Python基础
Python基础01 Hello World!
print ("hello world")
name="sky"
print (name)
print (name,type(name))
type(): 查询数据类型print 默认输出是换行的，如果要实现不换行需要在变量末尾加上 end=""：
输入 input()
language = input("请输入数字：")
注释
多行注释可以用多个 # 号，还有 ''' 和 """：
多行语句
Python 通常是一行写完一条语句，但如果语句很长，我们可以使用反斜杠 来实现多行语句，例如：
total =( 'item_one +\
item_two +\
item_three')
print (total)在 [], {}, 或 () 中的多行语句，不需要使用反斜杠 ，
同一行显示多条语句
Python 可以在同一行中使用多条语句，语句之间使用分号 ; 分割，以下是一个简单的实例：
import sys; x = 'runoob'; sys.stdout.write(x + 'n')
总结
命令行模式: 运行Python，在命令行输入命令并执行。
程序模式: 写一段Python程序并运行。
Python基础02 基本数据类型
变量不需要声明
>>>a = 10
回收变量名
如果你想让a存储不同的数据，你不需要删除原有变量就可以直接赋值。
基本数据类型
=10 # int 整数
a=1.3 # float 浮点数
a=True # 真值 (True/False)
a='Hello!' # 字符串。字符串也可以用双引号。
字符串(String)
-----------
- Python 中单引号 ' 和双引号 " 使用完全相同。
- 使用三引号(''' 或 """)可以指定一个多行字符串。
- 转义符 \。
- 反斜杠可以用来转义，使用 r 可以让反斜杠不发生转义。 如 **r"this is a line with \n"** 则 \n 会显示，并不是换行。
- 按字面意义级联字符串，如 **"this " "is " "string"** 会被自动转换为 **this is string**。
- 字符串可以用 + 运算符连接在一起，用 * 运算符重复。
- Python 中的字符串有两种索引方式，从左往右以 0 开始，从右往左以 -1 开始。
- Python 中的字符串不能改变。
- Python 没有单独的字符类型，一个字符就是长度为 1 的字符串。
- 字符串的截取的语法格式如下：变量[头下标:尾下标:步长]标准数据类型
Python3 中常见的数据类型有：
Number（数字）
String（字符串）
bool（布尔类型）
List（列表）
Tuple（元组）
Set（集合）
Dictionary（字典）
Python3 的六个标准数据类型中：
不可变数据（3 个）：Number（数字）、String（字符串）、Tuple（元组）；
可变数据（3 个）：List（列表）、Dictionary（字典）、Set（集合）。总结
变量不需要声明，不需要删除，可以直接回收适用。
type(): 查询数据类型
整数，浮点数，真值，字符串
Python基础03 序列
sequence 序列
序列有两种：tuple（定值表； 也有翻译为元组） 和 list (表)
s1 = (2, 1.3, 'love', 5.6, 9, 12, False) # s1是一个tuple
s2 = [True, 5, 'smile'] # s2是一个list
print(s1,type(s1))
print(s2,type(s2))
tuple和list的主要区别在于，一旦建立，tuple的各个元素不可再变更，而list的各个元素可以再变更。
一个序列作为另一个序列的元素
s3 = [1,[3,4,5]]
### 元素的引用
序列元素的下标从0开始：
print(s1[0])
print(s2[2])
print(s3[1][2])
由于list的元素可变更，你可以对list的某个元素赋值：
s2[1] = 3.0
print(s2)其他引用方式
范围引用： 基本样式[下限:上限:步长]
print(s1[:5]) # 从开始到下标4 （下标5的元素 不包括在内）
print(s1[2:]) # 从下标2到最后
print(s1[0:5:2]) # 从下标0到下标4 (下标5不包括在内)，每隔2取一个元素 （下标为0，2，4的元素）
print(s1[2:0:-1]) # 从下标2到下标1从上面可以看到，在范围引用的时候，如果写明上限，那么这个上限本身不包括在内。
list = [ 'abcd', 786 , 2.23, 'runoob', 70.2 ]
tinylist = [123, 'runoob']
print (list) # 输出完整列表
print (list[0]) # 输出列表第一个元素
print (list[1:3]) # 从第二个开始输出到第三个元素
print (list[2:]) # 输出从第三个元素开始的所有元素
print (tinylist * 2) # 输出两次列表
print (list + tinylist) # 连接列表Python基础04 运算
数学运算
>>>print (1+9) # 加法
>>>print 1.3-4 # 减法
>>>print 3*5 # 乘法
>>>print 4.5/1.5 # 除法
>>>print 3**2 # 乘方
>>>print (10%3) # 求余数判断
判断是真还是假，返回True/False
>>>print (5==6) # =， 相等
>>>print 8.0!=8.0 # !=, 不等
>>>print 3<3, 3<=3 # <, 小于; <=, 小于等于
>>>print 4>5, 4>=0 # >, 大于; >=, 大于等于
>>>print 5 in [1,3,5] # 5是list [1,3,5]的一个元素
（还有is, is not等, 暂时不深入）逻辑运算
True/False之间的运算
>>>print True and True, True and False # and, "与"运算， 两者都为真才是真
>>>print True or False # or, "或"运算， 其中之一为真即为真
>>>print not True # not, "非"运算， 取反
可以和上一部分结合做一些练习，比如：
>>>print 5==6 or 3>=3总结
数学 +, -, *, /, **, %
判断 ==, !=, >, >=, <, <=, in
逻辑 and, or, notPython基础05 缩进和选择
在Python中，同样的目的，这段话是这样的
if i > 0:
x = 1
y = 2
在Python中， 去掉了i > 0周围的括号，去除了每个语句句尾的分号，表示块的花括号也消失了。
多出来了if ...之后的:(冒号), 还有就是x = 1 和 y =2前面有四个空格的缩进。通过缩进，Python识别出这两个语句是隶属于if。
Python这样设计的理由纯粹是为了程序好看。if语句
写一个完整的程序，命名为ifDemo.py。这个程序用于实现if结构。
i = 1
x = 1
if i > 0:
x = x+1
print xif ...elif...else...
i = 1
if i > 0:
print ('positive i')
i = i + 1
elif i == 0:
print ('i is 0')
i = i * 10
else:
print ('negative i')
i = i - 1
print ('new i:',i)i这里有三个块，分别属于if, elif, else引领。
Python检测条件，如果发现if的条件为假，那么跳过后面紧跟的块，检测下一个elif的条件； 如果还是假，那么执行else块。
通过上面的结构将程序分出三个分支。程序根据条件，只执行三个分支中的一个。
if结构的嵌套
i = 5
if i > 1:
print ('i bigger than 1')
print ('good')
if i > 2:
print ('i bigger than 2')
print ('even better')if i > 2 后面的块相对于该if缩进了四个空格，以表明其隶属于该if，而不是外层的if。
总结
if语句之后的冒号
以四个空格的缩进来表示隶属关系, Python中不能随意缩进
if <条件1>:
statement
elif <条件2>:
statement
elif <条件3>：
statement
else:
statementPython基础06 循环
for循环
for循环需要预先设定好循环的次数(n)，然后执行隶属于for的语句n次。
基本构造是
for 元素 in 序列:
statement
举例来说，我们编辑一个叫forDemo.py的文件
for a in [3,4.4,'life']:
print (a)这个循环就是每次从表[3,4.4,'life'] 中取出一个元素（回忆：表是一种序列），然后将这个元素赋值给a，之后执行隶属于for的操作(print)。
介绍一个新的Python函数range()，来帮助你建立表
这个函数的功能是新建一个表。这个表的元素都是整数，从0开始，下一个元素比前一个大1， 直到函数中所写的上限 （不包括该上限本身）
for a in range(10):
print (a**2) ##0-9的平方while循环
while的用法是
while 条件:
statement
while会不停地循环执行隶属于它的语句，直到条件为假(False)
举例
i=0
while i < 10:
print (i)
i = i + 1中断循环
continue # 在循环的某一次执行中，如果遇到continue, 那么跳过这一次执行，进行下一次的操作
break # 停止执行整个循环for i in range(10):
if i == 2:
continue
print (i)
### i是2的话跳过print当循环执行到i = 2的时候，if条件成立，触发continue, 跳过本次执行(不执行print)，继续进行下一次执行(i = 3)。
for i in range(10):
if i == 2:
break
print (i)当循环执行到i = 2的时候，if条件成立，触发break, 整个循环停止。
总结
range()
for 元素 in 序列:
while 条件:
continue
breakPython基础07 函数
函数最重要的目的是方便我们重复使用相同的一段程序。
将一些操作隶属于一个函数，以后你想实现相同的操作的时候，只用调用函数名就可以，而不需要重复敲所有的语句。
函数的定义
首先，我们要定义一个函数, 以说明这个函数的功能。
def square_sum(a,b):
c = a**2 + b**2
return c
这个函数的功能是求两个数的平方和。
首先，def，这个关键字通知python：我在定义一个函数。square_sum是函数名。
括号中的a, b是函数的参数，是对函数的输入。参数可以有多个，也可以完全没有（但括号要保留）。
我们已经在循环和选择中见过冒号和缩进来表示的隶属关系。
c = a**2 + b**2 # 这一句是函数内部进行的运算
return c # 返回c的值，也就是输出的功能。Python的函数允许不返回值，也就是不用return。
return可以返回多个值，以逗号分隔。相当于返回一个tuple(定值表)。
return a,b,c # 相当于 return (a,b,c)在Python中，当程序执行到return的时候，程序将停止执行函数内余下的语句。return并不是必须的，当没有return, 或者return后面没有返回值时，函数将自动返回None。None是Python中的一个特别的数据类型，用来表示什么都没有，相当于C中的NULL。None多用于关键字参数传递的默认值。
函数调用和参数传递
定义过函数后，就可以在后面程序中使用这一函数
print (square_sum(3,4))
Python通过位置，知道3对应的是函数定义中的第一个参数a， 4对应第二个参数b，然后把参数传递给函数square_sum。
（Python有丰富的参数传递方式，还有关键字传递、表传递、字典传递等，基础教程将只涉及位置传递）
函数经过运算，返回值25, 这个25被print打印出来。
a= 1
def change_integer(a):
a = a + 1
return a
print (change_integer(a))
print (a)
###结果 2 1
b = [1,2,3]
def change_list(b):
b[0] = b[0] + 1
return b
print (change_list(b))
print (b)结果：
[2, 2, 3]
[2, 2, 3]
第一个例子，我们将一个整数变量传递给函数，函数对它进行操作，但原整数变量a不发生变化。
第二个例子，我们将一个表传递给函数，函数进行操作，原来的表b发生变化。
对于基本数据类型的变量，变量传递给函数后，函数会在内存中复制一个新的变量，从而不影响原来的变量。（我们称此为值传递）
但是对于表来说，表传递给函数的是一个指针，指针指向序列在内存中的位置，在函数中对表的操作将在原有内存中进行，从而影响原有变量。 （我们称此为指针传递）
总结
def function_name(a,b,c):
statement
return something # return不是必须的函数的目的： 提高程序的重复可用性。
return None
通过位置，传递参数。
基本数据类型的参数：值传递
表作为参数：指针传递
Python基础08 面向对象的基本概念
Python使用类(class)和对象(object)，进行面向对象（object-oriented programming，简称OOP）的编程。
面向对象的最主要目的是提高程序的重复使用性。我们这么早切入面向对象编程的原因是，Python的整个概念是基于对象的。了解OOP是进一步学习Python的关键。
下面是对面向对象的一种理解，基于分类。
相近对象，归为类
在人类认知中，会根据属性相近把东西归类，并且给类别命名。比如说，鸟类的共同属性是有羽毛，通过产卵生育后代。任何一只特别的鸟都在鸟类的原型基础上的。
面向对象就是模拟了以上人类认知过程。在Python语言，为了听起来酷，我们把上面说的“东西”称为对象（object）。
先定义鸟类
class Bird(object):
have_feather = True
way_of_reproduction = 'egg'我们定义了一个类别（class），就是鸟（Bird）。在隶属于这个类比的语句块中，我们定义了两个变量，一个是有羽毛（have_feather），一个是生殖方式（way_of_reproduction）,这两个变量对应我们刚才说的属性（attribute）。我们暂时先不说明括号以及其中的内容，记为问题1。
假设我养了一只小鸡，叫summer。它是个对象，且属于鸟类。使用前面定义的类：
summer = Bird() print summer.way_of_reproduction
通过第一句创建对象，并说明summer是类别鸟中的一个对象，summer就有了鸟的类属性，对属性的引用是通过 对象.属性（object.attribute） 的形式实现的。
动作
日常认知中，我们在通过属性识别类别的时候，有时根据这个东西能做什么事情来区分类别。比如说，鸟会移动。这样，鸟就和房屋的类别区分开了。这些动作会带来一定的结果，比如移动导致位置的变化。
这样的一些"行为"属性为方法（method）。Python中通过在类的内部定义函数，来说明方法。
class Bird(object):
have_feather = True
way_of_reproduction = 'egg'
def move(self, dx, dy):
position = [0,0]
position[0] = position[0] + dx
position[1] = position[1] + dy
return position
summer = Bird()
print 'after move:',summer.move(5,8)我们重新定义了鸟这个类别。鸟新增一个方法属性，就是表示移动的方法move。（我承认这个方法很傻，你可以在看过下一讲之后定义个有趣些的方法）
（它的参数中有一个self，它是为了方便我们引用对象自身。方法的第一个参数必须是self，无论是否用到。有关self的内容会在下一讲展开）
另外两个参数，dx, dy表示在x、y两个方向移动的距离。move方法会最终返回运算过的position。
在最后调用move方法的时候，我们只传递了dx和dy两个参数，不需要传递self参数（因为self只是为了内部使用）。
子类
类别本身还可以进一步细分成子类
比如说，鸟类可以进一步分成鸡，大雁，黄鹂。
在OOP中，我们通过继承(inheritance)来表达上述概念。
class Chicken(Bird):
way_of_move = 'walk'
possible_in_KFC = True
class Oriole(Bird):
way_of_move = 'fly'
possible_in_KFC = False
summer = Chicken()
print summer.have_feather
print summer.move(5,8)新定义的鸡（Chicken）类的，增加了两个属性：移动方式（way_of_move），可能在KFC找到（possible_in_KFC）
在类定义时，括号里为了Bird。这说明，Chicken是属于鸟类（Bird）的一个子类，即Chicken继承自Bird。自然而然，Bird就是Chicken的父类。Chicken将享有Bird的所有属性。尽管我只声明了summer是鸡类，它通过继承享有了父类的属性（无论是变量属性have_feather还是方法属性move）
新定义的黄鹂(Oriole)类，同样继承自鸟类。在创建一个黄鹂对象时，该对象自动拥有鸟类的属性。
通过继承制度，我们可以减少程序中的重复信息和重复语句。如果我们分别定义两个类，而不继承自鸟类，就必须把鸟类的属性分别输入到鸡类和黄鹂类的定义中。整个过程会变得繁琐，因此，面向对象提高了程序的可重复使用性。
（回到问题1, 括号中的object，当括号中为object时，说明这个类没有父类（到头了））
将各种各样的东西分类，从而了解世界，从人类祖先开始，我们就在练习了这个认知过程，面向对象是符合人类思维习惯的。所谓面向过程，也就是执行完一个语句再执行下一个，更多的是机器思维。通过面向对象的编程，我们可以更方便的表达思维中的复杂想法。
总结
将东西根据属性归类 ( 将object归为class )
方法是一种属性，表示动作
用继承来说明父类-子类关系。子类自动具有父类的所有属性。
self代表了根据类定义而创建的对象。
建立对一个对象： 对象名 = 类名()
引用对象的属性： object.attribute
Python基础09 面向对象的进一步拓展
调用类的其它信息
上一讲中提到，在定义方法时，必须有self这一参数。这个参数表示某个对象。对象拥有类的所有性质，那么我们可以通过self，调用类属性。
class Human(object):
laugh = 'hello'
def show_laugh(self):
print (self.laugh)
def laugh_100th(self):
for i in range(10):
self.show_laugh()
li_lei = Human()
print(li_lei.laugh_100th())这里有一个类属性laugh。在方法show_laugh()中，通过self.laugh，调用了该属性的值。
还可以用相同的方式调用其它方法。方法show_laugh()，在方法laugh_100th中()被调用。
通过对象可以修改类属性值。但这是危险的。类属性被所有同一类及其子类的对象共享。类属性值的改变会影响所有的对象。
__init__()方法
__init__()是一个特殊方法(special method)。Python有一些特殊方法。Python会特殊的对待它们。特殊方法的特点是名字前后有两个下划线。
如果你在类中定义了__init__()这个方法，创建对象时，Python会自动调用这个方法。这个过程也叫初始化。
class happyBird(Bird):
def __init__(self,more_words):
print ('We are happy birds.',more_words)
summer = happyBird('Happy,Happy!')屏幕上打印：
We are happy birds.Happy,Happy!
我们看到，尽管我们只是创建了summer对象，但__init__()方法被自动调用了。最后一行的语句(summer = happyBird...)先创建了对象，然后执行：
Summer.__init__(more_words)
'Happy,Happy!' 被传递给了__init__()的参数more_words
对象的性质
我们讲到了许多属性，但这些属性是类的属性。所有属于该类的对象会共享这些属性。比如说，鸟都有羽毛，鸡都不会飞。
在一些情况下，我们定义对象的性质，用于记录该对象的特别信息。比如说，人这个类。性别是某个人的一个性质，不是所有的人类都是男，或者都是女。这个性质的值随着对象的不同而不同。李雷是人类的一个对象，性别是男；韩美美也是人类的一个对象，性别是女。
当定义类的方法时，必须要传递一个self的参数。这个参数指代的就是类的一个对象。我们可以通过操纵self，来修改某个对象的性质。比如用类来新建一个对象，即下面例子中的li_lei, 那么li_lei就被self表示。我们通过赋值给self.attribute，给li_lei这一对象增加一些性质，比如说性别的男女。self会传递给各个方法。在方法内部，可以通过引用self.attribute，查询或修改对象的性质。
这样，在类属性的之外，又给每个对象增添了各自特色的性质，从而能描述多样的世界。
class Human(object):
def __init__(self, input_gender):
self.gender = input_gender
def printGender(self):
print (self.gender)
li_lei = Human('male') # 这里，'male'作为参数传递给__init__()方法的input_gender变量。
print (li_lei.gender)
li_lei.printGender()在初始化中，将参数input_gender，赋值给对象的性质，即self.gender。
li_lei拥有了对象性质gender。gender不是一个类属性。Python在建立了li_lei这一对象之后，使用li_lei.gender这一对象性质，专门储存属于对象li_lei的特有信息。
对象的性质也可以被其它方法调用，调用方法与类属性的调用相似，正如在printGender()方法中的调用。
总结
通过self调用类属性
__init__(): 在建立对象时自动执行
类属性和对象的性质的区别
Python基础10 反过头来看看
需要先要介绍两个内置函数，dir()和help()
dir()用来查询一个类或者对象所有属性。你可以尝试一下
print dir(list)
help()用来查询的说明文档。你可以尝试一下
print help(list)
(list是Python内置的一个类，对应于我们之前讲解过的列表)
list是一个类
在上面以及看到，表是Python已经定义好的一个类。当我们新建一个表时，比如：
nl = [1,2,5,3,5]
实际上，nl是类list的一个对象。
实验一些list的方法：
>>>print (nl.count(5)) # 计数，看总共有多少个5
>>>print (nl.index(3)) # 查询 nl 的第一个3的下标
>>>nl.append(6) # 在 nl 的最后增添一个新元素6
>>>nl.sort() # 对nl的元素排序
>>>print nl.pop() # 从nl中去除最后一个元素，并将该元素返回。
>>>nl.remove(2) # 从nl中去除第一个2
>>>nl.insert(0,9) # 在下标为0的位置插入9总之，list是一个类。每个列表都属于该类。
Python补充中有list常用方法的附录。
运算符是特殊方法
使用dir(list)的时候，能看到一个属性，是__add__()。从形式上看是特殊方法（下划线，下划线）。它特殊在哪呢？
这个方法定义了"+"运算符对于list对象的意义，两个list的对象相加时，会进行的操作。
>>>print [1,2,3] + [5,6,9]
#[1, 2, 3, 5, 6, 9]运算符，比如+, -, >, <, 以及下标引用[start:end]等等，从根本上都是定义在类内部的方法。
def __sub__(self, b):
a = self[:] # 这里，self是supeList的对象。由于superList继承于list，它可以利用和list[:]相同的引用方法来表示整个对象。
b = b[:]
while len(b) > 0:
element_b = b.pop()
if element_b in a:
a.remove(element_b)
return a
print (superList([1,2,3,4,6]) - superList([1,5,3,4]))
#[2, 6]内置函数len()用来返回list所包含的元素的总数。内置函数__sub__()定义了"-"的操作：从第一个表中去掉第二个表中出现的元素。如果__sub__()已经在父类中定义，你又在子类中定义了，那么子类的对象会参考子类的定义，而不会载入父类的定义。任何其他的属性也是这样。
（教程最后也会给出一个特殊方法的清单）
Python的强大很大一部分原因在于，它提供有很多已经写好的，可以现成用的对象。
总结
len() dir() help()
数据结构list(列表)是一个类。
运算符是方法
Python进阶01 词典
之前我们说了，列表是Python里的一个类。一个特定的表，比如说nl = [1,3,8]，就是这个类的一个对象。我们可以调用这个对象的一些方法，比如 nl.append(15)。
我们要介绍一个新的类，词典 (dictionary)。与列表相似，词典也可以储存多个元素。这种储存多个元素的对象称为容器(container)。
基本概念
常见的创建词典的方法:
>>>dic = {'tom':11, 'sam':57,'lily':100}
>>>print type(dic)词典和表类似的地方，是包含有多个元素，每个元素以逗号分隔。但词典的元素包含有两部分，键和值，常见的是以字符串来表示键，也可以使用数字或者真值来表示键（不可变的对象可以作为键）。值可以是任意对象。键和值两者一一对应。
比如上面的例子中，'tom'对应11，'sam对应57，'lily'对应100
与表不同的是，词典的元素没有顺序。你不能通过下标引用元素。词典是通过键来引用。
>>>print dic['tom']
>>>dic['tom'] = 30
>>>print dic构建一个新的空的词典：
>>>dic = {}
>>>print dic在词典中增添一个新元素的方法：
>>>dic['lilei'] = 99
>>>print dic这里，我们引用一个新的键，并赋予它对应的值。
词典元素的循环调用
dic = {'lilei': 90, 'lily': 100, 'sam': 57, 'tom': 90}
for key in dic:
print dic[key]
# 结果 90 100 57 90在循环中，dict的每个键，被提取出来，赋予给key变量。
通过print的结果，我们可以再次确认，dic中的元素是没有顺序的。
词典的常用方法
>>>print dic.keys() # 返回dic所有的键
>>>print dic.values() # 返回dic所有的值
>>>print dic.items() # 返回dic所有的元素（键值对）
>>>dic.clear() # 清空dic，dict变为{}另外有一个很常用的用法：
del dic['tom'] # 删除 dic 的‘tom’元素
del是Python中保留的关键字，用于删除对象。与表类似，你可以用len()查询词典中的元素总数。
print(len(dic))总结
词典的每个元素是键值对。元素没有顺序。
dic = {'tom':11, 'sam':57,'lily':100}
dic['tom'] = 99
for key in dic: ...
del, len()Python进阶02 文本文件的输入输出
Python具有基本的文本文件读写功能。Python的标准库提供有更丰富的读写功能。
文本文件的读写主要通过open()所构建的文件对象来实现
创建文件对象
我们打开一个文件，并使用一个对象来表示该文件：
f = open(文件名，模式)
最常用的模式有：
"r" # 只读
“w” # 写入
比如
>>>f = open("test.txt","r")文件对象的方法
读取：只能是r权限，下面命令才有用
content = f.read(N) # 读取N bytes的数据
content = f.readline() # 读取一行
content = f.readlines() # 读取所有行，储存在列表中，每个元素是一行。
写入：
f.write('I like apple') # 将'I like apple'写入文件
关闭文件：
f.close()练习
建立一个test.txt的文档，写入内容如下:
tom, 12, 86
Lee, 15, 99
Lucy, 11, 58
Joseph, 19, 56
再从test.txt中读取文件并打印。
f = open("test.txt","w")
f.write('tom, 12,86\n')
f.write('Lee,15,99\n')
f.write('Lucy,11,8\n')
f.write('Joseph,19,56')
f = open("test.txt","r")
for i in range(4):
context= f.readline()
print(context)总结
f = open(name, "r")
line = f.readline()
f.write('abc')
f.close()Python进阶03 模块
我们之前看到了函数和对象。从本质上来说，它们都是为了更好的组织已经有的程序，以方便重复利用。
模块(module)也是为了同样的目的。在Python中，一个.py文件就构成一个模块。通过模块，你可以调用其它文件中的程序。
引入模块
我们先写一个first.py文件，内容如下：
def laugh(): print 'HaHaHaHa'再写一个second.py，并引入first中的程序：
import first for i in range(10):
first.laugh()在second.py中，我们使用了first.py中定义的laugh()函数。
引入模块后，可以通过模块.对象的方式来调用引入模块中的某个对象。上面例子中，first为引入的模块，laugh()是我们所引入的对象。
Python中还有其它的引入方式,
import a as b # 引入模块a，并将模块a重命名为b
from a import function1 # 从模块a中引入function1对象。调用a中对象时，我们不用再说明模块，即直接使用function1，而不是a.function1。
from a import * # 从模块a中引入所有对象。调用a中对象时，我们不用再说明模块，即直接使用对象，而不是a.对象。这些引用方式，可以方便后面的程序书写。
搜索路径
Python会在以下路径中搜索它想要寻找的模块：
- 程序所在的文件夹
- 标准库的安装路径
- 操作系统环境变量PYTHONPATH所包含的路径
如果你有自定义的模块，或者下载的模块，可以根据情况放在相应的路径，以便Python可以找到。
模块包
可以将功能相似的模块放在同一个文件夹（比如说this_dir）中，构成一个模块包。通过
import this_dir.module
引入this_dir文件夹中的module模块。
该文件夹中必须包含一个__init__.py的文件，提醒Python，该文件夹为一个模块包。__init__.py可以是一个空文件。
总结
import module
module.object
__init__.pyPython进阶04 函数的参数对应
关键字传递
有些情况下，用位置传递会感觉比较死板。关键字(keyword)传递是根据每个参数的名字传递参数。关键字并不用遵守位置的对应关系。依然沿用上面f的定义，更改调用方式：
print(f(c=3,b=2,a=1))
关键字传递可以和位置传递混用。但位置参数要出现在关键字参数之前：
print(f(1,c=3,b=2))
参数默认值
在定义函数的时候，使用形如a=19的方式，可以给参数赋予默认值(default)。如果该参数最终没有被传递值，将使用该默认值。
def f(a,b,c=10):
return a+b+c
print(f(3,2))
print(f(3,2,1))在第一次调用函数f时， 我们并没有足够的值，c没有被赋值，c将使用默认值10.
第二次调用函数的时候，c被赋值为1，不再使用默认值。
包裹传递
在定义函数时，我们有时候并不知道调用的时候会传递多少个参数。这时候，包裹(packing)位置参数，或者包裹关键字参数，来进行参数传递，会非常有用。
下面是包裹位置传递的例子：
def func(*name):
print (type(name))
print (name)
func(1,2,3)
func(3,4,5,2,1)两次调用，尽管参数个数不同，都基于同一个func定义。在func的参数表中，所有的参数被name收集，根据位置合并成一个元组(tuple)，这就是包裹位置传递。
为了提醒Python参数，name是包裹位置传递所用的元组名，在定义func时，在name前加*号。
下面是包裹关键字传递的例子：
def func(**dict):
print (type(dict))
print (dict)
func(a=1,b=9)
func(m=2,n=1,c=11)与上面一个例子类似，dict是一个字典，收集所有的关键字，传递给函数func。为了提醒Python，参数dict是包裹关键字传递所用的字典，在dict前加**。
包裹传递的关键在于定义函数时，在相应元组或字典前加或*。
解包裹
和*，也可以在调用的时候使用，即解包裹(unpacking), 下面为例：
def func(a,b,c):
print (a,b,c)
args = (1,3,4)
func(*args)在这个例子中，所谓的解包裹，就是在传递tuple时，让tuple的每一个元素对应一个位置参数。在调用func时使用，是为了提醒Python：我想要把args拆成分散的三个元素，分别传递给a,b,c。（设想一下在调用func时，args前面没有会是什么后果？）
相应的，也存在对词典的解包裹，使用相同的func定义，然后：
dict = {'a':1,'b':2,'c':3}
func(**dict)
在传递词典dict时，让词典的每个键值对作为一个关键字传递给func。
混合
在定义或者调用参数时，参数的几种传递方式可以混合。但在过程中要小心前后顺序。基本原则是，先位置，再关键字，再包裹位置，再包裹关键字，并且根据上面所说的原理细细分辨。
注意：请注意定义时和调用时的区分。包裹和解包裹并不是相反操作，是两个相对独立的过程。
Python进阶05 循环设计
range()
在Python中，for循环后的in跟随一个序列的话，循环每次使用的序列元素，而不是序列的下标。
之前我们已经使用过range()来控制for循环。现在，我们继续开发range的功能，以实现下标对循环的控制：
S = 'abcdefghijk'
for i in range(0,len(S),2):
print (S[i])在该例子中，我们利用len()函数和range()函数，用i作为S序列的下标来控制循环。在range函数中，分别定义上限，下限和每次循环的步长。这就和C语言中的for循环相类似了。
enumerate()
利用enumerate()函数，可以在每次循环中同时得到下标和元素：
S = 'abcdefghijk'
for (index,char) in enumerate(S):
print (index)
print (char)实际上，enumerate()在每次循环中，返回的是一个包含两个元素的定值表(tuple)，两个元素分别赋予index和char
zip()
如果你多个等长的序列，然后想要每次循环时从各个序列分别取出一个元素，可以利用zip()方便地实现：
ta = [1,2,3]
tb = [9,8,7]
tc = ['a','b','c']
for (a,b,c) in zip(ta,tb,tc):
print(a,b,c)每次循环时，从各个序列分别从左到右取出一个元素，合并成一个tuple，然后tuple的元素赋予给a,b,c
zip()函数的功能，就是从多个列表中，依次各取出一个元素。每次取出的(来自不同列表的)元素合成一个元组，合并成的元组放入zip()返回的列表中。zip()函数起到了聚合列表的功能。
Python进阶06 循环对象
什么是循环对象
循环对象是这样一个对象，它包含有一个next()方法(__next__()方法，在python 3x中)， 这个方法的目的是进行到下一个结果，而在结束一系列结果之后，举出StopIteration错误。
当一个循环结构（比如for）调用循环对象时，它就会每次循环的时候调用next()方法，直到StopIteration出现，for循环接收到，就知道循环已经结束，停止调用next()。
假设我们有一个test.txt的文件:
1234
abcd
efg
我们运行一下python命令行：
f = open('test.txt')
f.__next__()
f.__next__()
f.__next__()
f.__next__()
不断输入f.__next__()，直到最后出现StopIteration
open()返回的实际上是一个循环对象，包含有next()方法。而该next()方法每次返回的就是新的一行的内容，到达文件结尾时举出StopIteration。这样，我们相当于手工进行了循环。
自动进行的话，就是：
for line in open('test.txt'):
print (line)
在这里，for结构自动调用next()方法，将该方法的返回值赋予给line。循环知道出现StopIteration的时候结束。
相对于序列，用循环对象的好处在于：不用在循环还没有开始的时候，就生成好要使用的元素。所使用的元素可以在循环过程中逐次生成。这样，节省了空间，提高了效率，编程更灵活。
迭代器
从技术上来说，循环对象和for循环调用之间还有一个中间层，就是要将循环对象转换成迭代器(iterator)。这一转换是通过使用iter()函数实现的。但从逻辑层面上，常常可以忽略这一层，所以循环对象和迭代器常常相互指代对方。
生成器
生成器(generator)的主要目的是构成一个用户自定义的循环对象。
生成器的编写方法和函数定义类似，只是在return的地方改为yield。生成器中可以有多个yield。当生成器遇到一个yield时，会暂停运行生成器，返回yield后面的值。当再次调用生成器的时候，会从刚才暂停的地方继续运行，直到下一个yield。生成器自身又构成一个循环器，每次循环使用一个yield返回的值。
下面是一个生成器:
def gen():
a = 100
yield a
a = a*8
yield a
yield 1000
#该生成器共有三个yield， 如果用作循环器时，会进行三次循环。
for i in gen():
print (i)再考虑如下一个生成器:
def gen():
for i in range(4):
yield i它又可以写成生成器表达式(Generator Expression):
G = (x for x in range(4))
for i in G:
print (i)生成器表达式是生成器的一种简便的编写方式。读者可进一步查阅。
表推导
表推导(list comprehension)是快速生成表的方法。它的语法简单，很有实用价值。
假设我们生成表L：
L = [] for x in range(10):
L.append(x**2)以上产生了表L，但实际上有快捷的写法，也就是表推导的方式:
L = [x**2 for x in range(10)]
这与生成器表达式类似，只不过用的是中括号。
（表推导的机制实际上是利用循环对象，有兴趣可以查阅。）
练习 下面的表推导会生成什么？
xl = [1,3,5]
yl = [9,12,13]
L = [ x**2 for (x,y) in zip(xl,yl) if y > 10]
结果：[9, 25]Python进阶07 函数对象
秉承着一切皆对象的理念，我们再次回头来看函数(function)。函数也是一个对象，具有属性（可以使用dir()查询）。作为对象，它还可以赋值给其它对象名，或者作为参数传递。
lambda函数
在展开之前，我们先提一下lambda函数。可以利用lambda函数的语法，定义函数。lambda例子如下：
func = lambda x,y: x + y
print (func(3,4))lambda生成一个函数对象。该函数参数为x,y，返回值为x+y。函数对象赋给func。func的调用与正常函数无异。
以上定义可以写成以下形式：
def func(x, y):
return x + y函数作为参数传递
函数可以作为一个对象，进行参数传递。函数名(比如func)即该对象。比如说:
def test(f, a, b): print 'test'
print f(a, b)
test(func, 3, 5)test函数的第一个参数f就是一个函数对象。将func传递给f，test中的f()就拥有了func()的功能。
我们因此可以提高程序的灵活性。可以使用上面的test函数，带入不同的函数参数。比如:
test((lambda x,y: x**2 + y), 6, 9)
map()函数
map()是Python的内置函数。它的第一个参数是一个函数对象。
re = map((lambda x: x+3),[1,3,5,6])
这里，map()有两个参数，一个是lambda所定义的函数对象，一个是包含有多个元素的表。map()的功能是将函数对象依次作用于表的每一个元素，每次作用的结果储存于返回的表re中。map通过读入的函数(这里是lambda函数)来操作数据（这里“数据”是表中的每一个元素，“操作”是对每个数据加3）。
在Python 3.X中，map()的返回值是一个循环对象。可以利用list()函数，将该循环对象转换成表。
如果作为参数的函数对象有多个参数，可使用下面的方式，向map()传递函数参数的多个参数：
re = map((lambda x,y: x+y),[1,2,3],[6,7,9])
map()将每次从两个表中分别取出一个元素，带入lambda所定义的函数。
filter()函数
filter函数的第一个参数也是一个函数对象。它也是将作为参数的函数对象作用于多个元素。如果函数对象返回的是True，则该次的元素被储存于返回的表中。filter通过读入的函数来筛选数据。同样，在Python 3.X中，filter返回的不是表，而是循环对象。
filter函数的使用如下例:
def func(a):
if a > 100:
return True
else:
return False
print filter(func,[10,56,101,500])reduce()函数
reduce函数的第一个参数也是函数，但有一个要求，就是这个函数自身能接收两个参数。reduce可以累进地将函数作用于各个参数。如下例：
print reduce((lambda x,y: x+y),[1,2,5,7,9])
reduce的第一个参数是lambda函数，它接收两个参数x,y, 返回x+y。
reduce将表中的前两个元素(1和2)传递给lambda函数，得到3。该返回值(3)将作为lambda函数的第一个参数，而表中的下一个元素(5)作为lambda函数的第二个参数，进行下一次的对lambda函数的调用，得到8。依次调用lambda函数，每次lambda函数的第一个参数是上一次运算结果，而第二个参数为表中的下一个元素，直到表中没有剩余元素。
上面例子，相当于(((1+2)+5)+7)+9
根据mmufhy的提醒： reduce()函数在3.0里面不能直接用的，它被定义在了functools包里面，需要引入包，见评论区。