Python所有的内置函数 , 都帮你整理好了!(三)

简介: Python所有的内置函数 , 都帮你整理好了!(三)

38.len()

语法

返回对象的长度

39.list()

语法

将元组或字符串转换成列表

40.locals()

语法

locals() 函数会以字典类型返回当前位置的全部局部变量。

41.map()

语法

map(function, iterable, ...)

返回一个将 function 应用于 iterable 中每一项并输出其结果的迭代器

42.max()

语法

返回可迭代对象中最大的元素

43.memoryview()

语法

返回给定参数的内存视图

44. min()

语法

返回可迭代对象中最小的元素,或者返回两个及以上实参中最小的。

45.next()

语法

通过调用  iterator  的  `__next__()`[1]  方法获取下一个元素。如果迭代器耗尽,则返回给定的  default,如果没有默认值则触发  `StopIteration`[2]

46.object()

语法

返回一个没有特征的新对象。`object`[3]  是所有类的基类。

它具有所有 Python 类实例的通用方法。这个函数不接受任何实参。

47. oct()

语法

返回整数的八进制表示形式

48.open()

语法

open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)

open() 函数用于打开一个文件,并返回文件对象,在对文件进行处理过程都需要使用到这个函数,如果该文件无法被打开,会抛出 OSError

49.ord()

语法

对单个字符的字符串,返回它的 Unicode 编码的整数

例如  ord('a')  返回整数  97ord('€') (欧元符号)返回  8364 。是  chr()  的逆函数。

50. pow()

语法

pow(base, exp[, mod])

函数是计算 base 的 exp 次方,如果 mod 存在,则再对结果进行取模,其结果等效于 pow(base,exp) %mod。

51.print()

语法

print(*objects, sep=' ', end='\n', file=sys.stdout, flush=False)

将 objects 打印到 file 指定的文本流, 默认为 sys.stdout

52.property()

语法

property() 函数的作用是在新式类中返回属性值。

53.range()

语法

range() 函数返回一个可迭代对象

54.repr()

语法

返回包含一个对象的可打印表示形式的字符串。对于大多数的类型,eval(repr(obj)) == obj

55.reversed()

语法

返回给定序列值的反向迭代器

56.round()

语法

返回 number 四舍五入到小数点后 ndigits 位精度的值。如果 ndigits 被省略或为 None,则返回最接近输入值的整数

对精度要求高的,不减少使用该函数

57.set()

语法

set() 函数创建一个无序不重复元素集,删除重复数据,可以用于计算交集、差集、并集等。

58.setattr()

语法

setattr(object, name, value)

其参数为一个对象、一个字符串和一个任意值,将给定对象上的命名属性设置为指定值。

例如,setattr(python, 'name', 123) 等价于 python.name= 123

59.slice()

语法

slice() 函数实现切片对象,主要用在切片操作函数里的参数传递。

60.sorted()

语法

sorted(iterable, key=None, reverse=False)

对所有可迭代的对象进行排序操作,默认为升序

sort 与 sorted 区别:sort 是应用在 list 上的方法,sorted 可以对所有可迭代的对象进行排序操作。

sort 方法返回的是对已经存在的列表进行操作

而 sorted 方法返回的是一个新的 list

61.staticmethod()

语法

将方法转换为静态方法, 该方法不要钱传递参数

62.str()

语法

返回一个对象的 string 格式

63.sum()

语法

sum(iterable[, start]), 从 start 开始自左向右对 iterable 的项求和并返回总计值

64.super()

语法

用于调用父类的一个方法, 用来解决多重继承问题的

示例

65. tuple()

语法

将可迭代系列(如列表)转换为元组

66.type()

语法

传入一个参数时,返回 object 的类型, 传入三个参数时,返回一个新的 type 对象

>>> class X:
          a = 1
>>> X = type('X', (object,), dict(a=1))
>>> X
<class '__main__.X'>

67.vars()

语法

返回模块、类、实例或任何其它具有  `__dict__`[4]  属性的对象的  __dict__  属性。

68. zip()

语法

用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的对象

可以使用 list() 转换来输出列表, 如果各个迭代器的元素个数不一致,则返回的列表长度以最短的对象为准

示例

69. _import_()

语法

__import__(name, globals=None, locals=None, fromlist=(), level=0)

_import()_ 函数用于动态加载类和函数 。

如果一个模块经常变化就可以使用 _import()_ 来动态载入

以上便是 Python 全部的 69 个内置函数,语法规则基于 Python3.8.6

相关文章
|
22小时前
|
Python
在Python中,利用`os模块`的`path.exists()`函数可判断文件是否存
在Python中,利用`os模块`的`path.exists()`函数可判断文件是否存在,该函数对路径进行检查,存在则返回True,不存在则返回False。示例代码展示了如何检查&#39;example.txt&#39;文件是否存在并相应打印消息。此外,`os.path.isfile()`用于确认路径是否为文件,仅当是文件时返回True,否则返回False,同样配以示例说明其用法。
8 2
|
1天前
|
Python
【Python操作基础】——函数
【Python操作基础】——函数
|
1天前
|
Python
Python的全局变量作用于整个程序,生命周期与程序相同,而局部变量仅限函数内部使用,随函数执行结束而销毁。
Python的全局变量作用于整个程序,生命周期与程序相同,而局部变量仅限函数内部使用,随函数执行结束而销毁。在函数内部修改全局变量需用`global`关键字声明,否则会创建新局部变量。
9 2
|
5天前
|
Java C# 开发者
Python 中的类型注解是一种用于描述变量、函数参数和返回值预期类型的机制
Python的类型注解提升代码可读性和可维护性,虽非强制,但利于静态类型检查(如Mypy)。包括:变量注解、函数参数和返回值注解,使用内置或`typing`模块的复杂类型,自定义类型注解,以及泛型模拟。类型注解可在变量声明、函数定义和注释中使用,帮助避免类型错误,提高开发效率。
16 6
|
6天前
|
存储 Python
【Python 基础】解释reduce函数的工作原理
【5月更文挑战第6天】【Python 基础】解释reduce函数的工作原理
|
6天前
|
Python
【Python 基础】解释map函数的工作原理
【5月更文挑战第6天】【Python 基础】解释map函数的工作原理
|
6天前
|
索引 Python
【Python 基础】解释Range函数
【5月更文挑战第6天】【Python 基础】解释Range函数
|
6天前
|
Python
Python中的匿名函数,即lambda函数
【5月更文挑战第6天】Python中的匿名函数,即lambda函数,用于简洁地定义小型函数,无需`def`关键字。示例:`double = lambda x: x * 2`,可将5加倍。常用于排序(自定义比较)、映射(如求平方)和过滤列表,以及作回调函数。然而,它们不适用于多行代码或复杂逻辑,此时需用常规函数。
4 0
|
11天前
|
NoSQL Serverless Python
在Python的Pandas中,可以通过直接赋值或使用apply函数在DataFrame添加新列。
在Python的Pandas中,可以通过直接赋值或使用apply函数在DataFrame添加新列。方法一是直接赋值,如`df[&#39;C&#39;] = 0`,创建新列C并初始化为0。方法二是应用函数,例如定义`add_column`函数计算A列和B列之和,然后使用`df.apply(add_column, axis=1)`,使C列存储每行A、B列的和。
38 0
|
12天前
|
机器学习/深度学习 数据可视化 TensorFlow
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化