def functionname (parameters): “函数_文档字符串” function_suite return [expression]
Python 的函数具有非常灵活多样的参数形态，既可以实现简单的调用，又可以传入非常复杂的参数。从简到繁的参数形态如下：
位置参数 (positional argument)默认参数 (default argument)可变参数 (variable argument)关键字参数 (keyword argument)命名关键字参数 (name keyword argument)参数组合1. 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。2. 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。 【例子】 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:103. 可变参数
顾名思义，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。加了星号（*）的变量名会存放所有未命名的变量参数。【例子】
def printinfo(arg1, *args): print(arg1) for var in args: print(var) printinfo(10) # 10 printinfo(70, 60, 50) # 70 # 60 # 504. 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。【例子】
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}「可变参数」和「关键字参数」的同异总结如下：
可变参数允许传入零个到任意个参数，它们在函数调用时自动组装为一个元组 (tuple)。关键字参数允许传入零个到任意个参数，它们在函数内部自动组装为一个字典 (dict)。5. 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。【例子】
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。6. 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。
【例子】
def add(a, b): return a + b print(add(1, 2)) # 3 print(add([1, 2, 3], [4, 5, 6])) # [1, 2, 3, 4, 5, 6] def back(): return [1, '小马的程序人生', 3.14] print(back()) # [1, '小马的程序人生', 3.14] ###########注意比较，一个是元组，一个是列表 def back(): return 1, '小马的程序人生', 3.14 print(back()) # (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'>【例子】
def discounts(price, rate): final_price = price * rate return final_price old_price = float(input('请输入原价:')) # 98 rate = float(input('请输入折扣率:')) # 0.9 new_price = discounts(old_price, rate) print('打折后价格是:%.2f' % new_price) # 88.20 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。 【例子】 num = 1 def fun1(): global num # 需要使用 global 关键字声明 print(num) # 1 num = 123 print(num) # 123 fun1() print(num) # 123内嵌函数
【例子】
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。【例子】
def funX(x): def funY(y): return x * y return funY i = funX(8) print(type(i)) # <class 'function'> print(i(5)) # 40【例子】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 return inc, dec, get, reset inc, dec, get, reset = make_counter(0) inc() inc() inc() print(get()) # 3 dec() print(get()) # 2 reset() print(get()) # 0【例子】 如果要修改闭包作用域中的变量则需要 nonlocal 关键字
def outer(): num = 10 def inner(): nonlocal num # nonlocal关键字声明 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。【例子】n! = 1 x 2 x 3 x ... x n
# 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【例子】斐波那契数列 f(n)=f(n-1)+f(n-2), f(0)=0 f(1)=1
# 利用循环 i = 0 j = 1 lst = list([i, j]) for k in range(2, 11): k = i + j lst.append(k) i = j j = k print(lst) # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55] # 利用递归 def recur_fibo(n): if n <= 1: return n return recur_fibo(n - 1) + recur_fibo(n - 2) lst = list() for k in range(11): lst.append(recur_fibo(k)) print(lst) # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55]【例子】设置递归的层数，Python默认递归层数为 100
import sys sys.setrecursionlimit(1000)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。【例子】
def sqr(x): return x ** 2 print(sqr) # <function sqr at 0x000000BABD3A4400> y = [sqr(x) for x in range(10)] print(y) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] lbd_sqr = lambda x: x ** 2 print(lbd_sqr) # <function <lambda> at 0x000000BABB6AC1E0> y = [lbd_sqr(x) for x in range(10)] print(y) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] sumary = lambda arg1, arg2: arg1 + arg2 print(sumary(10, 20)) # 30 func = lambda *args: sum(args) print(func(1, 2, 3, 4, 5)) # 15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。
【例子】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]【例子】函数式编程
def f(x): y = [] for item in x: y.append(item + 10) return 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。【例子】
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。【例子】
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]除了 Python 这些内置函数，我们也可以自己定义高阶函数。
【例子】
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。
【例子】
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' weight = 10 legs = 4 shell = True mouth = '大嘴' # 方法 def climb(self): print('我正在很努力的向前爬...') def run(self): print('我正在飞快的向前跑...') def bite(self): print('咬死你咬死你!!') def eat(self): print('有得吃，真满足...') def sleep(self): print('困了，睡了，晚安，zzz') 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... tt.run() # 我正在飞快的向前跑... tt.bite() # 咬死你咬死你!! # Python类也是对象。它们是type的实例 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【例子】
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【例子】
class Animal: def run(self): raise AttributeError('子类必须实现这个方法') class People(Animal): def run(self): print('人正在走') class Pig(Animal): def run(self): print('pig is walking') class Dog(Animal): def run(self): print('dog is running') def func(animal): animal.run() func(Pig()) # pig is walkingPython 的 self 相当于 C++ 的 this 指针。
【例子】
class Test: def prt(self): print(self) print(self.__class__) t = Test() t.prt() # <__main__.Test object at 0x000000BC5A351208> # <class '__main__.Test'>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。
【例子】
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...据说，Python 的对象天生拥有一些神奇的方法，它们是面向对象的 Python 的一切…
它们是可以给你的类增加魔力的特殊方法…
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…
类有一个名为__init__(self[, param1, param2...])的魔法方法，该方法在类实例化时会自动调用。
【例子】
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...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。
【例子】类的私有属性实例
class JustCounter: __secretCount = 0 # 私有变量 publicCount = 0 # 公开变量 def count(self): self.__secretCount += 1 self.publicCount += 1 print(self.__secretCount) counter = JustCounter() counter.count() # 1 counter.count() # 2 print(counter.publicCount) # 2 # Python的私有为伪私有 print(counter._JustCounter__secretCount) # 2 print(counter.__secretCount) # AttributeError: 'JustCounter' object has no attribute '__secretCount'【例子】类的私有方法实例
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'Python 同样支持类的继承，派生类的定义如下所示：
class DerivedClassName(BaseClassName): statement-1 . . . statement-N
BaseClassName（基类名）必须与派生类定义在一个作用域内。除了类，还可以用表达式，基类定义在另一个模块中时这一点非常有用：
class DerivedClassName(modname.BaseClassName): statement-1 . . . statement-N
【例子】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。
【例子】
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 class Shark(Fish): # 鲨鱼 def __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 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！ s.move() # AttributeError: 'Shark' object has no attribute 'x'解决该问题可用以下两种方式：
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 = TruePython 虽然支持多继承的形式，但我们一般不使用多继承，因为容易引起混乱。
class DerivedClassName(Base1, Base2, Base3): statement-1 . . . statement-N
需要注意圆括号中父类的顺序，若是父类中有相同的方法名，而在子类使用时未指定，Python 从左至右搜索，即方法在子类中未找到时，从左到右查找父类中是否包含方法。
【例子】
# 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)) # 另一个类，多重继承之前的准备 class Speaker: topic = '' name = '' def __init__(self, n, t): self.name = n self.topic = t def speak(self): print("我叫 %s，我是一个演说家，我演讲的主题是 %s" % (self.name, self.topic)) # 多重继承 class Sample01(Speaker, Student): a = '' def __init__(self, n, a, w, g, t): Student.__init__(self, n, a, w, g) Speaker.__init__(self, n, t) # 方法名同，默认调用的是在括号中排前地父类的方法 test = Sample01("Tim", 25, 80, 4, "Python") test.speak() # 我叫 Tim，我是一个演说家，我演讲的主题是 Python class Sample02(Student, Speaker): a = '' def __init__(self, n, a, w, g, t): Student.__init__(self, n, a, w, g) Speaker.__init__(self, n, t) # 方法名同，默认调用的是在括号中排前地父类的方法 test = Sample02("Tim", 25, 80, 4, "Python") test.speak() # Tim 说: 我 25 岁了，我在读 4 年级【例子】
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。
【例子】
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。
【例子】
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。
【例子】
# 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 b = Test() b.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 b.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 Test.class_attr = 300 a.func() # 类对象.类属性的值: 300 # self.类属性的值 200 # self.实例属性的值 200 b.func() # 类对象.类属性的值: 300 # self.类属性的值 300 # self.实例属性的值 100注意：属性与方法名相同，属性会覆盖方法。
【例子】
class A: def x(self): print('x_man') aa = A() aa.x() # x_man aa.x = 1 print(aa.x) # 1 aa.x() # TypeError: 'int' object is not callablePython 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__。
【例子】
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)) # {} print(CC.__dict__) # {'__module__': '__main__', 'setXY': <function CC.setXY at 0x000000C3473DA048>, 'printXY': <function CC.printXY at 0x000000C3473C4F28>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None} dd.setXY(4, 5) print(dd.__dict__) # {'x': 4, 'y': 5} print(vars(CC)) # {'__module__': '__main__', 'setXY': <function CC.setXY at 0x000000632CA9B048>, 'printXY': <function CC.printXY at 0x000000632CA83048>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None} print(CC.__dict__) # {'__module__': '__main__', 'setXY': <function CC.setXY at 0x000000632CA9B048>, 'printXY': <function CC.printXY at 0x000000632CA83048>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None}【例子】
class A: pass class B(A): pass print(issubclass(B, A)) # True print(issubclass(B, B)) # True print(issubclass(A, B)) # False print(issubclass(B, object)) # 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。【例子】
a = 2 print(isinstance(a, int)) # True print(isinstance(a, str)) # False 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。【例子】
class Coordinate: x = 10 y = -5 z = 0 point1 = Coordinate() print(hasattr(point1, 'x')) # True print(hasattr(point1, 'y')) # True print(hasattr(point1, 'z')) # True print(hasattr(point1, 'no')) # False getattr(object, name[, default])用于返回一个对象属性值。【例子】
class A(object): bar = 1 a = A() print(getattr(a, 'bar')) # 1 print(getattr(a, 'bar2', 3)) # 3 print(getattr(a, 'bar2')) # AttributeError: 'A' object has no attribute 'bar2' class A(object): def set(self, a, b): x = a a = b b = x print(a, b) a = A() c = getattr(a, 'set') c(a='1', b='2') # 2 1 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。【例子】
class A(object): bar = 1 a = A() print(getattr(a, 'bar')) # 1 setattr(a, 'bar', 5) print(a.bar) # 5 setattr(a, "age", 28) print(a.age) # 28 delattr(object, name) 用于删除属性。【例子】
class Coordinate: x = 10 y = -5 z = 0 point1 = Coordinate() print('x = ', point1.x) # x = 10 print('y = ', point1.y) # y = -5 print('z = ', point1.z) # z = 0 delattr(Coordinate, 'z') print('--删除 z 属性后--') # --删除 z 属性后-- print('x = ', point1.x) # x = 10 print('y = ', point1.y) # y = -5 # 触发错误 print('z = ', point1.z) # AttributeError: 'Coordinate' object has no attribute 'z' 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【例子】
class C(object): def __init__(self): self.__x = None def getx(self): return self.__x def setx(self, value): self.__x = value def delx(self): del self.__x x = property(getx, setx, delx, "I'm the 'x' property.") cc = C() cc.x = 2 print(cc.x) # 2 del cc.x print(cc.x) # AttributeError: 'C' object has no attribute '_C__x'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【例子】
class Rectangle: def __init__(self, x, y): self.x = x self.y = y def getPeri(self): return (self.x + self.y) * 2 def getArea(self): return self.x * self.y rect = Rectangle(4, 5) print(rect.getPeri()) # 18 print(rect.getArea()) # 20 __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。【例子】
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) class B(A): def __init__(self, value): print("into B __init__") self.value = value def __new__(cls, *args, **kwargs): print("into B __new__") print(cls) return super().__new__(cls, *args, **kwargs) b = B(10) # 结果： # into B __new__ # <class '__main__.B'> # into A __new__ # <class '__main__.B'> # into B __init__ 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) class B(A): def __init__(self, value): print("into B __init__") self.value = value def __new__(cls, *args, **kwargs): print("into B __new__") print(cls) return super().__new__(A, *args, **kwargs) # 改动了cls变为A b = B(10) # 结果： # into B __new__ # <class '__main__.B'> # into A __new__ # <class '__main__.A'> 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。【例子】利用__new__实现单例模式。
class Earth: pass a = Earth() print(id(a)) # 260728291456 b = Earth() print(id(b)) # 260728291624 class Earth: __instance = None # 定义一个类属性做判断 def __new__(cls): if cls.__instance is None: cls.__instance = object.__new__(cls) return cls.__instance else: return cls.__instance a = Earth() print(id(a)) # 512320401648 b = Earth() print(id(b)) # 512320401648 __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。【例子】
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。
【例子】
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__【例子】
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。
【例子】
import datetime today = datetime.date.today() print(str(today)) # 2019-10-11 print(repr(today)) # datetime.date(2019, 10, 11) print('%s' %today) # 2019-10-11 print('%r' %today) # datetime.date(2019, 10, 11)类型工厂函数，指的是“不通过类而是通过函数来创建对象”。
【例子】
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：-【例子】
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() # 高为 10 重为 5 # 高为 20 重为 10 # 高为 10 重为 5 # 高为 30 重为 15 __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)。【例子】
print(divmod(7, 2)) # (3, 1) print(divmod(8, 2)) # (4, 0) __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：|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。
【例子】
class Nint(int): def __radd__(self, other): return int.__sub__(other, self) # 注意 self 在后面 a = Nint(5) b = Nint(3) print(a + b) # 8 print(1 + b) # -2【例子】
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。【例子】
class MyDecriptor: def __get__(self, instance, owner): print('__get__', self, instance, owner) def __set__(self, instance, value): print('__set__', self, instance, value) def __delete__(self, instance): print('__delete__', self, instance) class Test: x = MyDecriptor() t = Test() t.x # __get__ <__main__.MyDecriptor object at 0x000000CEAAEB6B00> <__main__.Test object at 0x000000CEABDC0898> <class '__main__.Test'> t.x = 'x-man' # __set__ <__main__.MyDecriptor object at 0x00000023687C6B00> <__main__.Test object at 0x00000023696B0940> x-man del t.x # __delete__ <__main__.MyDecriptor object at 0x000000EC9B160A90> <__main__.Test object at 0x000000EC9B160B38>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}【例子】
string = 'lsgogroup' for c in string: print(c) ''' l s g o g r o u p ''' for c in iter(string): print(c) links = {'B': '百度', 'A': '阿里', 'T': '腾讯'} for each in links: print('%s -> %s' % (each, links[each])) ''' B -> 百度 A -> 阿里 T -> 腾讯 ''' for each in iter(links): print('%s -> %s' % (each, links[each])) ''' B -> 百度 A -> 阿里 T -> 腾讯 B -> 百度 A -> 阿里 T -> 腾讯 ''' 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。【例子】
inks = {'B': '百度', 'A': '阿里', 'T': '腾讯'} it = iter(links) while True: try: each = next(it) except StopIteration: break print(each) # B # A # T it = iter(links) print(next(it)) # B print(next(it)) # A print(next(it)) # T print(next(it)) # StopIteration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。【例子】
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【例子】
def myGen(): print('生成器执行！') yield 1 yield 2 myG = myGen() for each in myG: print(each) ''' 生成器执行！ 1 2 ''' myG = myGen() print(next(myG)) # 生成器执行！ # 1 print(next(myG)) # 2 print(next(myG)) # StopIteration【例子】用生成器实现斐波那契数列。
def libs(n): a = 0 b = 1 while True: a, b = b, a + b if a > n: return yield a for each in libs(100): print(each, end=' ') # 1 1 2 3 5 8 13 21 34 55 89