不想再像以前那样，什么都从头开始学习语法、总结语法，这样反而会过分纠结于语法，耽误了开发，毕竟语言的主要属性是工具，次要的属性是语言本身。

所以还是先熟练使用语言去进行开发，等足够熟悉了，再去研究语言本身（编译原理……）。

另外对于算法、设计模式、数据结构、网络知识、操作系统…… 的学习可以专门针对性的学习，当然更好的方法是以使用语言为主线，通过具体的应用和实践来推动这些技术知识的学习。

本文是通过廖雪峰的网站学习而整理的（真的是很好的教程，省得我花钱买书了！），然后我没有去再整理总结语法，而是直接通过写出代码段来体现自己的学习，也方便以后的快速复习、回顾。毕竟学习一门语言不是一天可以完成的，所以本文也不是一蹴而就的，而是会一直更新。

也没有必要再对代码做过多的文字解释，一切都能通过代码本身体现。

交互式命令行

在Python的交互式命令行写程序，比如>>>print('hello world')，好处是一下就能得到结果，坏处是没法保存，下次还想运行的时候，还要再敲一遍。

所以实际的开发中，我们使用一个文本编辑器来写代码，然后保存为一个文件，这样程序就可以反复运行了。比如将print('heool world')写在文档里注意print前面不能有任何空格，并保存为 hello.py，然后使用命令行进入该文件所在的目录，执行python hello.py就可以解析执行这个源文件了。

绝对不要使用windows自带的记事本：记事本会自作聪明地在文件开始的地方加上几个特殊字符（UTF-8 BOM），结果会导致程序运行出现莫名其妙的错误。

直接运行py文件

能不能像.exe文件那样直接运行.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）的第一行加上一个特殊的注释：

#!/usr/bin/env python3
print('hello, world')

接着，通过命令行给hello.py以执行权限：chmod a+x hello.py，然后就可以在文件所在目录下直接输入./hello.py运行。

这个和Shell有些像！

输入和输出

输出

>>>print('测试一个运算式', '1+2=', 1+2)
测试一个运算式 1+2= 3

注意遇到print里面将参数分开的逗号会输出空格。

输入

>>>name = input()
xumenger

当你输入完name = input()并按下回车后，Python交互式命令行就等待你的输入，以这个例子，输入xumenger，然后回车完成输入，这时候输入的字符串就存入到name变量里了。

综合输出输入的例子

编写一个test.py文件

name = input('请你输入你的姓名: ')
print('hello', name)

input里面的字符串参数作为输出提示用，然后等待输入，输入的字符串（比如xumenger）存入name，然后再输出 hello xumenger。

input()和print()是在命令行下面最基本的输入和输出，但是，用户也可以通过其他更高级的图形界面完成输入和输出，比如，在网页上的一个文本框输入自己的名字，点击“确定”后在网页上看到输出信息。

2015.09.06 23:40，明天开始学习Python基础，先去睡觉！

Python基础

Python语法简单，采用缩进来控制逻辑。没有规定是几个空格还是Tab，但是按照约定俗成的管理，应该始终坚持使用4个空格的缩进。在文本编辑器中，需要设置把Tab自动转换为4个空格，确保不混用Tab和空格。

# print absolute value of an integer:
a = 100
if a >= 0:
    print(a)
else:
    print(-a)

以#开头的语句是注释，当语句以:结尾时，缩进的语句视为代码块。

数据类型

整数、浮点数

整数和浮点数在计算机内部存储的方式是不同的，整数运算永远是精确的（除法难道也是精确的？是的！），而浮点数运算则可能会有四舍五入的误差。

字符串（使用单引号或者双引号引起来）
如果字符串内部包含'又包含"怎么办，需要用\来转义

print('I\'m \"OK\"!')

表示：I'm "OK"!

判断

if age==18
    print('值为18')
else
    print('值不是18')

布尔值（True、False，用and、or和not运算）

空值

用 None表示，None不能理解为0，因为0是有意义的，而None是一个特殊的空值。

变量

=是赋值号，另外Python是动态语言，变量本身类型不固定。与之对应的是静态语言，静态语言在定义变量的时候必须指定变量的类型，如果赋值的时候类型不匹配，就会报错，像C、C++、Java。

a='ABC'

Python解释器解释它时，，干了两件事

在内存中创建一个'ABC'的字符串
在内存中创建了一个名为a的变量，并将它指向'ABC'

也可以把一个变量a赋值给另一个变量b，这个操作实际上是把变量b指向变量a所指向的数据，例如下面的代码：

a = 'ABC'
b = a
a = 'XYZ'
print(b)

最后一行打印出变量b的内容到底是'ABC'呢还是'XYZ'？如果从数学意义上理解，就会错误地得出b和a相同，也应该是'XYZ'，但实际上b的值是'ABC'。一步一步理解代码

在内存中创建 'ABC' 字符串
在内存中创建 a 变量，并将 a 指向 'ABC'
在内存中创建 b 变量，因为将 a 值赋给 b，所以这是b也指向 'ABC'
然后又在内存中创建了 'XYZ' 字符串，并将 a 指向 'XYZ'，但是此时b 还是指向 'ABC'

除法

10/3 得到的结果是 3.3333333333333
9/3 得到的结果是 3.0
10//3 得到的结果是 3
10%3 得到的结果是 1

字符编码

这个知识点以前我一直存在疑惑，廖雪峰的教程里面讲得还是很好的，点击这里认真看。重点是字符编码的原理、现在计算机系统通用的字符编码工作方式、Python中的编码方式、乱码的解释。

在最新的Python 3版本中，字符串是以 Unicode编码的，也就是说Python的字符串支持多种语言。

关于Python的字符串类型和bytes类型、在网络传输或者保存到磁盘时候字符串类型与bytes类型的转换，参考对应的廖雪峰的字符串和编码教程，有详细的讲解。

1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

格式化

print('Hi, %s, you have $%d.' % ('loser', 10))

输出是：Hi, loser, you have $10

print('Age: %s, Gender: %s' % (25, True))

输出是：Age: 25, Gender: True

列表：list

list是一种有序的集合用[]，可以随时添加和删除其中的元素

mates = ['Machael', 'Bob', 'Tracy']
print('%s' % (len(mates))
print(mates[0])    #第一个元素
print(mates[3])    #越界报错
print(mates[-1])   #倒数第一个元素
print(mates[-2])   #倒数第二个元素
print(mates[-4])   #越界报错
mates.append('xumenger')    #list是可变列表，现在是在list末尾追加元素
mates.insert(1,'Joker')    #插入一个元素在第二个位置
mates.pop()    #删除末尾的元素
mates.pop(1)    #删除第二个元素
mates[1] = 'change'    #替换第2个元素

L= ['test', 123, True]    #list里面可以是不同类型的元素
s= ['test', 1, ['asp', 2], True]    #list的元素可以是另一个list
list1 = ['test', True]
list2 = [2, False, list1]
print(list2[2][0])    #可以看成是一个二维数组，类似的还有三维、四维……数组，不过很少用到。

元组：tuple

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')

现在，mates这个tuple不能变了，它也没有append()，insert()这样的方法。其他获取元素的方法和list是一样的，你可以正常地使用mates[0]，mates[-1]，但不能赋值成另外的元素。

不可变的tuple有什么意义？因为tuple不可变，所以代码更安全。如果可能，能用tuple代替list就尽量用tuple。

t=(1)定义的不是tuple，是1这个数！这是因为括号()既可以表示tuple，又可以表示数学公式中的小括号，这就产生了歧义，因此，Python规定，这种情况下，按小括号进行计算，计算结果自然是1。

要想定义只有一个元素的tuple，应该这样t=(1,)

“可变的tuple”，可以是tuple有一个list元素，然后里面的list可变，可以看教程中对应部分通过展示内存中的存储原理来说明原因：

t = ('a', 'b', ['A', 'B'])
t[2][0] = 'X'

条件判断

a = input('输入你的年龄: ')
age = int(a)    #因为input输入的是字符串，所以要转换成整型
if age >= 18:    #注意冒号 :
    print('adult, your age is', age)
elif age >= 6:    #注意冒号 :
    print('teenager, your age is', age)
else:    #注意冒号 :
    print('kid')

循环

names = ['nn', 'aa', 'mm']
for name in names: #注意冒号 :

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的整数序列

sum = sum + x

print(sum)

sum = 0
n = 99
while n>0: #注意冒号:

sum = sum +n
n= n-2

print(sum)

字典：dict

Python内置了字典：dict的支持，全称为dictionary，在其他语言中也成为map，使用键-值（key-value）存储，具有几块的查找速度，注意使用{}。

d = {'key1': 95, 'key2': 54, 'key3': 100}
print(d['key1'])
#把数据放入dict的方法，除了初始化时指定外，还可以通过key放入
d['key4'] = 123
#由于一个key只能对应一个value，所以，多次对一个key放入value，后面的值会把前面的值冲掉
d['key1'] = 111

if 'key2' in d:    #判断某个键是不是在dict中
    print('在')
    
if get('key2', -1) == -1: #如果有'key2'则获取对应的value，否则就返回-1
    print('不在')

d.pop('key3')    #使用pop删除对应的键和值

为什么dict查找速度这么快？因为dict的实现原理和查字典是一样的。假设字典包含了1万个汉字，我们要查某一个字，一个办法是把字典从第一页往后翻，直到找到我们想要的字为止，这种方法就是在list中查找元素的方法，list越大，查找越慢。

第二种方法是先在字典的索引表里（比如部首表）查这个字对应的页码，然后直接翻到该页，找到这个字。无论找哪个字，这种查找速度都非常快，不会随着字典大小的增加而变慢。

你可以猜到，这种key-value存储方式，在放进去的时候，必须根据key算出value的存放位置，这样，取的时候才能根据key直接拿到value。

请务必注意，dict内部存放的顺序和key放入的顺序是没有关系的。

dict可以用在需要高速查找的很多地方，在Python代码中几乎无处不在，正确使用dict非常重要，需要牢记的第一条就是dict的key必须是不可变对象。

这是因为dict根据key来计算value的存储位置，如果每次计算相同的key得出的结果不同，那dict内部就完全混乱了。这个通过key计算位置的算法称为哈希算法（Hash）。

要保证hash的正确性，作为key的对象就不能变。在Python中，字符串、整数等都是不可变的，因此，可以放心地作为key。而list是可变的，就不能作为key。

set

set和dict类似，也是一组key的集合，但是不存储value，由于key不能重复，所以在set中，没有重复的key。

#要创建一个set，需要提供一个list作为输入结合
s1 = set([1, 2, 3])
#重复元素在set中被过滤，比如下面的语句，其实只要1,2,3
s= set([1, 1, 2, 2, 2, 3, 3])
#通过add(key)添加元素,重复添加的元素只会保留一个
s.add(4)
#remove(key) 删除元素
s.remove(1,2,3)
#set可以看成数学意义上的无序和无重复元素的集合，因此，两个set可以做数学意义上的交集、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，因为无法判断两个可变对象是否相等，也就无法保证set内部“不会有重复元素”。试试把list放入set，看看是否会报错。

廖雪峰的讲解dict和set的文章的最后通过说明内存里面的原理讲解了可变对象与不可变对象！很好的理解Python和内存机制的一个知识点！

tuple虽然是不变对象，但试试把(1, 2, 3)和(1, [2, 3])放入dict或set中，并解释结果。

s1 = set([(1,2,3), (2,3,4)])    #这样的tuple可以放进set
s2 = set([(1,2, [1,2]), (2,3, [6,8])])    #这样的tuple不能放进set，这是“可变的tuple”

2015.09.07 23:45，明天开始学习 Python的函数，现在赶紧睡觉，身体最重要！

函数

调用函数

要调用一个函数，需要知道函数的名称和参数，比如求绝对值的函数abs，只有一个参数。可以直接从Python的官方网站查看文档：http://docs.python.org/3/library/functions.html#abs

也可以在交互式命令行通过help(abs)查看abs函数的帮助信息。

print(abs(-1))
print(max(1,2,3,4))
print(max(1,2,3))
print(int('123'))    #强制类型转换
print(float('12.34))
print(str(100))
print(bool(1))    #输出True
print(bool(''))    #输出False

函数名其实是一个指向函数对象的引用，完全可以把一个函数名赋值给一个变量，相当于给这个函数起了一个别名：

a=abs
print(a(-1))
m=max
print(max(1,2,3))

定义函数

在Python中，定义一个函数要使用def语句，依次写出函数名、括号、括号里的参数和冒号：，然后，在缩进块中编写函数体，函数的返回值用return语句返回。

def my_abs(x):
    if not isinstance(x, (int, float)):
        raise TypeError('bad operand type')
    if x>=0:
        return x
    else:
        return -x

上面的函数中，对参数类型做检查，只允许整数和浮点数类型的参数，否则就raise一个异常。如果有必要，可以先对参数的数据类型做检查，就像这个函数定义，就可以保证只处理int和float，而假如传入的是str就会抛出异常。

请注意，函数体内部的语句在执行时，一旦执行到return时，函数就执行完毕，并将结果返回。因此，函数内部通过条件判断和循环可以实现非常复杂的逻辑。

如果没有return语句，函数执行完毕后也会返回结果，只是结果为None。return None可以简写为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语句表示导入math包，并允许后续代码引用math包里的sin、cos等函数。上面的这个函数有两个返回值，我们可以这样调用

x, y = move(100, 100, 60, math, pi/6)
print(x, y)

但是，其实这个只是假象，Python函数返回的仍然是单一值：

r = move(100, 100, 60, math.pi / 6)
print(r)    #得到和上面一样的结果

原来返回值是一个tuple！但是，在语法上，返回一个tuple可以省略括号，而多个变量可以同时接收一个tuple，按位置赋给对应的值，所以，Python的函数返回多值其实就是返回一个tuple，但写起来更方便。

Python强大的函数参数

廖雪峰的函数的参数这一章讲解了位置参数、默认参数、因为参数类型不是不变对象导致使用默认参数出现的"意外"、list和tuple与可变参数、dict与关键字参数、命名关键参数。

在Python中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这5种参数都可以组合使用，除了可变参数无法和命名关键字参数混合。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/命名关键字参数和关键字参数。

这个太他妈强大了！！但是有点没看懂，确实纯粹的死记硬背还是不太有效，可以等到具体项目应用的时候在参考这篇教程！结合具体的应用再来深入的理解，绝对事半功倍，现在就需要知道Python中有很强大的函数参数的语法，等到具体用的时候知道到哪里去找相关的资料就行了！

递归函数

def fact(n)
    if n==1:
        return 1
    return n* fact(n-1)

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。可以试试fact(1000)。

解决递归调用栈溢出的方法是通过尾递归优化，具体应用见廖雪峰的递归函数的教程。

尾递归调用时，如果做了优化，栈不会增长，因此，无论多少次调用也不会导致栈溢出。遗憾的是，大多数编程语言没有针对尾递归做优化，Python解释器也没有做优化，所以，即使把上面的fact(n)函数改成尾递归方式，也会导致栈溢出。

高级特性

掌握了Python的数据类型、语句和函数，基本上就可以编写出很多有用的程序了。

比如构造一个1, 3, 5, 7, ..., 99的列表，可以通过循环实现：

L = []
n = 1
while n <= 99:
    L.append(n)
    n = n + 2

取list的前一半的元素，也可以通过循环实现。

但是在Python中，代码不是越多越好，而是越少越好。代码不是越复杂越好，而是越简单越好。用任何的语言编程都应该是这样。

基于这一思想，我们来介绍Python中非常有用的高级特性，1行代码能实现的功能，决不写5行代码。请始终牢记，代码越少，开发效率越高。

切片

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的第一个元素的索引是0，倒数第一个元素的索引是-1

LL=list(range(100))    #[1,2,3,...,99]
LL1=L[-10:]    #[90,91,...,99] 后10个数
LL2=L[10:20]    #[10,11,12,...,19] 前11-20个数
LL3=L[:10:2]    #[0,2,4,6,8] 前10个数，每两个取一个
LL4=L[::5]    #[0,5,10,...,90,95] 所有数，每5个取一个
LL5=L[:]    #甚至什么都不写，只写[:]就可以原样复制一个list

tuple也是一种list，唯一区别是tuple不可变。因此，tuple也可以用切片操作，只是操作的结果仍是tuple。

T=(0,1,2,3,4,5)
T1=T[:3]

字符串'xxx'也可以看成是一种list，每个元素就是一个字符。因此，字符串也可以用切片操作，只是操作结果仍是字符串：

T='ABCDEFG'
T1=T[:3]    #'ABC'
T2=T[::2]    #'ACEG'

在很多编程语言中，针对字符串提供了很多各种截取函数（例如，substring），其实目的就是对字符串切片。Python没有针对字符串的截取函数，只需要切片一个操作就可以完成，非常简单。

有了切片操作，很多地方循环就不再需要了。Python的切片非常灵活，一行代码就可以实现很多行循环才能完成的操作。

迭代

Python的for循环抽象程度要高于Java的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。

list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，只要是可迭代对象，无论有无下标，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)
#输出a c b

为什么输出的结果是a c b，不是a b c，因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。关于dict的存储的知识，请参见对应的dict教程。

默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。

由于字符串也是可迭代对象，所以可以用于for循环。

for ch in 'ABCD':
    print ch

所以，当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。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：

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

最后一个小问题，如果要对list实现类似Java那样的下标循环怎么办？Python内置的enumerate函数可以把一个list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：

for i, value in enumerate(['A', 'B', 'C']):
    print(i, value)

上面的for循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：

for x, y in [(1, 1), (2, 4), (3, 9)]:
    print(x, y)

列表生成式

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]

写列表生成式时，把要生成的元素比如x * x放到前面，后面跟for循环，就可以把list创建出来，十分有用，多写几次，很快就可以熟悉这种语法。

for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方：

L= [x * x for x in range(1, 11) if x % 2 == 0]   #[4, 16, 36, 64, 100]

还可以使用两层循环，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']

三层和三层以上的循环就很少用到了。

import os  # 导入os模块，模块的概念后面讲到
L=[d for d in os.listdir('.')]   # os.listdir可以列出文件和目录
print(L)

for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代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两个变量来生成list：

d = {'x': 'A', 'y': 'B', 'z': 'C' }
L= [k + '=' + v for k, v in d.items()]

把一个list中所有的字符串变成小写：

L = ['Hello', 'World', 'IBM', 'Apple']
L1= [s.lower() for s in L]

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。

要创建一个generator，有很多种方法。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)]
print(L)
#[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
g = (x * x for x in range(10))    #()是一个generator
print(g)
#<generator object <genexpr> at 0x1022ef630>

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值。我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

但是，如果每次输出都调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

g = (x*x for x in range(10))
for n in g
    print(n)

所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。这篇对应的教程中还讲了更为牛逼的generator的使用方法！

迭代器

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

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循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

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对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

isinstance(iter([]), Iterator)    #True
isinstance(iter('abc'), Iterator)    #True

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

凡是可作用于for循环的对象都是Iterable类型。

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

函数式编程

函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！

Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。

高阶函数

那么函数名是什么呢？函数名其实就是指向函数的变量！对于abs()这个函数，完全可以把函数名abs看成变量，它指向一个可以计算绝对值的函数！

如果把abs指向其他对象，会有什么情况发生？

abs = 10
abs(-10)

报错：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable

把abs指向10后，就无法通过abs(-10)调用该函数了！因为abs这个变量已经不指向求绝对值函数而是指向一个整数10！

当然实际代码绝对不能这么写，这里是为了说明函数名也是变量。要恢复abs函数，请重启Python交互环境。

由于abs函数实际上是定义在__builtin__模块中的，所以要让修改abs变量的指向在其它模块也生效，要用__builtin__.abs = 10。

既然变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。例子

def add(x, y, f):
    return f(x) + f(y)

可以这样调用：

add(-5, 6, abs)

编写高阶函数，就是让函数的参数能够接收别的函数。函数式编程就是指这种高度抽象的编程范式。

map/reduce

我们先看map。map()函数接收两个参数，一个是函数，一个是Iterable，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)

例子，比方说对一个序列求和，就可以用reduce实现：

from functools import reduce
def add(x, y):

return x + y

print(reduce(add, [1, 3, 5, 7, 9])) #输出25

这个例子本身没多大用处，但是，如果考虑到字符串str也是一个序列，对上面的例子稍加改动，配合map()，我们就可以写出把str转换为int的函数：

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')))   #输出13579

整理成一个str2int的函数就是：

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))

还可以用lambda函数进一步简化成：

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))

也就是说，假设Python没有提供int()函数，你完全可以自己写一个把字符串转化为整数的函数，而且只需要几行代码！

filter

Python内建的filter()函数用于过滤序列。

和map()类似，filter()也接收一个函数和一个序列。和map()不同的时，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。

例如，在一个list中，删掉偶数，只保留奇数，可以这么写：

def is_odd(n):
    return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]

可见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。

注意到filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。

排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序，排序的核心是比较两个元素的大小。如果是数字，我们可以直接比较，但如果是字符串或者两个dict呢？直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来。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。

Python内置的sorted()函数就可以对list进行排序：

sorted([36, 5, -12, 9, -21])    #[-21, -12, 5, 9, 36]

此外，sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：

sorted([36, 5, -12, 9, -21], key=abs)    #[5, 9, -12, -21, 36]
#key指定的函数将作用于list的每一个元素上，并根据key函数返回的结果进行排序。

我们再看一个字符串排序的例子：

sorted(['bob', 'about', 'Zoo', 'Credit'])
#['Credit', 'Zoo', 'about', 'bob']

默认情况下，对字符串排序，是按照ASCII的大小比较的，由于'Z' < 'a'，结果，大写字母Z会排在小写字母a的前面。

现在，我们提出排序应该忽略大小写，按照字母序排序。要实现这个算法，不必对现有代码大加改动，只要我们能用一个key函数把字符串映射为忽略大小写排序即可。忽略大小写来比较两个字符串，实际上就是先把字符串都变成大写（或者都变成小写），再比较。

这样，我们给sorted传入key函数，即可实现忽略大小写的排序：

sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
#['about', 'bob', 'Credit', 'Zoo']

要进行反向排序，不必改动key函数，可以传入第三个参数reverse=True：

sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
#['Zoo', 'Credit', 'bob', 'about']

从上述例子可以看出，高阶函数的抽象能力是非常强大的，而且，核心代码可以保持得非常简洁。

返回函数

高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。

我们来实现一个可变参数的求和。通常情况下，求和的函数是这样定义的：

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，而是在后面的代码中，根据需要再计算怎么办？可以不返回求和的结果，而是返回求和的函数：

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum

当我们调用lazy_sum()时，返回的并不是求和结果，而是求和函数：

f = lazy_sum(1, 3, 5, 7, 9)
f

调用函数f时，才真正计算求和的结果：

f()    #25

闭包

注意到返回的函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。

另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了f()才执行。我们来看一个例子：

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，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。

你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果是：

f1()    #9
f2()    #9
f3()    #9

全部都是9！原因就在于返回的函数引用了变量i，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量i已经变成了3，因此最终结果为9。

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。

如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：

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)立刻被执行，因此i的当前值被传入f()
    return fs

再看看结果：

f1, f2, f3 = count()
f1()    #1
f2()    #4
f3()    #9

缺点是代码较长，可利用lambda函数缩短代码。

匿名函数

当我们在传入函数时，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。

在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x2时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
#[1, 4, 9, 16, 25, 36, 49, 64, 81]

通过对比可以看出，匿名函数lambda x: x * x实际上就是：


def f(x):
    return x * x

关键字lambda表示匿名函数，冒号前面的x表示函数参数。

匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。

用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：

f = lambda x: x * x
f
#<function <lambda> at 0x101c6ef28>
f(5)    #25

同样，也可以把匿名函数作为返回值返回，比如：


def build(x, y):
    return lambda: x * x + y * y

装饰器

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*argc, **kw)
    return wrapper

观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：


@log
def now():
    print('2015-3-25')

调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：

now()
#call now():
#2015-3-25

把@log放到now()函数的定义处，相当于执行了语句：


now = log(now)

由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。

wrapper()函数的参数定义是(args, *kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。

在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。

偏函数

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)
print(int2('1000000'))    #64
print(int2('1010101'))    #85

Python的functools模块提供了很多有用的功能，其中一个就是偏函数（Partial function）。要注意，这里的偏函数和数学意义上的偏函数不一样。

没太看懂，还是等到具体研究一个项目源码，以及自己做开发的时候再去结合实践深入理解吧！

2015.09.08 23:59：00 明天继续看模块的教程，今天对很多知识点并没有真正理解，都是有一些印象，所以必须等到自己研究源码、自己开发的时候，结合运行的效果和理论知识去达到真正的深入的理解。现在赶紧睡觉！

模块

在计算机程序的开发过程中，随着程序代码越写越多，在一个文件里代码就会越来越长，越来越不容易维护。

为了编写可维护的代码，我们把很多函数分组，分别放到不同的文件里，这样，每个文件包含的代码就相对较少，很多编程语言都采用这种组织代码的方式。在Python中，一个.py文件就称之为一个模块（Module）。

引入了包以后，只要顶层的包名不与别人冲突，那所有模块都不会与别人冲突。现在，abc.py模块的名字就变成了mycompany.abc，类似的，xyz.py的模块名变成了mycompany.xyz。

请注意，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。__init__.py可以是空文件，也可以有Python代码，因为__init__.py本身就是一个模块，而它的模块名就是mycompany。

类似的，可以有多级目录，组成多级层次的包结构。

使用模块

安装第三方模块

很多强大的第三方库，要能够充分利用好它们为我服务！！！

面向对象编程

面向对象编程——Object Oriented Programming，简称OOP，是一种程序设计思想。OOP把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。

面向过程的程序设计把计算机程序视为一系列的命令集合，即一组函数的顺序执行。为了简化程序设计，面向过程把函数继续切分为子函数，即把大块函数通过切割成小块函数来降低系统的复杂度。

而面向对象的程序设计把计算机程序视为一组对象的集合，而每个对象都可以接收其他对象发过来的消息，并处理这些消息，计算机程序的执行就是一系列消息在各个对象之间传递。

2015.09.22，明天继续学习《面向对象编程》

比如一个类的代码如下

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))

可以这样使用这个类创建对象

bart = Student('Bart Simpson', 59)
lisa = Student('Lisa Simpson', 87)
bart.print_score()
lisa.print_score()

面向对象的设计思想是从自然界中来的，因为在自然界中，类（Class）和实例（Instance）的概念是很自然的。Class是一种抽象概念，比如我们定义的Class——Student，是指学生这个概念，而实例（Instance）则是一个个具体的Student，比如，Bart Simpson和Lisa Simpson是两个具体的Student。

所以，面向对象的设计思想是抽象出Class，根据Class创建Instance。

面向对象的抽象程度又比函数要高，因为一个Class既包含数据，又包含操作数据的方法。

数据封装、继承和多态是面向对象的三大特点，我们后面会详细讲解。

类和实例

关于面向对象设计其实和C++、Delphi……都很像，但是具体的语法可能不同，不过这都是一些表面化的东西。具体去参考Python的编程规范、语法就好了。

这篇教程里面有关于类、实例、实例的内存地址……的讲解，所以要好好看看！

__init__方法是类的构造方法，self这个特殊变量的理解。

和普通的函数相比，在类中定义的函数只有一点不同，就是第一个参数永远是实例变量self，并且，调用时，不用传递该参数。除此之外，类的方法和普通函数没有什么区别，所以，你仍然可以用默认参数、可变参数、关键字参数和命名关键字参数。

要定义一个方法，除了第一个参数是self外，其他和普通函数一样。要调用一个方法，只需要在实例变量上直接调用，除了self不用传递，其他参数正常传入。

因为Python是静态语言，所以语法上还会有其他更多的区别，所以一定要和其他的之前我了解的语言在语法方面区分开

dir()：如果要获得一个对象的所有属性和方法，可以使用dir()函数，它返回一个包含字符串的list，比如，获得一个str对象的所有属性和方法。

记录我的Python学习笔记

交互式命令行

直接运行py文件

输出

输入

综合输出输入的例子

Python基础

除法

格式化

条件判断

循环

定义函数

闭包