一、函数的参数：
1、位置参数：调用函数时根据函数定义的参数位置来传递参数。
2、关键字参数：用于函数调用，通过“键-值”形式加以指定。可以让函数更加清晰、容易使用，同时也清除了参数的顺序需求。
3、默认参数：用于定义函数，为参数提供默认值，调用函数时可传可不传该默认参数的值（注意：所有位置参数必须出现在默认参数前，包括函数定义和调用）
4、参数组：有时候我们不确定调用的时候会传递多少个参数(不传参也可以)。此时，可用包裹(packing)位置参数，或者包裹关键字参数，来进行参数传递。
基本原则是：先位置参数，默认参数，包裹位置，包裹关键字(定义和调用都应遵循)
例：
def name(a,b,c,d=1,*args,**kwargs):
print(a,b,c,d,args,kwargs)
name(2,2,3,33,'asda',asd=1212,bbs=1213)
输出：
2 2 3 33 ('asda',) {'asd': 1212, 'bbs': 1213}
注：*args 表示任何多个无名参数，它是一个tuple；**kwargs 表示关键字参数，它是一个dict。并且同时使用*args和**kwargs时，必须*args参数列要在**kwargs前
二、内置函数：
Python内置(built-in)函数随着python解释器的运行而创建。在Python的程序中，你可以随时调用这些函数，不需要定义。最常见的内置函数是:
print("Hello World!")
在Python教程中，我们已经提到下面一些内置函数:
基本数据类型 type() 反过头来看看 dir() help() len() 词典 len() 文本文件的输入输出 open() 循环设计 range() enumerate() zip() 循环对象 iter() 函数对象 map() filter() reduce()
下面我采取的都是实际的参数，你可以直接在命令行尝试效果。
数学运算
abs(-5) # 取绝对值，也就是5 round(2.6) # 四舍五入取整，也就是3.0 pow(2, 3) # 相当于2**3，如果是pow(2, 3, 5)，相当于2**3 % 5 cmp(2.3, 3.2) # 比较两个数的大小 divmod(9,2) # 返回除法结果和余数 max([1,5,2,9]) # 求最大值 min([9,2,-4,2]) # 求最小值 sum([2,-1,9,12]) # 求和
类型转换
int(") # 转换为整数 integer
float(2) # 转换为浮点数 float
long(") # 转换为长整数 long integer
str(2.3) # 转换为字符串 string
complex(3, 9) # 返回复数 3 + 9i
ord("A") # "A"字符对应的数值
chr(65) # 数值65对应的字符
unichr(65) # 数值65对应的unicode字符
bool(0) # 转换为相应的真假值，在Python中，0相当于False
在Python中，下列对象都相当于False： [], (), {}, 0, None, 0.0, ''
bin(56) # 返回一个字符串，表示56的二进制数
hex(56) # 返回一个字符串，表示56的十六进制数
oct(56) # 返回一个字符串，表示56的八进制数
list((1,2,3)) # 转换为表 list
tuple([2,3,4]) # 转换为定值表 tuple
slice(5,2,-1) # 构建下标对象 slice
dict(a=1,b="hello",c=[1,2,3]) # 构建词典 dictionary
序列操作
all([True, 1, "hello!"]) # 是否所有的元素都相当于True值 any(["", 0, False, [], None]) # 是否有任意一个元素相当于True值 sorted([1,5,3]) # 返回正序的序列，也就是[1,3,5] reversed([1,5,3]) # 返回反序的序列，也就是[3,5,1]
类，对象，属性
# define classclass Me(object):
def test(self):
print "Hello!"
def new_test(): print "New Hello!"
me = Me()
hasattr(me, "test") # 检查me对象是否有test属性 getattr(me, "test") # 返回test属性 setattr(me, "test", new_test) # 将test属性设置为new_test delattr(me, "test") # 删除test属性 isinstance(me, Me) # me对象是否为Me类生成的对象 (一个instance) issubclass(Me, object) # Me类是否为object类的子类
编译，执行
repr(me) # 返回对象的字符串表达
compile("print('Hello')",'test.py','exec') # 编译字符串成为code对象
eval("1 + 1") # 解释字符串表达式。参数也可以是compile()返回的code对象
exec("print('Hello')") # 解释并执行字符串，print('Hello')。参数也可以是compile()返回的code对象
其他
input("Please input:") # 等待输入
globals() # 返回全局命名空间，比如全局变量名，全局函数名
locals() # 返回局部命名空间
三、装饰器：
装饰器的定义：本质是函数，为其他函数添加附加功能。
原则：1、不能修改被装饰函数的源代码。
2、不能修改被装饰函数的调用方式。高阶函数+嵌套函数组成装饰器高阶函数：1、函数返回值返回一个函数名。 2、把函数变量名作为变量传到函数里。嵌套函数：函数体里有用def定义的函数。
例：
1、为函数增加计算运行时间的功能：
import time
def count_time(func):
def inner():
start_time = time.time()
func()
end_time = time.time()
print('Time is:',end_time - start_time)
return inner
@count_time #method1=count_time(method1)=inner
def method1():
time.sleep(0.7)
print('Is in method1')
@count_time
def method2():
time.sleep(0.8)
print('Is in method2')
method1()
method2()
输出：
Is in method1
Time is: 0.7000398635864258
Is in method2
Time is: 0.8000457286834717
2、如果被修饰函数增加参数并且有返回值：
import time
def count_time(func):
def inner(*args,**kwargs):
start_time = time.time()
asc = func(*args,**kwargs)
end_time = time.time()
print('Time is:',end_time - start_time)
return asc
return inner
@count_time
def method1(name,age):
time.sleep(0.7)
print('Is in method1',name,age)
return 'Sleep 0.7s'
@count_time
def method2():
time.sleep(0.8)
print('Is in method2')
print(method1('cheng',24))
method2()
输出：
Is in method1 cheng 24
Time is: 0.700040340423584
Sleep 0.7s
Is in method2
Time is: 0.8000457286834717
3、装饰器带参数：
import time
def count_time(func):
print(func)
def inner1(method):
def inner2(*args, **kwargs):
start_time = time.time()
asc = method(*args, **kwargs)
end_time = time.time()
print('Time is:', end_time - start_time)
return asc
return inner2
return inner1
@count_time(func='pass') #method1 = count_time(func='pass')(method1)=inner1(method1)=inner2
def method1(name,age):
time.sleep(0.7)
print('Is in method1',name,age)
return 'Sleep 0.7s'
@count_time(func='cla')
def method2():
time.sleep(0.8)
print('Is in method2')
print(method1('cheng',24))
method2()
输出：
pass
cla
Is in method1 cheng 24
Time is: 0.700040340423584
Sleep 0.7s
Is in method2
Time is: 0.8000457286834717
四、迭代器&生成器
生成器generator：
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。
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：
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。
迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
特点：
- 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
- 不能随机访问集合中的某个值 ，只能从头到尾依次访问
- 访问到一半时不能往回退
- 便于循环比较大的数据集合，节省内存