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。

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

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

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。

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)

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！

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。

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！

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。

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。

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。

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)

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。

例程，列出当前目录下的所有文件和目录名

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]

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)

# 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！

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。

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 "", line 1, in

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。

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！

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。

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

.sum at 0x101c6ed90>

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。

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

# 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

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。

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！

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。

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——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。

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

一些关于变量的权限、访问限制、命名规范的说明。总的来说就是，Python本身没有任何机制阻止你干坏事，一切全靠自觉。

在继承关系中，如果一个实例的数据类型是某个子类，那它的数据类型也可以被看做是父类。但是，反过来就不行。可以使用isistance()函数来进行判断。

这篇教程很好的讲解了多态的表现形式！！具体的编程语法、代码实现的细节，认真参考这篇教程！！

type()

isinstance()

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。