一.函数

1.函数的定义

函数以def关键词开头，后接函数名和圆括号()。 函数执行的代码以冒号起始，并且缩进。 return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回None def functionname (parameters): “函数_文档字符串” function_suite return [expression]

2.函数文档

def MyFirstFunction(name): "函数定义过程中name是形参" # 因为Ta只是一个形式，表示占据一个参数位置 print('传递进来的{0}叫做实参，因为Ta是具体的参数值！'.format(name)) MyFirstFunction('老马的程序人生') #传递进来的老马的程序人生叫做实参，因为Ta是具体的参数值！ print(MyFirstFunction.__doc__) #函数定义过程中name是形参 help(MyFirstFunction) #Help on function MyFirstFunction in module __main__: #MyFirstFunction(name) #函数定义过程中name是形参

3.函数参数

位置参数 def functionname(arg1): “函数_文档字符串” function_suite return [expression] arg1 - 位置参数 ，这些参数在调用函数 (call function) 时位置要固定。

默认参数 def functionname(arg1, arg2=v): “函数_文档字符串” function_suite return [expression]

arg2 = v - 默认参数 = 默认值，调用函数时，默认参数的值如果没有传入，则被认为是默认值。 默认参数一定要放在位置参数 后面，不然程序会报错。

def printinfo(name, age=8): print('Name:{0},Age:{1}'.format(name, age)) printinfo('小马') # Name:小马,Age:8 printinfo('小马', 10) # Name:小马,Age:10

Python 允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值，就是参数顺序不同，但结果一致

可变参数 就是传入的参数个数是可变的，可以是 0, 1, 2 到任意个，是不定长的参数。 def functionname(arg1, arg2=v, *args): “函数_文档字符串” function_suite return [expression] args - 可变参数，可以是从零个到任意个，自动组装成元组。注意是元组 加了星号（）的变量名会存放所有未命名的变量参数。

def printinfo(arg1, *args): print(arg1) for var in args: print(var) printinfo(10) # 10 printinfo(70, 60, 50) #70 #60 #50

关键字参数 def functionname(arg1, arg2=v, *args, **kw): “函数_文档字符串” function_suite return [expression] **kw - 关键字参数，可以是从零个到任意个，自动组装成字典。注意是字典

def printinfo(arg1, *args, **kwargs): print(arg1) print(args) print(kwargs) printinfo(70, 60, 50) #70 #(60, 50) #{} printinfo(70, 60, 50,a=1, b=2) #70 #(60, 50) #{'a': 1, 'b': 2}

命名关键字参数 def functionname(arg1, arg2=v, args, *, nkw, *kw): “函数_文档字符串” function_suite return [expression] *, nkw - 命名关键字参数，用户想要输入的关键字参数，定义方式是在nkw 前面加个分隔符 *。 如果要限制关键字参数的名字，就可以用「命名关键字参数」 使用命名关键字参数时，要特别注意不能缺少参数名。

def printinfo(arg1, *, nkw, **kwargs): print(arg1) print(nkw) print(kwargs) printinfo(70, nkw=10, a=1, b=2) #70 #10 #{'a': 1, 'b': 2} printinfo(70, 10, a=1, b=2) #TypeError: printinfo() takes 1 positional argument but 2 were given

#没有写参数名nwk，因此 10 被当成「位置参数」，而原函数只有 1 个位置函数，现在调用了 2 个，因此程序会报错。

参数组合 在 Python 中定义函数，可以用位置参数、默认参数、可变参数、命名关键字参数和关键字参数，这 5 种参数中的 4 个都可以一起使用，但是注意，参数定义的顺序必须是： 位置参数、默认参数、可变参数和关键字参数。 位置参数、默认参数、命名关键字参数和关键字参数。

要注意定义可变参数和关键字参数的语法： *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 *，nkw是命名关键字参数 命名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。定义命名关键字参数不要忘了写分隔符 *，否则定义的是位置参数。 警告：虽然可以组合多达 5 种参数，但不要同时使用太多的组合，否则函数很难懂。

4.函数的返回值

def back(): return [1, '小马的程序人生', 3.14] return 1, '小马的程序人生', 3.14 print(back()) #[1, '小马的程序人生', 3.14] #(1, '小马的程序人生', 3.14) def printme(str): print(str) temp = printme('hello') # hello print(temp) # None print(type(temp)) # <class 'NoneType'>

5.变量作用域

局部变量只能在其被声明的函数内部访问，而全局变量可以在整个程序范围内访问 当内部作用域想修改外部作用域的变量时，就要用到global和nonlocal关键字了。

num = 1#此时为全局变量 def fun1(): global num # 需要使用 global 关键字声明，将num定义为全局 print(num) # 1 num = 123 print(num) # 123 fun1() print(num) # 123

内嵌函数

def outer(): print('outer函数在这被调用') def inner(): print('inner函数在这被调用') inner() # 该函数只能在outer函数内部被调用 outer() #outer函数在这被调用 #inner函数在这被调用

闭包 是函数式编程的一个重要的语法结构，是一种特殊的内嵌函数。 如果在一个内部函数里对外层非全局作用域的变量进行引用，那么内部函数就被认为是闭包。 通过闭包可以访问外层非全局作用域的变量，这个作用域称为 闭包作用域。

def funX(x): def funY(y): return x * y return funY i = funX(8) print(type(i)) # <class 'function'> print(i(5)) # 40

闭包的返回值通常是函数

def make_counter(init): counter = [init] def inc(): counter[0] += 1 def dec(): counter[0] -= 1 def get(): return counter[0] def reset(): counter[0] = init#init是一个非全局变量 return inc, dec, get, reset inc, dec, get, reset = make_counter(0)#用来可以调用内部函数 inc() inc() inc() print(get()) # 3，调用了三次加1 dec() print(get()) # 2 reset() print(get()) # 0

如果要修改闭包作用域中的变量则需要 nonlocal 关键字，即将跟当前内部函数中的同名参数定义为私有

def outer(): num = 10 def inner(): nonlocal num # nonlocal关键字声明，把outer()中的非全局num定义在inner()为私有 num = 100 print(num) inner() print(num) outer() #100 #100

递归 如果一个函数在内部调用自身本身，这个函数就是递归函数

#利用循环 n = 5 for k in range(1, 5): n = n * k print(n) # 120 #利用递归 def factorial(n): if n == 1: return 1 return n * factorial(n - 1) print(factorial(5)) # 120

斐波那契数列 f(n)=f(n-1)+f(n-2), f(0)=0 f(1)=1

三.Lambda 表达式

1.匿名函数的定义

在 Python 里有两类函数： 第一类：用 def 关键词定义的正规函数 第二类：用 lambda 关键词定义的匿名函数 Python 使用 lambda 关键词来创建匿名函数，而非def关键词，它没有函数名，其语法结构如下： lambda argument_list: expression lambda - 定义匿名函数的关键词。 argument_list - 函数参数，它们可以是位置参数、默认参数、关键字参数，和正规函数里的参数类型一样。 :- 冒号，在函数参数和表达式中间要加个冒号。 expression - 只是一个表达式，输入函数参数，输出一些值。 注意： expression 中没有 return 语句，因为 lambda 不需要它来返回，表达式本身结果就是返回值。 匿名函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。

sumary = lambda arg1, arg2: arg1 + arg2 print(sumary(10, 20)) # 30 func = lambda *args: sum(args) print(func(1, 2, 3, 4, 5)) # 15

2.匿名函数的应用

函数式编程 是指代码中每一块都是不可变的，都由纯函数的形式组成。这里的纯函数，是指函数本身相互独立、互不影响， 对于相同的输入，总会有相同的输出，没有任何副作用。

非函数式编程

def f(x): for i in range(0, len(x)): x[i] += 10 return x x = [1, 2, 3] f(x) print(x) #[11, 12, 13] 函数式编程 def f(x): y = [] for item in x: y.append(item + 10) return y #返回的是y x = [1, 2, 3] f(x) print(x) #[1, 2, 3]

匿名函数 常常应用于函数式编程的高阶函数 (high-order function)中，主要有两种形式： 参数是函数 (filter, map) 返回值是函数 (closure) 如，在 filter和map函数中的应用：

filter(function, iterable) 过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使用 list() 来转换。

odd = lambda x: x % 2 == 1 templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9]) print(list(templist)) # [1, 3, 5, 7, 9]

map(function, *iterables) 根据提供的函数对指定序列做映射。

m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5]) print(list(m1)) #[1, 4, 9, 16, 25] m2 = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10]) print(list(m2)) #[3, 7, 11, 15, 19] 自定义方法： def apply_to_list(fun, some_list): return fun(some_list) lst = [1, 2, 3, 4, 5] print(apply_to_list(sum, lst)) #15 print(apply_to_list(len, lst)) #5 print(apply_to_list(lambda x: sum(x) / len(x), lst)) #3.0

四.类与对象

1.属性和方法组成对象

对象 = 属性 + 方法 对象是类的实例。换句话说，类主要定义对象的结构，然后我们以类为模板创建对象。类不但包含方法定义，而且还包含所有实例共享的数据。

封装：信息隐蔽技术 我们可以使用关键字 class 定义 Python 类，关键字后面紧跟类的名称、分号和类的实现。

class Turtle: # Python中的类名约定以大写字母开头 """关于类的一个简单例子""" # 属性 color = 'green' # 方法 def climb(self): print('我正在很努力的向前爬...') tt = Turtle() print(tt) #<__main__.Turtle object at 0x0000007C32D67F98> print(type(tt)) #<class '__main__.Turtle'> print(tt.__class__) #<class '__main__.Turtle'> print(tt.__class__.__name__) #Turtle tt.climb() #我正在很努力的向前爬... print(type(Turtle)) #<class 'type'>

继承：子类自动共享父类之间数据和方法的机制

class MyList(list): pass lst = MyList([1, 5, 2, 7, 8]) lst.append(9) lst.sort() print(lst) #[1, 2, 5, 7, 8, 9]

多态：不同对象对同一方法响应不同的行动

2.self 是什么？

Python 的 self 相当于 C++ 的 this 指针。类的方法与普通的函数只有一个特别的区别 —— 它们必须有一个额外的第一个参数名称（对应于该实例，即该对象本身），按照惯例它的名称是 self。 在调用方法时，我们无需明确提供与参数 self 相对应的参数。

class Ball: def setName(self, name): self.name = name def kick(self): print("我叫%s,该死的，谁踢我..." % self.name) a = Ball() a.setName("球A") b = Ball() b.setName("球B") c = Ball() c.setName("球C") a.kick() #我叫球A,该死的，谁踢我... b.kick() #我叫球B,该死的，谁踢我...

3.python的魔法方法

如果你的对象实现了这些方法中的某一个，那么这个方法就会在特殊的情况下被 Python 所调用，而这一切都是自动发生的… 类有一名为__init__(self[, param1, param2…])的魔法方法，该方法在类实例化时会自动调用。

class Ball: def __init__(self, name): self.name = name def kick(self): print("我叫%s,该死的，谁踢我..." % self.name) a = Ball("球A") b = Ball("球B") c = Ball("球C") a.kick() #我叫球A,该死的，谁踢我... b.kick() #我叫球B,该死的，谁踢我...

4.公有和私有

在 Python 中定义私有变量只需要在变量名或函数名前加上“__”两个下划线，那么这个函数或变量就会为私有的了

class Site: def __init__(self, name, url): self.name = name # public self.__url = url # private def who(self): print('name : ', self.name) print('url : ', self.__url) def __foo(self): # 私有方法 print('这是私有方法') def foo(self): # 公共方法 print('这是公共方法') self.__foo() x = Site('老马的程序人生', 'https://blog.csdn.net/LSGO_MYP') x.who() #name : 老马的程序人生 #url : https://blog.csdn.net/LSGO_MYP x.foo() #这是公共方法 #这是私有方法 x.__foo() #AttributeError: 'Site' object has no attribute '__foo'

5，继承

如果子类中定义与父类同名的方法或属性，则会自动覆盖父类对应的方法或属性。

#类定义 class people: # 定义基本属性 name = '' age = 0 # 定义私有属性,私有属性在类外部无法直接进行访问 __weight = 0 # 定义构造方法 def __init__(self, n, a, w): self.name = n self.age = a self.__weight = w def speak(self): print("%s 说: 我 %d 岁。" % (self.name, self.age)) #单继承示例 class student(people): grade = '' def __init__(self, n, a, w, g): # 调用父类的构函 people.__init__(self, n, a, w) self.grade = g # 覆写父类的方法 def speak(self): print("%s 说: 我 %d 岁了，我在读 %d 年级" % (self.name, self.age, self.grade)) s = student('小马的程序人生', 10, 60, 3) s.speak() #小马的程序人生 说: 我 10 岁了，我在读 3 年级

注意：如果上面的程序去掉：people.init(self, n, a, w)，则输出：说: 我 0 岁了，我在读 3 年级，因为子类的构造方法把父类的构造方法覆盖了。

import random class Fish: def __init__(self): self.x = random.randint(0, 10) self.y = random.randint(0, 10) def move(self): self.x -= 1 print("我的位置", self.x, self.y) class GoldFish(Fish): # 金鱼 pass class Carp(Fish): # 鲤鱼 pass class Salmon(Fish): # 三文鱼 pass #调用未绑定的父类方法Fish.__init__(self) class Shark(Fish): # 鲨鱼 def __init__(self): Fish.__init__(self) self.hungry = True def eat(self): if self.hungry: print("吃货的梦想就是天天有得吃！") self.hungry = False else: print("太撑了，吃不下了！") self.hungry = True #使用super函数super().__init__() class Shark(Fish): # 鲨鱼 def __init__(self): super().__init__() self.hungry = True def eat(self): if self.hungry: print("吃货的梦想就是天天有得吃！") self.hungry = False else: print("太撑了，吃不下了！") self.hungry = True g = GoldFish() g.move() # 我的位置 9 4 s = Shark() s.eat() # 吃货的梦想就是天天有得吃！

6.组合

class Turtle: def __init__(self, x): self.num = x class Fish: def __init__(self, x): self.num = x class Pool: def __init__(self, x, y): self.turtle = Turtle(x) self.fish = Fish(y) def print_num(self): print("水池里面有乌龟%s只，小鱼%s条" % (self.turtle.num, self.fish.num)) p = Pool(2, 3) p.print_num() #水池里面有乌龟2只，小鱼3条

7.类、类对象和实例对象

类对象：创建一个类，其实也是一个对象也在内存开辟了一块空间，称为类对象，类对象只有一个。 class A(object): pass 实例对象：就是通过实例化类创建的对象，称为实例对象，实例对象可以有多个。

class A(object): pass #实例化对象 a、b、c都属于实例对象。 a = A() b = A() c = A()

类属性：类里面方法外面定义的变量称为类属性，类属性所属于类对象并且多个实例对象之间共享同一个类属性，说白了就是类属性所有的通过该类实例化的对象都能共享。

class A(): a = 0 #类属性 def __init__(self, xx): A.a = xx #使用类属性可以通过 （类名.类属性）调用。

实例属性：实例属性和具体的某个实例对象有关系，并且一个实例对象和另外一个实例对象是不共享属性的， 说白了实例属性只能在自己的对象里面使用，其他的对象不能直接使用，因为self是谁调用，它的值就属于该对象。

#创建类对象 class Test(object): class_attr = 100 # 类属性 def __init__(self): self.sl_attr = 100 # 实例属性 def func(self): print('类对象.类属性的值:', Test.class_attr) # 调用类属性 print('self.类属性的值', self.class_attr) # 相当于把类属性 变成实例属性 print('self.实例属性的值', self.sl_attr) # 调用实例属性 a = Test() a.func() #类对象.类属性的值: 100 #self.类属性的值 100 #self.实例属性的值 100 a.class_attr = 200 a.sl_attr = 200 a.func() #类对象.类属性的值: 100 #self.类属性的值 200 #self.实例属性的值 200

注意：属性与方法名相同，属性会覆盖方法。

class A: def x(self): print('x_man') aa = A() aa.x() # x_man aa.x = 1#此时属性x调用，后面再使用x（）方法时就会覆盖 print(aa.x) # 1 aa.x() #TypeError: 'int' object is not callable

8.什么是绑定？

Python 严格要求方法需要有实例才能被调用，这种限制其实就是 Python 所谓的绑定概念。 Python 对象的数据属性通常存储在名为.__ dict__的字典中，我们可以直接访问__dict__，或利用 Python 的内置函数vars()获取.__ dict__。

class CC: def setXY(self, x, y): self.x = x self.y = y def printXY(self): print(self.x, self.y) dd = CC() print(dd.__dict__) #{} print(vars(dd)) #{} dd.setXY(4, 5) print(dd.__dict__) #{'x': 4, 'y': 5}

9.一些相关的内置函数（BIF）

issubclass(class, classinfo) 方法用于判断参数 class 是否是类型参数 classinfo 的子类。 一个类被认为是其自身的子类。 classinfo可以是类对象的元组，只要class是其中任何一个候选类的子类，则返回True。

isinstance(object, classinfo) 方法用于判断一个对象是否是一个已知的类型，类似type()。 type()不会认为子类是一种父类类型，不考虑继承关系。 isinstance()会认为子类是一种父类类型，考虑继承关系。 如果第一个参数不是对象，则永远返回False。 如果第二个参数不是类或者由类对象组成的元组，会抛出一个TypeError异常。

a = 2 print(isinstance(a, (str, int, list))) # True class A: pass class B(A): pass print(isinstance(A(), A)) # True print(type(A()) == A) # True print(isinstance(B(), A)) # True print(type(B()) == A) # False

hasattr(object, name)用于判断对象是否包含对应的属性。

class Coordinate: x = 10 y = -5 z = 0 point1 = Coordinate() print(hasattr(point1, 'x')) # True

getattr(object, name[, default])用于返回一个对象属性值。

class A(object): bar = 1 a = A() print(getattr(a, 'bar')) # 1 print(getattr(a, 'bar2', 3)) # 3

setattr(object, name, value)对应函数 getattr()，用于设置属性值，该属性不一定是存在的。

class A(object): bar = 1 a = A() print(getattr(a, 'bar')) # 1 setattr(a, 'bar', 5) print(a.bar) # 5

delattr(object, name)用于删除属性。

class property([fget[, fset[, fdel[, doc]]]])用于在新式类中返回属性值。 fget – 获取属性值的函数 fset – 设置属性值的函数 fdel – 删除属性值函数 doc – 属性描述信息

五.魔法方法

魔法方法总是被双下划线包围，例如__init__。 魔法方法是面向对象的 Python 的一切，如果你不知道魔法方法，说明你还没能意识到面向对象的 Python 的强大。 魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。 魔法方法的第一个参数应为cls（类方法） 或者self（实例方法）。 cls：代表一个类的名称 self：代表一个实例对象的名称

1.基本的魔法方法

init(self[, …]) 构造器，当一个实例被创建的时候调用的初始化方法 new(cls[, …]) 在一个对象实例化的时候所调用的第一个方法，在调用__init__初始化前，先调用__new__。 new__至少要有一个参数cls，代表要实例化的类，此参数在实例化时由 Python 解释器自动提供，后面的参数直接传递给__init。 new__对当前类进行了实例化，并将实例返回，传给__init__的self。但是，执行了__new，并不一定会进入__init__，只有__new__返回了，当前类cls的实例，当前类的__init__才会进入。

class A(object): def __init__(self, value): print("into A __init__") self.value = value def __new__(cls, *args, **kwargs): print("into A __new__") print(cls) return object.__new__(cls)

若__new__没有正确返回当前类cls的实例，那__init__是不会被调用的，即使是父类的实例也不行，将没有__init__被调用。 __new__方法主要是当你继承一些不可变的 class 时（比如int, str, tuple）， 提供给你一个自定义这些类的实例化过程的途径。

class CapStr(str): def __new__(cls, string): string = string.upper() return str.__new__(cls, string) a = CapStr("i love lsgogroup") print(a) # I LOVE LSGOGROUP

del(self) 析构器，当一个对象将要被系统回收之时调用的方法。 Python 采用自动引用计数（ARC）方式来回收对象所占用的空间，当程序中有一个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 1；当程序中有两个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 2，依此类推，如果一个对象的引用计数变成了 0，则说明程序中不再有变量引用该对象，表明程序不再需要该对象，因此 Python 就会回收该对象。 大部分时候，Python 的 ARC 都能准确、高效地回收系统中的每个对象。但如果系统中出现循环引用的情况，比如对象 a 持有一个实例变量引用对象 b，而对象 b 又持有一个实例变量引用对象 a，此时两个对象的引用计数都是 1，而实际上程序已经不再有变量引用它们，系统应该回收它们，此时 Python 的垃圾回收器就可能没那么快，要等专门的循环垃圾回收器（Cyclic Garbage Collector）来检测并回收这种引用循环。

class C(object): def __init__(self): print('into C __init__') def __del__(self): print('into C __del__') c1 = C() #into C __init__ c2 = c1 c3 = c2 del c3 del c2 del c1 #into C __del__

str(self): 当你打印一个对象的时候，触发__str__ 当你使用%s格式化的时候，触发__str__ str强转数据类型的时候，触发__str__

repr(self)： repr是str的备胎 有__str__的时候执行__str__,没有实现__str__的时候，执行__repr__ repr(obj)内置函数对应的结果是__repr__的返回值 当你使用%r格式化的时候 触发__repr__

class Cat: """定义一个猫类""" def __init__(self, new_name, new_age): """在创建完对象之后 会自动调用, 它完成对象的初始化的功能""" self.name = new_name self.age = new_age def __str__(self): """返回一个对象的描述信息""" return "名字是:%s , 年龄是:%d" % (self.name, self.age) def __repr__(self): """返回一个对象的描述信息""" return "Cat:(%s,%d)" % (self.name, self.age) def eat(self): print("%s在吃鱼...." % self.name) def drink(self): print("%s在喝可乐..." % self.name) def introduce(self): print("名字是:%s, 年龄是:%d" % (self.name, self.age)) #创建了一个对象 tom = Cat("汤姆", 30) print(tom) # 名字是:汤姆 , 年龄是:30 print(str(tom)) # 名字是:汤姆 , 年龄是:30 print(repr(tom)) # Cat:(汤姆,30) tom.eat() # 汤姆在吃鱼.... tom.introduce() # 名字是:汤姆, 年龄是:30

str(self) 的返回结果可读性强。也就是说，str 的意义是得到便于人们阅读的信息，就像下面的 ‘2019-10-11’ 一样。 repr(self) 的返回结果应更准确。怎么说，repr 存在的目的在于调试，便于开发者使用。

2.算术运算符

类型工厂函数，指的是“不通过类而是通过函数来创建对象”。

class C: pass print(type(len)) # <class 'builtin_function_or_method'> print(type(dir)) # <class 'builtin_function_or_method'> print(type(int)) # <class 'type'> print(type(list)) # <class 'type'> print(type(tuple)) # <class 'type'> print(type(C)) # <class 'type'> print(int('123')) # 123 #这个例子中list工厂函数把一个元祖对象加工成了一个列表对象。 print(list((1, 2, 3))) # [1, 2, 3]

add(self, other)定义加法的行为：+ sub(self, other)定义减法的行为：-

class MyClass: def __init__(self, height, weight): self.height = height self.weight = weight # 两个对象的长相加，宽不变.返回一个新的类 def __add__(self, others): return MyClass(self.height + others.height, self.weight + others.weight) # 两个对象的宽相减，长不变.返回一个新的类 def __sub__(self, others): return MyClass(self.height - others.height, self.weight - others.weight) # 说一下自己的参数 def intro(self): print("高为", self.height, " 重为", self.weight) def main(): a = MyClass(height=10, weight=5) a.intro() b = MyClass(height=20, weight=10) b.intro() c = b - a c.intro() d = a + b d.intro() if __name__ == '__main__': main()

mul(self, other)定义乘法的行为：* truediv(self, other)定义真除法的行为：/ floordiv(self, other)定义整数除法的行为：// mod(self, other) 定义取模算法的行为：% divmod(self, other)定义当被 divmod() 调用时的行为 divmod(a, b)把除数和余数运算结果结合起来，返回一个包含商和余数的元组(a // b, a % b)。

pow(self, other[, module])定义当被 power() 调用或 ** 运算时的行为 lshift(self, other)定义按位左移位的行为：<< rshift(self, other)定义按位右移位的行为：>> and(self, other)定义按位与操作的行为：& xor(self, other)定义按位异或操作的行为：^ or(self, other)定义按位或操作的行为：|

3.反算术运算符

反运算魔方方法，与算术运算符保持一一对应，不同之处就是反运算的魔法方法多了一个“r”。当文件左操作不支持相应的操作时被调用。 radd(self, other)定义加法的行为：+ rsub(self, other)定义减法的行为：- rmul(self, other)定义乘法的行为：* rtruediv(self, other)定义真除法的行为：/ rfloordiv(self, other)定义整数除法的行为：// rmod(self, other) 定义取模算法的行为：% rdivmod(self, other)定义当被 divmod() 调用时的行为 rpow(self, other[, module])定义当被 power() 调用或 ** 运算时的行为 rlshift(self, other)定义按位左移位的行为：<< rrshift(self, other)定义按位右移位的行为：>> rand(self, other)定义按位与操作的行为：& rxor(self, other)定义按位异或操作的行为：^ ror(self, other)定义按位或操作的行为：| a + b 这里加数是a，被加数是b，因此是a主动，反运算就是如果a对象的__add__()方法没有实现或者不支持相应的操作，那么 Python 就会调用b的__radd__()方法。

4.增量赋值运算符

__iadd__(self, other)定义赋值加法的行为：+= __isub__(self, other)定义赋值减法的行为：-= __imul__(self, other)定义赋值乘法的行为：*= __itruediv__(self, other)定义赋值真除法的行为：/= __ifloordiv__(self, other)定义赋值整数除法的行为：//= __imod__(self, other)定义赋值取模算法的行为：%= __ipow__(self, other[, modulo])定义赋值幂运算的行为：**= __ilshift__(self, other)定义赋值按位左移位的行为：<<= __irshift__(self, other)定义赋值按位右移位的行为：>>= __iand__(self, other)定义赋值按位与操作的行为：&= __ixor__(self, other)定义赋值按位异或操作的行为：^= __ior__(self, other)定义赋值按位或操作的行为：|=

5.一元运算符

__neg__(self)定义正号的行为：+x __pos__(self)定义负号的行为：-x __abs__(self)定义当被abs()调用时的行为 __invert__(self)定义按位求反的行为：~x

6.属性访问

__getattr__(self, name): 定义当用户试图获取一个不存在的属性时的行为。 __getattribute__(self, name)：定义当该类的属性被访问时的行为（先调用该方法，查看是否存在该属性，若不存在，接着去调用__getattr__）。 __setattr__(self, name, value)：定义当一个属性被设置时的行为。 __delattr__(self, name)：定义当一个属性被删除时的行为。 class C: def __getattribute__(self, item): print('__getattribute__') return super().__getattribute__(item) def __getattr__(self, item): print('__getattr__') def __setattr__(self, key, value): print('__setattr__') super().__setattr__(key, value) def __delattr__(self, item): print('__delattr__') super().__delattr__(item) c = C() c.x #__getattribute__ #__getattr__ c.x = 1 #__setattr__ del c.x #__delattr__

7.描述符

描述符就是将某种特殊类型的类的实例指派给另一个类的属性。

__get__(self, instance, owner)用于访问属性，它返回属性的值。 __set__(self, instance, value)将在属性分配操作中调用，不返回任何内容。 __del__(self, instance)控制删除操作，不返回任何内容。

8.定制序列

协议（Protocols）与其它编程语言中的接口很相似，它规定你哪些方法必须要定义。然而，在 Python 中的协议就显得不那么正式。事实上，在 Python 中，协议更像是一种指南。 容器类型的协议 如果说你希望定制的容器是不可变的话，你只需要定义__len__()和__getitem__()方法。 如果你希望定制的容器是可变的话，除了__len__()和__getitem__()方法，你还需要定义__setitem__()和__delitem__()两个方法。 【例子】编写一个不可改变的自定义列表，要求记录列表中每个元素被访问的次数。

class CountList: def __init__(self, *args): self.values = [x for x in args] self.count = {}.fromkeys(range(len(self.values)), 0) def __len__(self): return len(self.values) def __getitem__(self, item): self.count[item] += 1 return self.values[item] c1 = CountList(1, 3, 5, 7, 9) c2 = CountList(2, 4, 6, 8, 10) print(c1[1]) # 3 print(c2[2]) # 6 print(c1[1] + c2[1]) # 7 print(c1.count) #{0: 0, 1: 2, 2: 0, 3: 0, 4: 0} print(c2.count) #{0: 0, 1: 1, 2: 1, 3: 0, 4: 0} __len__(self)定义当被len()调用时的行为（返回容器中元素的个数）。 __getitem__(self, key)定义获取容器中元素的行为，相当于self[key]。 __setitem__(self, key, value)定义设置容器中指定元素的行为，相当于self[key] = value。 __delitem__(self, key)定义删除容器中指定元素的行为，相当于del self[key]。

【例子】编写一个可改变的自定义列表，要求记录列表中每个元素被访问的次数。

class CountList: def __init__(self, *args): self.values = [x for x in args] self.count = {}.fromkeys(range(len(self.values)), 0) def __len__(self): return len(self.values) def __getitem__(self, item): self.count[item] += 1 return self.values[item] def __setitem__(self, key, value): self.values[key] = value def __delitem__(self, key): del self.values[key] for i in range(0, len(self.values)): if i >= key: self.count[i] = self.count[i + 1] self.count.pop(len(self.values)) c1 = CountList(1, 3, 5, 7, 9) c2 = CountList(2, 4, 6, 8, 10) print(c1[1]) # 3 print(c2[2]) # 6 c2[2] = 12 print(c1[1] + c2[2]) # 15 print(c1.count) #{0: 0, 1: 2, 2: 0, 3: 0, 4: 0} print(c2.count) #{0: 0, 1: 0, 2: 2, 3: 0, 4: 0} del c1[1] print(c1.count) #{0: 0, 1: 0, 2: 0, 3: 0}

9.迭代器

迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。 迭代器是一个可以记住遍历的位置的对象。 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。 迭代器只能往前不会后退。 字符串，列表或元组对象都可用于创建迭代器：

迭代器有两个基本的方法：iter() 和 next()。 iter(object) 函数用来生成迭代器。 next(iterator[, default]) 返回迭代器的下一个项目。 iterator – 可迭代对象 default – 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发 StopIteration 异常。

把一个类作为一个迭代器使用需要在类中实现两个魔法方法 iter() 与 next() 。 iter(self)定义当迭代容器中的元素的行为，返回一个特殊的迭代器对象， 这个迭代器对象实现了 next() 方法并通过 StopIteration 异常标识迭代的完成。 next() 返回下一个迭代器对象。 StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 next() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

class Fibs: def __init__(self, n=10): self.a = 0 self.b = 1 self.n = n def __iter__(self): return self def __next__(self): self.a, self.b = self.b, self.a + self.b if self.a > self.n: raise StopIteration return self.a fibs = Fibs(100) for each in fibs: print(each, end=' ') #1 1 2 3 5 8 13 21 34 55 89

##10 生成器

在 Python 中，使用了 yield 的函数被称为生成器（generator）。 跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。 在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。 调用一个生成器函数，返回的是一个迭代器对象。