變量并不是一塊內(nèi)存空間的標(biāo)簽，只是對(duì)象的名字，是沒(méi)有類型的，相當(dāng)于一個(gè)可以指向任何對(duì)象void指針。類型屬于對(duì)象，而不是變量。

1. type(L) == type([])

2. type(L) == list

3. isinstance(L,list)

盡管支持類型檢測(cè)，但這并不是一個(gè)“Python式”的思維方式，破壞了代碼的靈活性。

基本賦值、元組賦值、列表賦值和多目標(biāo)賦值。在賦值語(yǔ)句中，即使沒(méi)有圓括號(hào)，也能識(shí)別出來(lái)這是一個(gè)元組。

序列賦值語(yǔ)句:支持右側(cè)任何可迭代對(duì)象（左右元素?cái)?shù)目相同）

[a,b,c] = (1,2,3)或 [a,b,c] = '123'或 red,green,blue = range(3)

交換值不需要中間變量

需要注意引用的陷阱：

對(duì)于支持原地修改的對(duì)象而言，增強(qiáng)賦值語(yǔ)句會(huì)執(zhí)行原地修改運(yùn)算L.append(4) L.extend([7,8])，比合并（復(fù)制過(guò)程）L = L + [4] 執(zhí)行得更快.

隱式賦值語(yǔ)句：模塊導(dǎo)入import,from;函數(shù)和類的定義def,class;for循環(huán)變量;函數(shù)參數(shù)

在函數(shù)中接收元組和列表

當(dāng)要使函數(shù)接收元組或字典形式的參數(shù)的時(shí)候，有一種特殊的方法，它分別使用*和**前綴。這種方法在函數(shù)需要獲取可變數(shù)量的參數(shù)的時(shí)候特別有用。

>>> def powersum(power, *args):
...?????'''Return the sum of each argument raised to specified power.'''
...?????total = 0
...?????for i in args:
...??????????total += pow(i, power)
...?????return total
...
>>> powersum(2, 3, 4)
25

>>> powersum(2, 10)
100

?

在 Python 中所有賦值操作都是“引用傳遞”。當(dāng)把一個(gè)對(duì)象賦給一個(gè)數(shù)據(jù)結(jié)構(gòu)元素或者變量名時(shí)，Python總是會(huì)存儲(chǔ)對(duì)象的引用，而不是對(duì)象的一個(gè)拷貝（除非明確要求拷貝）。

通過(guò)將一些基本數(shù)據(jù)類型（數(shù)值、字符串、元組）設(shè)為不可改變對(duì)象，可以模擬“值傳遞”，例如：

userName = ‘tonyseek’?? #字符串對(duì)象為不可變對(duì)象，保護(hù)完整性
otherUserName = userName? #指向新創(chuàng)建的另一個(gè)字符串對(duì)象

otherUserName = ‘It’s not tonyseek’? #改變的不是userName指向的內(nèi)容

列表和元組都被認(rèn)為是“對(duì)象引用”的數(shù)組(在標(biāo)準(zhǔn)Python解釋器內(nèi)部，就是C數(shù)組而不是鏈接結(jié)構(gòu)，索引速度較快)。

淺拷貝和深拷貝

淺拷貝只拷貝頂層結(jié)構(gòu)，深拷貝是遞歸的拷貝。

如果你想要復(fù)制一個(gè)列表或者類似的序列或者其他復(fù)雜的對(duì)象（不是如整數(shù)那樣的簡(jiǎn)單對(duì)象 ），那么你可以使用切片操作符來(lái)取得拷貝。如果你只是想要使用另一個(gè)變量名，兩個(gè)名稱都 參考 同一個(gè)對(duì)象，那么如果你不小心的話，可能會(huì)引來(lái)各種麻煩。

X = [1,2,3]

L1 = [X,X,X]

L2 = [X[:],list(X),copy.copy()] #頂層復(fù)制

L.append(L) #無(wú)限循環(huán)對(duì)象，復(fù)合對(duì)象包含指向自身的引用·

當(dāng)最后一次引用對(duì)象后（例如，將這個(gè)變量用其他的值進(jìn)行賦值），這個(gè)對(duì)象所有占用的內(nèi)存空間將會(huì)自動(dòng)清理掉

絕對(duì)值

abs(x)

若x位復(fù)數(shù)，返回復(fù)數(shù)模

x的y次幕(x ** y ) x % modulo

返回值類型與x同

將x做實(shí)部，y做虛部創(chuàng)建復(fù)數(shù)

將字符串和數(shù)字轉(zhuǎn)換為整數(shù),對(duì)浮點(diǎn)進(jìn)行舍位而非舍入

long(x)

將字符串和數(shù)字轉(zhuǎn)換為長(zhǎng)整形

將str和num轉(zhuǎn)換為浮點(diǎn)對(duì)象

hex(x) 將整數(shù)或長(zhǎng)整數(shù)轉(zhuǎn)換為十六進(jìn)制字符串

oct(x) 將整數(shù)或長(zhǎng)整數(shù)轉(zhuǎn)換為八進(jìn)制字符串

>>> random.random()?? #浮點(diǎn)數(shù)，x in the interval [0, 1)
0.8759095262051569

>>> random.getrandbits(16) #a python?long?int with?k?random bits

9213L

>>> random.uniform(1,1000) #浮點(diǎn)數(shù)in the range [a, b) or [a, b]

400.88489201157114

>>> random.randint(1,1000) #整數(shù)random integer in range [a, b] 不推薦使用

817

>>> random.randrange(0,1001,2) #整數(shù)from range([start,] stop[, step]) 推薦使用

822

隨機(jī)：序列操作sequences
---------
pick random element
random sampling without replacement

generate random permutation

>>> random.choice([0,1,2,3]) #a random element
2

>>> random.sample(xrange(10000000), 3) #unique random elements
[9435040, 5756107, 8741537]

>>> random.shuffle(list)? #洗牌，就地shuffle list，無(wú)返回值.可選參數(shù)random是一個(gè)返回[0.0, 1.0)間浮點(diǎn)數(shù)的無(wú)參函數(shù)名，默認(rèn)為random.random.

>>> range(0,10)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> range(9,-1,-1)
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

同時(shí)遍歷多個(gè)序列：zip(L1,L2)/map(None,L1,L2)

zip函數(shù)轉(zhuǎn)置二維列表：

列表解析替代嵌套循環(huán)：for循環(huán)和列表解析（通常比對(duì)應(yīng)的for循環(huán)運(yùn)行得更快）都是通用迭代工具，都能工作于遵守迭代協(xié)議的任意對(duì)象（可遍歷對(duì)象，包括可自逐行讀取的文件）

>>> M = [[1,2,3],[4,5,6],[7,8,9]]
>>> column = [row[1] for row in M if row[1]%2 == 0]
>>> column
[2, 8]
>>> diag = [M[i][i] for i in [0,1,2]]
>>> diag
[1, 5, 9]

>>> squares = [x**2 for x in [1,2,3,4,5]]

>>> squares

[1, 4, 9, 16, 25]

列表解析也可用于元組的轉(zhuǎn)換：

>>> T = (1,2,3,4,5)

>>> L = [x+20 for x in T]

>>> L

[21, 22, 23, 24, 25]

>>> [line.upper() for line in open('script1.py')]

>>> set('abcde')
set(['a', 'c', 'b', 'e', 'd'])

>>> s = "a\0b\tc\c"?
>>> s
'a\x00b\tc\\c'
>>> len(s)
7

1 合并、分片、索引?
where = S.find('SPAM')
S = S[:where] + 'EGGS' +S[(where+4):]
2 字符串方法?
S = S.replace('pl','pamal') #replace all
S = S.replace('pl','pamal',1) #replace once
role,words = line.split(':',1) #split([sep[,maxsplit]]) ->list of strings

3 轉(zhuǎn)化為可變對(duì)象
L = list(S)
L[3] = 'x'
S = ''.jion(L)
line = 'bob,hacker,40\n'
line.rstrip()
line.split(',')
[bob,hacker,40]

>>> import re
>>> match = re.match('[/]usr/(.*)/(.*)','/usr/home/jack')
>>> type(match)
<type '_sre.SRE_Match'>
>>> match.groups()
('home', 'jack')

元組的不可變性只適用于元組本身的頂層結(jié)構(gòu)而并非其內(nèi)容：

>>>T = (1,[2,3],4)

>>> T[1] = 'spam'
TypeError: 'tuple' object does not support item assignment

>>> T[1][0] = ‘spam’

>>> T

(1, ['spam', 3], 4)

Python的dict實(shí)現(xiàn)，其實(shí)就是一個(gè)hash map，因此要求Key是hashable的

鍵為不可變對(duì)象：數(shù)字和字符串，只包括(像數(shù)字和字符串這樣的)不可變參數(shù)的元組，才可以作為字典中有效的鍵。大多數(shù)Python對(duì)象可以作為鍵；但它們必須是可哈希的對(duì)象。

像列表和字典這樣的可變類型，由于它們不是可哈希的，所以不能作為鍵。 也有一些可變對(duì)象(很少)是可哈希的。

update(x2) 用字典x2中的鍵/值對(duì)添加到原字典。重復(fù)鍵所對(duì)應(yīng)的原有條目的值將被新鍵所對(duì)應(yīng)的值所覆蓋。

get(x[,y]) 返回鍵x對(duì)應(yīng)的值。若未找到返回default的值(注意，參數(shù)default的默認(rèn)值為None)。get()方法和鍵查找(key-lookup)操作符( [ ] )相似，不同的是它允許你為不存在的鍵提供默認(rèn)值。如果該鍵不存在，也未給出它的默認(rèn)值，則返回None。此方法比采用鍵查找(key-lookup)更靈活，因?yàn)槟悴槐負(fù)?dān)心因鍵不存在而引發(fā)異常。

pop(key) ,del d[key]

clear() 刪除詞典的所有條目。

D0 = {'name' = 'Bob', 'age' = 42}

D1 = dict(name = 'Bob', age = 42)

D2 = dict.fromkeys(seq, val=None) 創(chuàng)建并返回一個(gè)新字典，以seq中的元素做該字典的鍵，val做該字典中所有鍵對(duì)應(yīng)的初始值(如果不提供此值，則默認(rèn)為None)

D3 = dict(zip(keylist,vallist))

copy() 淺拷貝：返回字典的高層結(jié)構(gòu)的拷貝，但不復(fù)制嵌入結(jié)構(gòu)，而復(fù)制那些結(jié)構(gòu)的引用。

copy模塊：copy.copy(x)?copy.deepcopy(x)

'r', 'w' or 'a' for reading (default),writing or appending. 寫(xiě)或追加模式下若文件不存在則創(chuàng)建它。

字符串尾部加’b’可以進(jìn)行二進(jìn)制數(shù)據(jù)處理（行末轉(zhuǎn)換關(guān)閉）;加‘+’同時(shí)為輸入輸出打開(kāi)；加‘U’實(shí)現(xiàn)input file的universal newline support(不能與'w' or '+'同時(shí)使用)?
buffering參數(shù)：

控制輸出緩存,0 代表無(wú)緩存（寫(xiě)入方法調(diào)用時(shí)立即傳給外部文件）0 means unbuffered, 1 means line buffered, and larger numbers specify the buffer size.

返回空字符串：文件底部; 返回包含新行符的字符串：空行
for line in open('test.txt').readlines():print line #比文件迭代器麻煩
while ... :?? #效率比f(wàn)or差
?? line? = file.readline()
?? if not line:break?

寫(xiě)入方法不添加行終止符

import sys
sys.stdout = open('log.txt', 'a') # Redirects prints to a file
...
print(x, y, x) # Shows up in log.txt

暫時(shí)重定向

log = open('log.txt', 'a') # 2.6
print >> log, x, y, z # Print to a file-like object
print a, b, c # Print to original stdout

print >> sys.stderr, 'Bad'*8

0,'',(),[],{},None

false

'string',>1,<-1

true

面向?qū)ο?/p>

基本概念一樣，this由代替self， 而且這個(gè)名字不一定要寫(xiě)成self，任何名字都可以，這也帶來(lái)了一個(gè)缺點(diǎn)，你必須在形參里面指定，調(diào)用函數(shù)時(shí)不用傳遞該參數(shù)。
構(gòu)造函數(shù)：__init__(self, ......)
析構(gòu)函數(shù)：__del__ 對(duì)象滅亡時(shí)或者調(diào)用del時(shí)被調(diào)用
Python中所有的類成員（包括數(shù)據(jù)成員）都是公共的 ，所有的方法都是有效的 。只有一個(gè)例外：如果你使用的數(shù)據(jù)成員名稱以 雙下劃線前綴 比如__privatevar，Python的名稱管理體系會(huì)有效地把它作為私有變量。

存儲(chǔ)器

cPickle和pickle是叫做存儲(chǔ)器的重要模塊，可以非常方便地將一個(gè)對(duì)象存儲(chǔ)到一個(gè)文件，然后再取存儲(chǔ)從文件中取出來(lái)pickle.dump(object, file object)，構(gòu)造對(duì)象時(shí)，pickle.load(file object) [儲(chǔ)存、取存儲(chǔ)]

異常

raise，except,try...finally

lambda語(yǔ)句被用來(lái)創(chuàng)建新的函數(shù)對(duì)象，并且在運(yùn)行時(shí)返回它們。lambda語(yǔ)句用>來(lái)創(chuàng)建函數(shù)對(duì)象。本質(zhì)上，lambda需要一個(gè)參數(shù)，后面僅跟單個(gè)表達(dá)式作為函數(shù)體，而表達(dá)式的值被這個(gè)新建的函數(shù)返回。

注意，即便是print語(yǔ)句也不能用在lambda形式中，只能使用表達(dá)式。

distributions on the real line:
------------------------?????? uniform
?????? triangular
?????? normal (Gaussian)
?????? lognormal
?????? negative exponential
?????? gamma
?????? beta
?????? pareto
?????? Weibull
distributions on the circle (angles 0 to 2pi)
------------------------?????? circular uniform
?????? von Mises

uniform(self, a, b)

|????? Get a random number in the range [a, b) or [a, b].

triangular(self, low=0.0, high=1.0, mode=None)
|????? Triangular distribution.

gauss(self, mu, sigma)
|????? Gaussian distribution.

normalvariate(self, mu, sigma)
|????? Normal distribution.

lognormvariate(self, mu, sigma)
|????? Log normal distribution.

expovariate(self, lambd)
|????? Exponential distribution.

gammavariate(self, alpha, beta)
|????? Gamma distribution.? Not the gamma function!

betavariate(self, alpha, beta)
|????? Beta distribution.

paretovariate(self, alpha)
|????? Pareto distribution.?

weibullvariate(self, alpha, beta)
|????? Weibull distribution.

vonmisesvariate(self, mu, kappa)
|????? Circular data distribution.

internal state

seed(self, a=None)
|????? Initialize internal state from hashable object.

setstate(self, state)
|????? Restore internal state from object returned by getstate().

getstate(self)
|????? Return internal state; can be passed to setstate() later.

jumpahead(self, n)
|????? Change the internal state to one that is likely far away
|????? from the current state.? This method will not be in Py3.x,
|????? so it is better to simply reseed.