跟着廖雪峰老师的Python教程学习Python3，遇到需要注意的地方写到这里，方便以后查阅总结，温故知新。感谢廖雪峰老师！
基础
Python中不限定数值大小
除法： / 普通除法，浮点型， // 取整数部分， % 取余
Python提供了==ord()==函数获取字符的整数表示，==chr()==函数把编码转换为对应的字符
Python的字符串类型是str, 以字节为单位的bytes, 用 b'abc' 表示，读取字节流需要用bytes
编码encode():
'ABC'.encode('ascii') = b'ABC','中文'.encode('utf-8')解码decode():
b'ABC'.decode('ascii') = 'ABC'计算str包含多少个字符，可以用len()函数，
len('abc') = 3-
一般加这两行，说明使用python3，编码方式是utf-8
#!/usr/bin/env python3 # -*- coding: utf-8 -*- 占位符：%d 整数，%f 浮点数，%s 字符串，%x 十六进制整数，%% 转义 %，%.2f 保留2为小数
list：l = [1, 2, 3, 'a'], 不同类型的元素也可以放到一个list里, 可操作的函数：append() = add(), insert(index, value), extend(list) = addAll(), count() = size(), clear(), copy(), pop(value), remove(index), reverse(), sort() ...
tuple: t = (1, 2, 4), 不可变list, 当有一个元素是 t = (1,) 用 , 区分
条件判断：if, elif, else
循环：
for x in ...:,while boolean:生成序列：
range(5), 转换成list/tuple：list/tuple(range(5))字典：dict = {'a': 1, 'b': 2}, 相当于Java的Map, dict的key必须是不可变对象, 可操作函数：setdefault(), get(), clear(), copy() ...
集合：set：s = set([1, 2, 3]) / s = {1, 2, 3}, 相当于Java的Set, add(), remove(), & 交集, | 并集
函数
Python的内置函数 (注意函数名不要与内置函数重名)
定义函数：def，空函数：pass
判断类型：isinstance(x, A_tuple), 判断实例：issubclass(x, A_tuple)
-
函数可以返回多个值，但本质上是返回一个tuple！(例子中的 angel=0 表示默认值，必选参数在前，默认参数在后，默认参数必须指向不变对象！)
import math def move(x, y, step, angle=0): nx = x + step * math.cos(angle) ny = y + step * math.sin(angle) return nx, ny r = move(100, 100, 50, 30) print(r) -
可变参数：
def calc(*nums): pass, 在参数前加个星号，即表示为可变参数，0-n都可以，如果想传入list 或者 tuple，可以把在变量钱加个星号转换成可变数组：nums = [1, 2, 3] print(calc(*nums)) 关键字函数：
**kw: 入参是dict，好处是可以控制参数的传入命名关键字参数：
def person(name, age, *, city, job):，用星号分隔，后面的视为命名关键字函数，可以有默认值。调用时必须传入key：city=HangZhou五种参数类型的定义顺序：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，
def f1(a, b, c=0, *args, **kw): pass-
任意函数都可以通过：
fun(*args, **kw)调用，无论参数如何定义，-
*args是可变参数，args接收的是一个tuple -
**kw是关键字参数，kw接收的是一个dict - 命名的关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值
- 定义命名的关键字参数在没有可变参数的情况下不要忘了写分隔符*，否则定义的将是位置参数
-
高级特性
切片(Slice)：L是个list：
L[0:3],L[:3]0 可省略,L[:10:2]取前10个数，步长为2,L[:]复制一个L. tuple, str等都可以切片迭代：迭代dict的key:
for key in d, 迭代dict的value:for value in d.values(), 同时迭代dict:for k, v in d.items(), 字符串也可以迭代，通过isinstance('abc', Iterable)判断是否可以迭代。多个变量也可迭代：
for x, y in [(1, 1), (2, 4), (3, 9)]: pring(x, y), 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列表生成式：写列表生成式时，把要生成的元素x * x放到前面，后面跟for循环,
[x * x for x in range(1, 11)], 还可以跟 if 判断，还可再跟 for 循环，[m + n for m in 'ABC' for n in 'XYZ']， 注意是方括号，如果是小括号就是生成器了-
生成器(generator)：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， yield相当于print，但是每遇到yield就会中断
杨辉三角形：def triangles(): row = [1] while True: yield row row = [1] + [row[i] + row[i + 1] for i in range(0, len(row) - 1)] + [1] n = 0 for t in triangles(): print(t) n += 1 if n == 10: break -
迭代器：注意区分Iterable和Iterator
- Iterable: 可直接作用于for循环的
- Iterator: 可以被next()函数调用并不断返回下一个值的对象，直到没有对象时抛出StopIteration错误
generator都是 Iterator 对象，但 list，dict，str虽然是 Iterable，却不是Iterator
使用iter()函数，可以把Iterable变成Iterator。Iterator是一个数据流，惰性计算，所以可以表示无限大的数据流。
for循环的本质就是不断调用next()函数实现的
函数式编程
-
高阶函数：变量可以指向函数
f = abs，函数名是什么呢？ 函数名其实就是指向函数的变量。编写高阶函数，就是让函数的参数能够接收别的函数。def wtf(a, b, f): return f(a) + f(b) print(wtf(-1, 2, abs))高阶函数举例：
- map：map(f, Iterable) 接收两个参数，函数和Iterable, map将函数作用于每一个元素，并返回一个Iterator。Iterator是惰性的，可以通过list()把整个结果计算出来，并返回一个list
- reduce：reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，取前两个元素算出的结果与下一个元素继续计算, 就像这样：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4) - filter：filter()也接收一个函数和一个序列。filter把函数作用于序列，返回True保该留元素，False丢弃该元素。同样也返回一个Iterator 惰性序列。
例如序列中的空字符串删掉:
list(filter(lambda s: s and s.strip(), ['A', '', 'B', None, 'C', ' '])) # 结果: ['A', 'B', 'C']- sorted：对数字，按大小asc排序，对字符串，ASCII码排序, 例如：
sorted([36, 5, -12, 9, -21], key=abs)，还可以传入func和是否反转：sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
-
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。
像这样：当调用lazy_sum()时，并没有返回结果，而是返回了sum函数(变量)，再次调用会返回一个新函数！每次的调用结果互不影响！def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum闭包：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。
因为返回一个函数时，该函数并未执行！所以不要引用可能会变化的变量 匿名函数：lambda表达式
lambda x: x * x-
装饰器(Decorator)：在代码运行期间动态增加功能的方式，称为装饰器。本质上decorator就是一个返回函数的高阶函数。如果需要给decorator传入参数，则需要编写一个返回decorator的高阶函数。一个完整的decorator如下：注意：装饰器不能改变原函数的行为
import functools def log(func): @functools.wraps(func) ##@functools.wraps(func) 是为了保证装饰器不会对装饰器函数造成影响 def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper带参数的decorator：
import functools def log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator函数如果没有显示的return，则会return None
偏函数：functools模块提供的一个功能，例如：
int2 = functools.partial(int, base=2)这样调用int2时，base默认就是2了，不用再传一遍，当然也可以传其他值，更灵活。偏函数可以接收函数对象，*args, **kw这三个参数。
模块
Python中一个.py文件就是一个模块(module). Python中有包(package)的概念，每个包下必须要有__init__.py文件，用于区分普通目录与Python的包。 __init__.py 也是一个模块，它的模块名是包的名称。 包可以有多级。注意创建的模块名不要与Python自带的模块名冲突，否则无法导入自带模块，比如 sys 模块。
-
使用模块：
import sys之后就可以使用 sys 提供的功能了。例如
sys.argv, sys的argv变量，用list存储了命令行的所有参数，argv至少有一个元素，就是文件名称。
其他注意的地方：- 任何模块代码的第一个字符串都被视为模块的文档注释
- 使用author 把模块作者写进去，
__author__ = 'DreamYoung' - 命令行运行测试：
if __name__ = '__main__' - 作用域：
__xxx__是特殊变量，一般不要用这种变量名，模块的文档注释可以用__doc__访问，__xx是private函数或变量，不应该被外部模块直接引用(Python并没有限制)，其他函数或变量为public。注意封装与抽象。
-
安装第三方模块：通过包管理工具pip完成，由于是Python3，应该使用pip3，比如安装处理图像的工具库Pillow：
pip3 install Pillow（Python解释器搜索模块路径放到sys.path变量中，如果找不到可以设置下环境变量PYTHONPATH）其他常用模块：
- MySQL的驱动
mysql-connector-python, - 科学计算的NumPy库
numpy - 生成文本的模板工具
Jinja2
Python第三方库官方repo
- MySQL的驱动