python的基本语法基础讲解

python中，没有：{}，也不用每句话才用分号分开。python只通过缩进来分块的，一行占个句话就可以。

语法基础

基本输入输出语句print和raw_input()：

#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)

>>> number = int(raw_input('input a number:'))
input a number:12
>>> type(number)

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'])

一些高级操作：

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
 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 "", line 1, in 
StopIteration

函数式编程

高阶函数

函数可以赋值给变量，可以当成参数传递给函数map：对每个列表中得元素作用一个函数，并返回。reduce：将结果和下个元素传给函数，最终返回一个结果。filter：过滤器，使用方法跟map差不多，是返回结果为true的元素sorted：排序，跟map差不多

返回函数

可以在函数中定义函数，并返回。就像一个变量一样。闭包：返回的函数可以使用定义函数内部的变量

匿名函数

匿名函数即lamdba表达式：lamdba 参数 : 表达式

装饰器

概念：即在函数执行前后加一些逻辑不想管的代码，比如log实现

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

@log
def now():
    print '2013-12-25'

偏函数

简单的讲就是创建具有特定模式的函数别名，这个特定模式大概指的是设定好某些参数（默认参数），来达到简写的目的。

int2 = functools.partial(int, base=2)这样就创建了一个专门转化二进制的函数了。因为我们设定了默认参数 base = 2当参数太多需要简化的时候就是用偏函数

模块

模块

一个py文件就是一个模块，目录就是包名

使用模块

这是一个标准的模块模板

#!/usr/bin/env python
# -*- coding: utf-8 -*-

' a test module '

__author__ = 'Michael Liao'

import sys

def test():
    args = sys.argv
    if len(args)==1:
        print 'Hello, world!'
    elif len(args)==2:
        print 'Hello, %s!' % args[1]
    else:
        print 'Too many arguments!'

if __name__=='__main__':
    test()

模块内部的私有变量和函数一律使用_开头，且不要在外部进行引用。

安装第三方模块

pip install 模块名称

使用__future__

future可以把下个版本的新功能添加到当前版本

面向对象编程

类和实例

定义类

class ClassName(SuperClass):
    pass

构造方法def __init__(self,args)`

访问限制

使用__双下划线开头可以让变量成为私有，外部无法访问。也可以通过添加getter、setter来控制访问操作。

继承和多态

继承就在定义的时候写上父类的名称，多态就覆盖父类的方法。

获取对象信息

使用type()判断类型信息使用isinstance()判断继承关系使用dir()获取对象的所有方法和属性

面向对象高级编程

使用slots

动态添加属性：instance.pro = 10动态添加方法:instance.newmethod = MethodType(method_name, instance, class_name)为了防止胡乱添加属性可以使用__slots__ = (被允许的属性)

使用@property

如下，定义了一个score的属性

@property
    def score(self):
        return self._score

    @score.setter
    def score(self, value):
        if not isinstance(value, int):
            raise ValueError('score must be an integer!')
        if value < 0 or value > 100:
            raise ValueError('score must between 0 ~ 100!')
        self._score = value

多重继承

最好不要用多重继承，用mixinmixin其中概念，用类来提供一组相似功能。类似实现过的接口。

定制类

使用类似slots 来定制一个类的行为。str 打印类时的信息repr直接写打印出来的信息iter 用于 for ... in迭代，__iter__返回下一个迭代对象，next()用于拿到循环的下一个值getitem 提供下标访问getattr 当找不到这个属性的时候会调用这个方法call 当使用instance()这样来把对象实例当成方法调用的时候，其实调用的就是__call__。可以使用callable(thing)来判断一个东西是否可以被当成方法调用

使用元类

types()：使用它来动态构建类，方法是types('ClassName', (SuperClass, ), dict(methodName = method))

错误、调试和测试

错误

try...except...finally...错误基类是BaseException常见的错误类型记录错误，使用python模块logginglogging.exception(exception instance)可以将错误调用对战输出出来也可以自定义错误类型，方法是继承自某个Exception，然后使用raise语句直接写raise可以把当前exception抛出，让上层调用处理。

调试

断言：assert is true , 'error message'logging可以方便的输出日志，包括错误。logging.info('info')。method可以是debug，info，warning，error中的一个。可以指定当前输出的method，方法是指定当前输出级别logging.basicConfig(level=logging.INFO)pdb：python -m pdb err.py 开始调试 l 查看代码 n单步执行 p查看变量 q结束测试 c继续执行程序内部设置断点：import pdb，在可能出错的地方放置pdb.set_trace()