就我个人在学习Python的过程中，经常会出现学习了新方法后，如果隔上几天不用，就忘了的情况，或者刚学习的更好的方法没有得到应用，还是沿用已有的方法，这样很不利于学习和掌握新姿势，从而拉长学习时间，增加学习成本。
为此，我觉得有必要把各种方法或者技巧的用处和其典型例子记录下来，方便在空闲时间翻阅，并在实操上合理应用，对提高掌握新姿势的效率会很有好处。
注意：以下基于Python3
基础篇
一、数据类型
1.list中增加元素，追加元素到末尾：list.append(‘元素’)、插入到指定的位置：list.insert(‘索引号’，‘元素’)；删除末尾的元素：list.pop、删除指定位置的元素：list.pop（‘索引号’）
2.input()返回的数据类型是str
3.迭代/循环：for x in ... 把每个元素代入变量x，然后执行缩进块的语句
4.dict中避免key不存在的错误2种方法，1、通过in判断key是否存在：'Jia' in dict 返回Ture或False 2、通过dict提供的get()方法：dict.get('Yannan')；删除元素：dict.pop(key)
5.set：和dict类似，也是一组key的集合，但不存储value。由于key不能重复，所以，在set中，没有重复的key。要创建一个set，需要提供一个list作为输入集合：s = set([1,2,3]).
添加元素：s.add(key) 删除元素：s.remove(key)。set可以看成数学意义上的无序和无重复元素的集合，因此，两个set可以做数学意义上的交集、并集等操作：交集& 并集 |
6.列表倒序方法：list = [3,5,4] list.sort() >>[3,4,5]
7.字符串的元素替代方法：s = 'abc' s.replace('a','A') >>'Abc' 谨记变量s仍是'abc' 原因是replace方法创建了一个新的字符串'Abc'
二、函数
1.函数名其实就是指向一个函数对象的引用，完全可以把函数名赋给一个变量，相当于给这个函数起了一个“别名”：ads(-100) >>100 a = abs a(-67) >>67
2.空函数
def nop():
pass
pass语句什么都不做，那有什么用？实际上pass可以用来作为占位符，比如现在还没想好怎么写函数的代码，就可以先放一个pass，让代码能运行起来。
pass还可以用在其他语句里，比如：
if age >=18:
pass
缺少了pass，代码运行就会有语法错误。
3.函数可以同时返回多个值，但其实就是一个tuple
4.函数执行完毕也没有return语句时，自动return None
5.如果有必要，可以先对参数的数据类型做检查
6.除了正常定义的必选参数外，还可以使用默认参数、可变参数、关键字参数和命名关键字参数，使得函数定义出来的接口，不但能处理复杂的参数，还可以简化调用者的代码
7.计算x的n次方的方法，使用while循环
def power(x, n):
s = 1
while n > 0:
n = n - 1
s = s * x
return s
8.可变参数 计算a2 + b2 + c2 + ……
def calc(*numbers):
sum = 0
for n in numbers:
sum = sum + n * n
return sum
9.关键字参数
可变参数允许你传入0个或任意个参数，这些可变参数在函数调用时自动组装为一个tuple。而关键字参数允许你传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict
def person(name, age, **kw):
print('name:', name, 'age:', age, 'other:', kw)
关键字参数有什么用？它可以扩展函数的功能。比如，在person函数里，我们保证能接收到name和age这两个参数，但是，如果调用者愿意提供更多的参数，我们也能收到。试想你正在做一个用户注册的功能，除了用户名和年龄是必填项外，其他都是可选项，利用关键字参数来定义这个函数就能满足注册的需求。
10.命名关键字参数 命名的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。
def person(name, age, *, city, job):
print(name, age, city, job)
和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符*，*后面的参数被视为命名关键字参数
11.递归函数 计算阶乘n!
def fact(n):
if n==1:
return 1
return n * fact(n - 1)
递归函数的优点是定义简单，逻辑清晰。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。缺点是过深的调用会导致栈溢出。
12.切片
L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素。
L = list(range(10)) >>L[:9:2] >>[0, 2, 4, 6, 8] 第三个数字是步长
13.迭代
在Python中，迭代是通过for ... in来完成的
迭代dict中的key、value、key和value：for key in dict、for value in d.values()、for k,v in d.items()
如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：
>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str 是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list 是否可迭代
True
>>> isinstance(123, Iterable) # 整数 是否可迭代
False
14.列表生成式
>>> [x * x for x in range(1, 11) if x % 2 == 0] [4, 16, 36, 64, 100]
还可以使用两层循环，可以生成全排列：
>>> [m + n for m in 'ABC' for n in 'XYZ'] ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现：
>>> import os # 导入os模块
>>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
打印dict中的 key=value，并输出一个列表：
>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
把一个list中所有的字符串变成小写：
>>> L = ['Hello', 'World', 'IBM', 'Apple'] >>> [s.lower() for s in L] ['hello', 'world', 'ibm', 'apple']
15.生成器
g = (x * x for x in range(10))
>>> next(g) 0 >>> next(g) 1
generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n)
所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
16.迭代器
生成器都是Iterator对象，但list、dict、str虽然是Iterable（可迭代对象），却不是Iterator（迭代器）。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。