Python编程:Built-in Functions内建函数小结

简介: Python编程:Built-in Functions内建函数小结

Built-in Functions(68个)

1、数学方法

abs() sum() pow() min() max() divmod() round()


2、进制转换

bin() oct() hex()


3、简单数据类型

- 整数:int()

- 浮点数:float()

- 字符\字符串:str() repr() ascii() ord() chr() format()

- 字节:bytes() bytearray()

- 布尔:bool()

- 复数:complex()


4、数据结构

- 列表:list() slice() range()

- 元组:tuple()

- 字典:dict() hash()

- 集合:set() frozenset()

- 方法:len() zip() all() any() iter() filter() next() sorted() reversed() enumerate() map() memoryview()


5、面向对象

setattr() getattr() delattr() hasattr()

super() property()

staticmethod() classmethod()

isinstance() issubclass()


6、系统方法

dir() help() id() object() type()

input() open() print()

eval() exec() compile()

vars() locals() globals()

callable() __import__()


参考:https://docs.python.org/3.5/library/functions.html

print(abs(-1))  # 绝对值  1
print(divmod(5, 2))  # 取商和余数 (2, 1)
# 四舍五入
print(round(1.4)) # 1
print(round(1.5)) # 2
print(round(1.6)) # 2
# 次方,相当于x**y
print(pow(2, 8))  # 256
print(bin(2))  # 转为二进制  0b10
print(oct(12))  # 转8进制 0o14
print(hex(20))  # 转16进制  0x14
print(bool(1))  # 转为布尔值  True
# 转为int
s = "12"
i = int(s)
print(type(s), type(i))  # <class 'str'> <class 'int'>
# 转字符串
i = 12345
s =str(i)
print(type(i), type(s))   # <class 'int'> <class 'str'>
print([ascii([1,2,3])])  # 转为字符串  ['[1, 2, 3]']
# 转为可打印对象representation 表现
s = 123456
r =repr(s)
print(type(s), type(r))  # <class 'int'> <class 'str'>
# ascii码
print(chr(100))  # d
print(ord("a"))  # 97
print(bytes("我是中国人", encoding="utf-8"))
# b'\xe6\x88\x91\xe6\x98\xaf\xe4\xb8\xad\xe5\x9b\xbd\xe4\xba\xba'
b = bytearray("abc", encoding="utf-8")  # 转为字节数组
print(b)  # bytearray(b'abc')
print(b[0])  # 97
b[0] = 100
print(b)  # bytearray(b'dbc')
# 新建字典对象
d1 = {}
d2 = dict()
d3 = dict(name = "Tom", age = 23)
print(d1)  # {}
print(d2)  # {}
print(d3)  # {'age': 23, 'name': 'Tom'}
# 获取散列值
res = hash(1)
print(res)  # 1
res = hash("Tom")  # -1433634475463391166
print(res)
# 不可变集合
st = frozenset([1,2,3,4])
print(type(st))  # <class 'frozenset'>
# 生成列表
lst1 = []
lst2 = list()
lst3 = list((1,2,3))
print(lst1)  # []
print(lst2)  # []
print(lst3)  # [1, 2, 3]
# 计算长度
print(len([1,2,3]))  # 3
# 最大最小值
lst = [1,3,4,5,8,6,9]
print(max(lst))  # 9
print(min(lst))  # 1
# 求和
lst = [i for i in range(5)]
print(sum(lst))  # 10
# 切片
lst = [x for x in range(10)]
s = slice(2,5)
print(lst[s])  # [2, 3, 4]
# 枚举
for index, value in enumerate(range(1,5)):
    print(index, value)
"""
0 1
1 2
2 3
3 4
"""
print(all([1,2,3]))  # 所有都是真的  True
print(all([1,2,0]))  # False
print(any([1,2,1]))  # 至少存在一个真的  True
print(any([0]))  # False
# 元组
t1 = ()
t2 = (1,)
t3 = tuple()
print(type(t1))  # <class 'tuple'>
print(type(t2))  # <class 'tuple'>
print(type(t3))  # <class 'tuple'>
# 反转
lst = [1, 2, 3]
print(reversed(lst))  # <list_reverseiterator object at 0x0000000003A54A90>
# lambda 与 三元运算符
lamb = lambda x : 3 if x < 5 else x
print(lamb(5))  # 5
# 过滤
res = filter(lambda x: x>5, range(10))
for i in res:
    print(i,end=" ")  # 6 7 8 9
print()
# 映射
res = map(lambda x: x*x, range(10))
for i in res:
    print(i, end=" ")  # 0 1 4 9 16 25 36 49 64 81
print()
"""
等价于:
res = [lambda x: x*x for x in range(10)]
res = [x*x for x in range(10)]
"""
# 浓缩
import functools  # py3
res = functools.reduce(lambda x, y: x + y, range(10))
print(res)  # 45
# 排序
dct ={"0": 99, "1": 98, "6": 11, "5": 45}
print(dct)  # {'6': 11, '0': 99, '1': 98, '5': 45}
print(sorted(dct))  # ['0', '1', '5', '6']
print(sorted(dct.items()))
# [('0', 99), ('1', 98), ('5', 45), ('6', 11)]
print(sorted(dct.items(), key=lambda x: x[1]))
# [('6', 11), ('5', 45), ('1', 98), ('0', 99)]
# 拉链,这个叫法很形象
a = [1, 2, 3, 4, 5]
b = ["a", "b", "c", "d", "e"]
z = zip(a, b)
print(z)  # <zip object at 0x0000000003FBE1C8>
print([i for i in z])
# [(1, 'a'), (2, 'b'), (3, 'c'), (4, 'd'), (5, 'e')]
# 转为迭代器
lst = [1, 2, 3]
ilst = iter(lst)
print(type(lst),type(ilst))  # <class 'list'> <class 'list_iterator'>
# 相当于生成器的__next()__ 方法
lst = range(5)
print(type(ilst))  # <class 'range'>
ilst = iter(lst)
print(type(ilst))  # <class 'range_iterator'>
print(next(ilst))  # 0
print(next(ilst))  # 1
# 判断是否为某个类的实例
d ={}
print(isinstance(d, dict))  # True
# 导入包  动态加载类和函数
__import__("iterator_test")
print()
print(dir(d1))  # 查看方法
"""
['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__',
 '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', 
 '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__',
 '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', 
 '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', 
 '__subclasshook__', 'clear', 'copy', 'fromkeys', 'get', 'items', 
 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']
"""
print(help(divmod))  # 查看帮助
"""
Help on built-in function divmod in module builtins:
divmod(...)
    divmod(x, y) -> (div, mod)
    Return the tuple ((x-x%y)/y, x%y).  Invariant: div*y + mod == x.
"""
# 对象id
a = 1
print(id(a))  # 1430299072
# 打印局部变量
def foo():
    a = 1
    print(vars())  # {'a': 1}
foo()
# 打印局部变量
def foo():
    a = 1
    print(locals())  # {'a': 1}
foo()
print(globals())  # 打印当前文件的所有全局变量,key-value形式返回
"""
{'code': '\nfor i in range(5):\n    print(i, end=" ")\n',
 '__cached__': None, 'value': 4, 'index': 3, 'd1': {}, 
 'b': bytearray(b'dbc'), 'lamb': <function <lambda> at 0x00000000024E8730>, 
 '__package__': None, 'st': frozenset({1, 2, 3, 4}),
 ...
"""
code = """
for i in range(5):
    print(i, end=" ")
"""
exec(code)  # 运行代码  0 1 2 3 4
x = 1
print("eval:", eval("x+1"))  # eval: 2
def sayHello():pass
print(callable(sayHello))  # True
相关文章
|
6月前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
3月前
|
Python
Python编程基石:整型、浮点、字符串与布尔值完全解读
本文介绍了Python中的四种基本数据类型:整型(int)、浮点型(float)、字符串(str)和布尔型(bool)。整型表示无大小限制的整数,支持各类运算;浮点型遵循IEEE 754标准,需注意精度问题;字符串是不可变序列,支持多种操作与方法;布尔型仅有True和False两个值,可与其他类型转换。掌握这些类型及其转换规则是Python编程的基础。
207 33
|
2月前
|
数据采集 分布式计算 大数据
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
78 1
|
3月前
|
设计模式 安全 Python
Python编程精进:正则表达式
正则表达式是一种强大的文本处理工具,用于搜索、匹配和提取模式。本文介绍了正则表达式的语法基础,如`\d`、`\w`等符号,并通过实例展示其在匹配电子邮件、验证电话号码、处理日期格式等场景中的应用。同时,文章提醒用户注意性能、编码、安全性等问题,避免常见错误,如特殊字符转义不当、量词使用错误等。掌握正则表达式能显著提升文本处理效率,但需结合实际需求谨慎设计模式。
134 2
|
4月前
|
数据采集 安全 BI
用Python编程基础提升工作效率
一、文件处理整明白了,少加两小时班 (敲暖气管子)领导让整理100个Excel表?手都干抽筋儿了?Python就跟铲雪车似的,哗哗给你整利索!
113 11
|
6月前
|
人工智能 Java 数据安全/隐私保护
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
185 28
|
6月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
6月前
|
设计模式 机器学习/深度学习 前端开发
Python 高级编程与实战:深入理解设计模式与软件架构
本文深入探讨了Python中的设计模式与软件架构,涵盖单例、工厂、观察者模式及MVC、微服务架构,并通过实战项目如插件系统和Web应用帮助读者掌握这些技术。文章提供了代码示例,便于理解和实践。最后推荐了进一步学习的资源,助力提升Python编程技能。
|
6月前
|
Python
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
86 4
|
6月前
|
数据采集 搜索推荐 C语言
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化和调试技巧,涵盖使用内置函数、列表推导式、生成器、`cProfile`、`numpy`等优化手段,以及`print`、`assert`、`pdb`和`logging`等调试方法。通过实战项目如优化排序算法和日志记录的Web爬虫,帮助你编写高效稳定的Python程序。