个*，将list或tuple的值作为可变参数传递

3)关键字参数：允许传递0或任意个含参数名的参数，这些关键字参数在函数内部组装成一个dict。关键字参数可以扩展函数的功能。例如：

def person(name, age, **kw):print('name', name, 'age', age, 'others', kw)#可传入任意个关键字参数

person('peter', 10, gender='M', job='Engineer')#可先组装dict，然后通过**dict将所有key-value用关键字参数传入函数的**kw，kw获得dict的一份拷贝，对kw的改动不会影响外面的dict

dict = {'gender':'M', 'job':'Engineer'}

person('peter', 10, **dict)

4)命名关键字参数：函数调用者可以传入任意不受限制的关键字参数，在函数内部可以通过kw检查到底传递了哪些。例如：

def person(name, age, **kw):if 'city' in kw: #检查是否有city和job参数

print(kw['city'])if 'job' inkw:print(kw['job'])print(name, age, kw)

如果要限制关键字参数的名字，可以使用命名关键字参数，和关键字参数**kw不同，命名关键字参数需要一个特殊的分隔符*，*后面的参数被视为命名关键字参数。例如：

def person(name, age, *, city, job): #只接收city和job作为关键字参数

print(name, age, city, job)#命名关键字参数必须传入参数名，如果没有传入参数名，则调用会报错

person('name', 18, city='city', job='job')

4. 递归函数

函数内部可以调用其他函数，如果一个函数在内部调用本身，则这个函数是递归函数。例如：计算n的阶乘用递归方式写出来就是

deffunc(n):if n == 1:return 1

return n * func(n-1)

四、高级特性

利用python的一些高级特性，可以用1行代码实现很多功能，从而帮助我们提升了开发效率。

1. 切片

python提供了切片(Slice)操作符，用于取list或tuple的部分元素。

>>> L = ['a','b','c','d','e']>>> L[0:3] #取前3个元素，从索引0到索引3(但不包括索引3)的元素

['a', 'b', 'c']>>> L[:3] #如果第一个索引是0，可以省略

['a', 'b', 'c']>>> L[-2:-1] #倒数切片，倒数第2个元素，倒数第一个元素索引是-1

['d']>>> L[-2:] #倒数前2个元素

['d', 'e']>>> L[0:5:2] #取前5个元素，每2个取一次

['a', 'c', 'e']>>> L[::2] #取所有元素，每2个取一次

['a', 'c', 'e']

tuple是不可变的一种list，也支持切片操作，操作结果仍是tuple

>>> (1,2,3,4,5)[:3]

(1, 2, 3)

字符串"abcde"也可看做是一个list，每个元素就是一个字符，也可以使用切片操作，其结果仍旧是字符串

>>> 'abcde'[:5:2]'ace'

2. 迭代

如果给定一个list或tuple，可以使用for循环来遍历，这种遍历称为迭代(Iteration)。python中的迭代是通过for...in来完成，不仅可迭代list/tuple。还可迭代其他对象。

#迭代list

>>> l = list(range(10))>>> for item inl:

...print(item)#迭代dict，由于dict的存储不是像list那样顺序存储，所有迭代结果可能不是按顺序的

>>> d = {'a':1, 'b':2}>>> for key in d: #默认是迭代的key

... print(key)

...

b

a>>> for value in d.values(): #迭代value

... print(value)

...2

1

>>> for k,v in d.items(): #迭代key和value

... print(k, v)

...

b2a1

#迭代字符串

>>> for ch in 'abc':

...print(ch)

...

a

b

c

当使用for时，只要作用与一个迭代对象，就可以正常运行，我们不需要关注迭代对象是list还是其他数据类型。可以通过collections模块的Iterable类型判断一个对象是否是可迭代对象：

>>> from collections importIterable>>> isinstance('abc', Iterable) #str类型可迭代

True>>> isinstance(123, Iterable) #整数不可迭代

False>>> dict={'a':1}>>> isinstance(dict, Iterable) #dict类型可迭代

True

python内置的enumerate函数可以将list变成索引-元素对。这样可以在for中迭代索引和对象本身：

>>> l = ['a','b','c','d']>>> for i,value inenumerate(l):

...print(i, value)

...

0 a1b2c3 d

3. 列表生成式

python内置了简单而强大的生成list的方式，通过使用列表生成式可以写出非常简洁的代码。

#生成 2-10 的list

>>> L=list(range(2,11))>>>L

[2, 3, 4, 5, 6, 7, 8, 9, 10]

此外，还可以在for...in...后面加上if进行判断。例如：生成3-10中偶数的平方的list：

>>> L=[x * x for x in range(3,11) if x % 2 ==0]>>>L

[16, 36, 64, 100]

等价于

>>> L=[]>>> for x in range(3,11):

...if x % 2 ==0:

... L.append(x*x)

...>>>L

[16, 36, 64, 100]

列表生成式也可以使用两个变量来生成list：

>>> dict={'a':'1', 'b':'2'}>>> [k+'='+v for k,v indict.items()]

['b=2', 'a=1']

4. 生成器

通过列表生成器，可以直接创建一个列表。但是，假如创建一个包含100万个元素的列表，需要占用大量的内存空间，而我们只需要前几个元素，那么大多数元素占用的内存空间就浪费了。

对于这种情况，python提供了生成器(generator)，能一边循环一边计算，从而不需要创建完整的list，节省了内存空间。

第一种创建generator生成器的方式：将[]改为()

>>> L = [x * x for x in range(1,10)] #创建list

>>> L #打印list的每一个元素

[1, 4, 9, 16, 25, 36, 49, 64, 81]>>> g = (x * x for x in range(1,10)) #创建generator

>>>g at 0x1024e0bf8>

>>> next(g) #用next()函数获取generator下一个返回值

1

>>>next(g)4

next()会计算g的下一个元素，当没有元素时，会抛出StopIteration异常。generator是可迭代对象，可以使用for循环来代替next()

>>> g = (x * x for x in range(1,5))>>> for n ing:

...print(n)

...1

4

9

16

第二种创建generator生成器的方式：函数定义中使用yield，将函数变成generator

下面是生成菲波那切数列的函数，除第一个和第二个数之外，后面每个数等于前两个数的和：

deffib(max):

n, a, b= 0, 0, 1

while n

a, b= b, a +b

n= n + 1

return 'done'fib(6) #输出菲波那切数列前6个数

这种逻辑非常类似generator，可以从第一个元素开始，推算后面任意的元素。将print(b)改为yield b，该函数就就变成了generator。generator和普通函数执行流程不一样：

普通函数是顺序执行，遇到return或最后一行函数语句就会返回；

而变为generator的函数，每次调用next()的时候执行，遇到yield中断并返回值，再次调用next()时从上次yield语句处继续执行。

>>> deffib(max):

... n, a, b= 0, 0, 1...while n

...yieldb

... a, b= b, a +b

... n= n + 1...return 'done'...>>> g = fib(6) #生成generator对象

>>>g

>>> next(g) #调用next()函数不断获取后一个返回值

1

>>>next(g)1

>>>next(g)2

>>>next(g)3

>>>next(g)5

>>>next(g)8

>>> next(g) #此时 n = max, 没有yield可以执行了，所有调用就报错了

Traceback (most recent call last):

File"", line 1, in StopIteration: done>>> for n in fib(6): #也可以使用for循环进行generator的迭代

... print(n)

5. 迭代器

直接作用于for循环的数据类型有以下几种：

集合数据类型：list,tuple,dict,set,str等

generator：包括生成器和带yield的生成器函数

这些可作用for循环的对象统称为可迭代对象：Iterable。可通过isinstance()判断一个对象是否是Iterable：

>>>isinstance([],Iterable)

True>>> isinstance((x for x in range(10)),Iterable)

True>>> isinstance(123,Iterable)

False

生成器不仅可作用于for循环，还可被next()不断调用返回下一个值，直至抛出StopIteration，这类对象成为迭代器：Iterator，也可使用isinstance进行判断：

>>> from collections importIterator>>>isinstance([],Iterator)

False>>> isinstance((x for x in range(10)), Iterator)

True

迭代器Iterator表示的是一个数据流，可将数据流看做是一个有序队列，但不能提前知道队列的长度，只能通过next()函数实时按需计算下一个元素的值。

五、函数式编程

1. 高阶函数

函数名是指向函数的变量，对于函数abs()，可将abs函数名看做变量，它指向可以计算绝对值的函数。另外，函数本身可以赋值给其他变量：

>>> abs(-10) #调用求绝对值的函数

10

>>> abs #abs是函数本身

>>> f=abs #将函数本身赋值给变量

>>>f

>>> f(-10) #通过变量来调用函数。直接调用abs()和调用变量f()相同

10

既然变量可以指向函数，函数的参数能接受变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称为高阶函数。函数式编程就是指这种高度抽象的编程范式。例如：

defadd(x, y, f):print(f(x) +f(y))

add(-5, 6, abs) #f=abs 作为参数传入, 最后计算abs(-5) + abs(6)

输出：11

1.1 map/reduce

map()函数接收两个参数，第一个是函数，第二个是Iterable(可迭代对象)。map将函数作用与序列的每一个元素，并作为结果返回Iterator(迭代器)。举例如下：

#第一个参数str是str()函数，将list中的每个数字转化为str

>>> result = map(str, [1,2,3,4,5])>>>isinstance(result, Iterator)

True>>> list(result) #结果是Iterator惰性序列，通过list()函数将其转化为list

['1', '2', '3', '4', '5']

reduce()函数也接收两个参数，第一个是函数，第二个是Iterable。reduce将函数作用在序列上，将结果继续和序列的下一个元素做累积计算。效果就是：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

举例如下：将[1,3,5,7,9]转化为13579

>>> from functools importreduce>>> deffn(x, y):

...return x * 10 +y

...>>> reduce(fn, [1,3,5,7,9])13579

map()可以与reduce()配合起来使用：实现将str转化为int，只需要几行代码

>>> DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}#str也是一个Iterable

>>> reduce(lambda x, y:x*10 + y, map(lambda x:DIGITS[x], '13579'))13579

1.2 filter

filter()也接收一个函数和一个Iterable序列，将函数依次作用与序列中的每个元素，然后保留返回True的元素，丢弃返回False的元素，最终返回Iterator序列。通过help()了解filter的说明：

>>>help(filter)

Help onclass filter inmodule builtins:classfilter(object)| filter(function or None, iterable) -->filter object|

| Return an iterator yielding those items of iterable forwhich function(item)| is true. If function is None, return the items that are true.

filter()主要是实现筛选功能。例如：筛选list中的奇数

>>> defis_odd(n):

...return n % 2 == 1...#filter返回Iterator序列,需要用list()来获取所有结果

>>> list(filter(is_odd, [1,2,3,4,5]))

[1, 3, 5]

1.3 sorted

sorted()函数可以对Iterable序列进行排序。默认是从小到大的升序，也可指定reverse=True改为从大到小。它还可以接受一个函数key来自定义排序方法：该函数会作用与序列的每一个元素，然后根据key函数返回的结果进行排序。

#对list进行排序

>>> sorted([1, -5, 3])

[-5, 1, 3]#接收key函数实现自定义排序，按绝对值大小排序

>>> sorted([1, -5, 3], key=abs)

[1, 3, -5]#反向排序

>>> sorted([1, -5, 3], key=abs, reverse=True)

[-5, 3, 1]

2. 返回函数

高阶函数除了能将函数作为参数，还可将函数作为返回值。例如：

>>> def lazy_sum(*args):

...defsum():

... s=0

...for n inargs:

... s= s +n

...returns

...return sum #返回求和函数

...>>> f=lazy_sum(1,2,3,4,5) #调用lazy_sum时，返回求和函数而不是求和结果

>>>f.sum at 0x101c09ae8>

>>> f() #调用f()时，才会计算求和结果

15

闭包：在上面的例子中，lazy_sum函数中定义了函数sum，内部sum函数可以引用外部函数lazy_sum的参数和局部变量(args)。当lazy_sum返回sum时，相关参数和变量(args)都保存在返回的sum函数中，这种成为闭包。返回闭包时候需要注意一点：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。

3. 匿名函数

我们在传入函数时，有时候不需要显式的定义函数，直接传入匿名函数更方便。关键字lambda表示匿名函数，例如：lambda x: x * x表示计算x的平方的函数，冒号前面的x表示函数参数，lambda只需要一个表达式，不需要写return，返回值就是表达式的值。

#map第一个参数为传入的函数

>>> list(map(lambda x : x * x, [1,2,3]))

[1, 4, 9]

4. 装饰器

装饰器：在代码运行期间动态的增加函数功能的方式称为装饰器。例如：有一个now()函数，希望在函数调用的前后打印日志，而又不修改函数的定义，从而增加now()函数的功能。

#定义能打印日志的装饰器，接收一个函数作为参数，并返回一个函数

importfunctoolsdeflog(func):#将原始函数now的__name__等属性复制到wapper中，否则部分依赖函数签名的代码执行时会出错

@functools.wraps(func)def wapper(*args, **kw):print("call %s" % func.__name__)return func(*args, **kw)returnwapper#使用@语法，将装饰器置于函数的定义处

@logdefnow():print("2018-01-01")

now()#调用now函数，不仅运行now本身，也会在now之前打印一行日志

---call now2018-01-01

将@log放置在now函数定义处，相当于执行了now = log(now)，log()是一个装饰器，返回一个函数，所以现在now指向了新的函数wapper()(即在log内定义的函数)。wapper函数的参数定义是*args, **kw，因此wapper可以接收任何参数。

5. 偏函数

int()能将字符串转化为整数，默认是按10进制进行转化转换，还提供了额外的base参数来指定做N进制的转换。

>>> int('123')123

>>> int('123', base=8) #按8进制进行转换

83

可以通过functional.partial帮我们创建一个偏函数，创建一个新的函数int2()，将int()函数的base参数设置默认值，从而使用int2()函数转化2进制会更方便一些。注意：新的int2函数中base=2是默认值，也可以设置为其他值：

>>> importfunctools>>> int2=functools.partial(int, base=2)>>> int2('100101')37

>>> int2('100101',base=10)100101

六、模块

一个.py文件称为一个模块(module)，使用模块提升了代码的可维护性，编写完一个模块，可以在其他模块引用。使用模块还能避免函数和变量名冲突，相同名字的函数和变量可以在不同的模块中。如果为了避免模块名冲突，python又按目录来组织模块的方法，称为包(package)。

mycompany

├─__init__.py

├─ abc.py

└─ xyz.py

以上目录存放例子，mycompany是一个顶层包名，abc.py的模块名就是mycompany.abc。每个目下会有一个__init__.py文件，这个文件是必须的，否则python会将它看做是一个普通的目录，而不是一个包，init.py本身就是一个模块，模块名为mycompany。

自己创建模块时需要注意不要和系统自带的模块名冲突，例如，系统自带了sys模块，自己的模块就不能命名为sys.py。

使用python本身内置的模块，只需要import 模块名就可以了。例如：import sys，就导入了sys模块，变量sys就指向该模块，利用sys变量，就可以访问sys模块的所有功能。

七、面向对象编程

面向对象编程，简称OOP(Object Oriented Programming)，是一种程序设计思想，将对象作为程序的基本单元，一个对象包含了数据和操作数据的函数。python中，所有数据类型都可以视为对象，也可以自定义对象，自定义的对象数据类型就是类(Class)的概念。面向对象的三大特点：封装、继承、多态。

1. 类和实例

类(Class)是抽象的模板，而实例(Instance)是根据类创建出来的一个个具体的"对象"，每个对象拥有相同的方法，而各自的数据不同。

#class关键字定义类，后面object表示Student是从object继承的，

classStudent(object):#通过定义特殊的__init__方法，在创建类时，将必须绑定的属性强制填写进去

#__init__第一个参数是self，表示实例本身，在内部将name和score属性绑定到self上

def __init__(self, name, score):

self.name=name

self.score=scoredef print(self):print("%s %s" %(self.name, self.score))#创建Student实例，必须传入与__init__方法匹配的参数

std = Student("name", 90)#Student实例将name和score数据封装起来，通过调用实例的方法，操作对象的内部数据

std.print()

2. 访问限制

上例中，仍可以通过std.name来访问和修改实例的name属性。如果要将name和score内部属性设置为私有变量(private)，可以在属性的名称前加两个下划线__，只有内部可以访问，外部不可以访问。如下：

classStudent(object):def __init__(self, name, score):

self.__name =name

self.__score =scoredefprint_score(self):print("%s, %s" % (self.__name, self.__score))

变量名类似__xxx__，前后都有两个下划线的是特殊变量，特殊变量可以直接访问，不是private的。

3. 继承与多态

定义一个新的class可以继承已有的class，从而获得父类的全部功能。例如：

classAnimal(object):defrun(self):print('animal run')#Cat类继承自Animal类

classCat(Animal):#将父类中的run方法覆写掉

defrun(self):print('cat run')

Cat类也可以覆写run方法，从而代码调用时，会调用子类的run方法。这样，我们会获得了多态。

#该函数接受Animal类型的变量

>>> defrun_twice(animal):

... animal.run()

... animal.run()

...>>> run_twice(Animal()) #当传入Animal对象时

animal run

animal run>>> run_twice(Cat()) #当传入Cat对象时

cat run

cat run

对于传入的不同的Animal子类，run_twice()函数不需要做任何修改，只需要接受Animal类型就可以了。因为Cat等子类也算是Animal类型，然后可以按照Animal的类型进行操作，可以放心的调用run()方法，而具体的run()方法是作用在Animal、Cat对象上，由运行时该对象的确切类型决定。这就是多态的好处：

对扩展开放：允许新增Animal的子类

对修改封闭：不需要修改依赖Animal类型的run_twice()函数

静态语言 vs 动态语言：

对于静态语言(例如Java)：如果需要传入Animal类型，则传入的对象必须是Animal类型或它的子类，否则将无法调用run()

对于动态语言(例如python)：则不一定需要传入Animal类型，只需要保证传入的对象有一个run()方法就行。

这就是动态语言的鸭子类型：不像静态语言那样要求严格的继承体系，一个对象"看起来像鸭子，走起路来像鸭子"，那它就可以看做是鸭子。

4. 获取对象信息

可以使用type()来判断对象的类型：

#判断基本类型

>>> type(123)

>>> type('123')

#如果一个变量指向一个类或函数

>>>type(Cat())

>>>type(abs)

type返回Class类型，可以比较两个type是否相同：

>>> type(123)==type(456)

True>>> type('abc')==str

True>>> type('abc')==type(123)

False

对类的继承关系，type不太好判断，可以使用instance()函数，告诉我们一个对象是否是该类型，或该类型的子类。例如：Cat类继承了Animal：

>>> a =Animal()>>> c =Cat()>>>isinstance(a, Animal)

True>>>isinstance(c, Animal)

True>>>isinstance(a, Cat)

False#判断基本类型

>>> isinstance(123, int)

True>>> isinstance('123', int)

False

可以使用dir()获得一个对象的所有属性和方法，配合getattr()，setattr()，hasattr()，操作一个对象的状态：

>>> a =Animal()>>>dir(a)

['__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'run']>>> hasattr(a, 'x') #是否有'x'属性

False>>> setattr(a, 'x', 10) #设置属性'x'

>>> getattr(a, 'x') #获取属性'x'

10

>>> fn = getattr(a, 'run') #获取a对象的run方法，赋值到变量fn

>>> fn() #fn()与a.run()是一样的

animal run

5. 实例属性和类属性

python是动态语言，根据类创建的实例可以任意绑定属性。给实例绑定属性时通过实例变量或self：

>>> a =Animal()>>> a.score = 123

如果直接在Animal类本身绑定一个属性，可在class中定义，这种属性时类属性：

>>> classAnimal(object):

... name= "name"...>>> a =Animal()>>> a.name #实例a没有name属性，会查找class的name属性

'name'

>>> Animal.name #打印类的name属性

'name'

>>> a.name='name_object' #给实例a绑定name属性

>>> a.name #实例属性优先级比类属性高，所有屏蔽了类的name属性

'name_object'

实例属性归各个实例所有，互不干扰。类属性属于类所有，所有实例共享一个类属性。不要对实例属性和类属性使用相同的名字，否则将发生难以发现的错误

八、面向对象高级编程

1. 使用slots

在程序运行时可以动态给class绑定属性，但如果想限制实例的属性，例如只允许给Student类添加name或age属性，可以在提供定义class时，设置一个特殊的__slots__变量：

>>> classStudent(object):

...__slots__=('name','age') #通过tuple设置允许绑定的属性明恒

...>>> a =Student()>>> a.name="name" #绑定属性name

>>> a.other=123 #绑定属性other，不在__slots__定义中，出现错误

Traceback (most recent call last):

File"", line 1, in AttributeError:'Student' object has no attribute 'other'

other不在__slots__定义中，所以不能绑定other属性，得到AttributeError错误。__slots__定义的属性仅对当前实例起作用，对继承的子类不起作用。

2. 使用@property

在java中，如果定义了一个属性，一般会实现这个属性的getter和setter方法。在python中，可以通过@property装饰器将方法变成属性调用，这样既能检查参数，又能用属性这样简单的方式来访问变量。

>>> classStudent(object):

... @property

...defscore(self):

...returnself._score

...

... @score.setter

...defscore(self, value):

...if notisinstance(value,int):

...raise ValueError('score must be integer')

...if value > 100 or value <0:

...raise ValueError('score must between 0-100')

... self._score=value>>> s =Student()>>> s.score=-1Traceback (most recent call last):

File"", line 1, in File"", line 10, inscore

ValueError: score must between 0-100

>>> s.score=10 #实际转化为s.set_score(10)

>>> s.score #实际转化为s.get_score()

10

@property将getter方法变成属性，此时@property本身又创建了@score.setter装饰器，负责将setter方法变为属性赋值，于是可以对score进行属性操作。如果只定义了getter方法，没有定义setter方法，那么就是只读属性。通过@property可以让调用者写出简洁的代码，同时保证了参数的校验。

3. 多重继承

设计类的继承关系时，通常主线都是单一继承下来的，如果需要加入额外的功能，通过多重继承就可以实现，这种设计称为MixIn，例如：让Dog除了继承Animal，同时继承Runnable，为了更好的看出继承关系，一般将Runnable改为RunnableMixIn：

classDog(Animal, RunnableMixIn):pass

设计类的时候，我们优先考虑多重继承来组合多个MixIn的功能，可快速构造所需的子类。

4. 定制类

python中有许多特殊用途的函数可以帮助我们定制类。__str__()：打印对象时，自定义返回的字符串

>>> classStudent(object):

...def __init__(self,name):

... self.name=name

...def __str__(self):

...return 'student object (name:%s)' %self.name

...>>> print(Student('apple'))

student object (name:apple)

__iter__：如果一个类想用于for...in，类似list或tuple，就需要实现__iter__()方法，该对象返回一个迭代对象，然后for循环会不断调用迭代对象的__next__()方法拿到下一个值，直至遇到StopIteration时退出循环。例如，for循环迭代菲波那切数列：

>>> classFib(object):

...def __init__(self):

... self.a, self.b= 0, 1 #初始化计数器 a,b

...def __iter__(self):

...return self #返回迭代对象自己

...def __next__(self):

... self.a, self.b= self.b, self.a + self.b #计算下一个值

... if self.a > 100: #退出循环的条件

... raiseStopIteration()

...return self.a #返回下一个值

...>>> for n inFib():

...print(n)

__getitem__：上面Fib()可像list一样用于for循环，如果想像list那样按下标取元素，需要实现__getitem__()方法。与之对应的是__setitem__()方法，把对象视作list来对集合赋值，__delitem__()，用于删除某个元素。

__getattr_：当调用类的方法或属性时，如果不存在会报错。没有找到属性的情况下，会调用__getattr__，该方法可把一个类的所有属性和方法全都动态化处理。例如：

>>> classStudent(object):

...def __getattr__(self, attr):

...if attr=='age':

...return 18...if attr=='name':

...return lambda:'name'...>>>stu.name()'name'

>>>stu.age18

5. 使用枚举类

通过Enum类能实现枚举功能。

>>> from enum importEnum>>> Sex=Enum('Sex', ('Male', 'Female')) #获得Sex类型的枚举类

>>> for name, member in Sex.__members__.items(): #Sex所有成员

... print(name, '->', member, '->', member.value)

...#value属性从1开始自动赋值给枚举成员

Male -> Sex.Male -> 1Female-> Sex.Female -> 2

如果要更精确的控制枚举类型，可以从Enum中派生自定义类：

>>> from enum importEnum, unique>>>

>>> @unique #unique装饰器检查没有重复值

... classSex(Enum):

... Male=10 #自定义设置value

... Female=20

#使用枚举类型

>>> print(Sex.Male)

Sex.Male>>> print(Sex.Male.value)10

>>> print(Sex(10)) #根据value值获取枚举常量

Sex.Male

九、错误处理

一般语言的错误处理机制类似：try...except...finally...，大致实现如下：

try:

运行代码...exceptValueError as e:#try中代码如果出错，会跳转至except语句块处理对应的异常

finally:#执行完except后，最终会到finally语句块(不出现错误，也会执行finally)

错误也是一个class，所有错误类型基本继承自BaseException，在使用except时，也会将错误的子类一起捕获。如果错误没有被捕获，那么会按调用栈一层层往上抛，最终被python解释器捕获并打印错误日志，然后程序退出，所以我们捕获错误时，可以将错误堆栈打印出来，这样便于分析错误原因，同时也能让程序继续下去。

我们编写函数时，也可以通过raise主动抛出错误：

deffoo(s):

n=int(s)if n==0:raise ValueError('invalid value: %s' %s)return 10 / n

十、IO编程

IO即指Input/Output，IO中，Stream流是一个重要的概念，可理解为一个一个水管，数据就是水管里的水，只能单向流动

Input Stream 就是数据从外面(磁盘、网络)流进内存

Output Stream 就是数据从内存流到外面

1. 文件读写

读写文件就是请求OS打开一个文件对象(成为文件描述符)，然后通过OS提供的接口从文件对象中读写数据。

读文件：

>>> try:#以读文件方式打开文件对象，如果文件不存在，会抛出IOError错误

... f = open('/Users/butterfly/test.txt', 'r')

...print(f.read()) #一次读取文件的全部内容到内存中

... finally:

...iff:#最终，要关闭文件，文件使用后必须关闭，因为文件对象会占用OS的资源，并且OS同一时间打开的文件数量是有限制的

... f.close()

使用try...finally比较繁琐，可使用with简化，会自动调用close方法：

>>> with open('/Users/zhangqi/test.txt', 'r') as f:

...print(f.read())

读文件时，可以通过read(size)指定每次最多读取size个字节内容。readline()每次读取一行内容。读取二进制文件时，可以指定rb模式打开文件。open()方法可以通过encoding参数指定读取文件的编码方式，errors指定读取出现错误时如何处理：

>>> f = open('/Users/michael/gbk.txt', 'r', encoding='gbk', errors='ignore')

写文件：

>>> with open('/Users/zhangqi/test.txt', 'w') as f:

... f.write('hello world')

写文件与读文件唯一区别在于，传入标识符w或者wb表示写文本文件或二进制文件。当写文件时，OS往往不会立即把数据写入磁盘，而是缓存在内存中，在空闲时候再慢慢写入，只有调用close()时，OS才保证将没写入的数据写入到磁盘。所以需要with来保证最后会close。

此外，可以给open()方法传入encoding参数将字符串转换为指定编码，w模式写文件会覆盖已有文件，如果想追加内容到文件末尾，可以传入a以追加(append)模式写入。

2. StirngIO和BytesIO

StringIO可实现在内存中读写str。写str到StringIO：

>>> from io importStringIO>>> f =StringIO()>>> f.write('hello\nworld\n') #像文件一样写入

12

>>> print(f.getvalue()) #获取写入后的str

hello

world

操作二进制数据，就需要使用BytesIO：

>>> from io importBytesIO>>> f =BytesIO()>>> f.write('中文'.encode('utf-8')) #写入经过utf-8编码的bytes到BytesIO

6

>>> print(f.getvalue())

b'\xe4\xb8\xad\xe6\x96\x87'

3.操作文件和目录

os模块封装了操作系统的目录和文件操作，在内部调用了操作系统提供的接口函数。下面是一些常用方法：

#环境变量

>>> importos>>> os.environ #查看操作系统中定义的环境变量

>>> os.environ.get('PATH') #获取某个环境变量中的值

#目录操作

>>> os.path.abspath('.') #查看当前目录的绝对路径

>>> os.mkdir('/Users/michael/testdir') #创建一个新目录

>>> os.rmdir('/Users/michael/testdir') #删除一个目录#将路径拆分为两部分，后一部分是最后级别的目录或文件名

>>> os.path.split('/Users/michael/testdir/file.txt')

('/Users/michael/testdir', 'file.txt')#通过splitext可直接获得文件的扩展名

>>> os.path.splitext('/path/to/file.txt')

('/path/to/file', '.txt')#文件操作

>>> os.rename('test.txt', 'test.py') #对文件重命名

>>> os.remove('test.py') #删除文件

#可方便的列举当前目录下的.py文件

>>> [x for x in os.listdir('.') if os.path.isfile(x) and os.path.splitext(x)[1]=='.py']

参考