⑴ python中下劃線是什麼意思
下劃線是一個匿名變數
⑵ python sort()用法
Python中的sort()方法用於數組排序，下面以實例形式對此加以詳細說明：
一、基本形式
列表有自己的sort方法，其對列表進行原址排序，既然是原址排序，那顯然元組不可能擁有這種方法，因為元組是不可修改的。
x=[4,6,2,1,7,9]x.sort()
printx#[1,2,4,6,7,9]
如果需要一個排序好的副本，同時保持原有列表不變，怎麼實現呢
x=[4,6,2,1,7,9]
y=x[:]
y.sort()
printy#[1,2,4,6,7,9]
printx#[4,6,2,1,7,9]
注意：y = x[:] 通過分片操作將列表x的元素全部拷貝給y，如果簡單的把x賦值給y：y = x，y和x還是指向同一個列表，並沒有產生新的副本。
另一種獲取已排序的列表副本的方法是使用sorted函數：
x=[4,6,2,1,7,9]
y=sorted(x)
printy#[1,2,4,6,7,9]
printx#[4,6,2,1,7,9]
sorted返回一個有序的副本，並且類型總是列表，如下：
printsorted('Python')#['P','h','n','o','t','y']二、自定義比較函數
可以定義自己的比較函數，然後通過參數傳遞給sort方法：
defcomp(x,y):
ifx<y:
return1
elifx>y:
return-1
else:
return0
nums=[3,2,8,0,1]
nums.sort(comp)
printnums#降序排序[8,3,2,1,0]
nums.sort(cmp)#調用內建函數cmp，升序排序
printnums#降序排序[0,1,2,3,8]
三、可選參數
sort方法還有兩個可選參數：key和reverse
1、key在使用時必須提供一個排序過程總調用的函數：
x=['mmm','mm','mm','m']
x.sort(key=len)
printx#['m','mm','mm','mmm']
2、reverse實現降序排序，需要提供一個布爾值：
y=[3,2,8,0,1]
y.sort(reverse=True)
printy#[8,3,2,1,0]
⑶ Python筆記：Python裝飾器
裝飾器是通過裝飾器函數修改原函數的一些功能而不需要修改原函數，在很多場景可以用到它，比如① 執行某個測試用例之前，判斷是否需要登錄或者執行某些特定操作；② 統計某個函數的執行時間；③ 判斷輸入合法性等。合理使用裝飾器可以極大地提高程序的可讀性以及運行效率。本文將介紹Python裝飾器的使用方法。
python裝飾器可以定義如下：
輸出：
python解釋器將test_decorator函數作為參數傳遞給my_decorator函數，並指向了內部函數 wrapper()，內部函數 wrapper() 又會調用原函數 test_decorator()，所以decorator()的執行會先列印'this is wrapper'，然後列印'hello world'， test_decorator()執行完成後，列印 'bye' ，*args和**kwargs，表示接受任意數量和類型的參數。
裝飾器 my_decorator() 把真正需要執行的函數 test_decorator() 包裹在其中，並且改變了它的行為，但是原函數 test_decorator() 不變。
一般使用如下形式使用裝飾器：
@my_decorator就相當於 decorator = my_decorator(test_decorator) 語句。
內置裝飾器@functools.wrap可用於保留原函數的元信息（將原函數的元信息，拷貝到對應的裝飾器函數里）。先來看看沒有使用functools的情況：
輸出：
從上面的輸出可以看出test_decorator() 函數被裝飾以後元信息被wrapper() 函數取代了，可以使用@functools.wrap裝飾器保留原函數的元信息：
輸出：
裝飾器可以接受自定義參數。比如定義一個參數來設置裝飾器內部函數的執行次數：
輸出：
Python 支持多個裝飾器嵌套：
裝飾的過程：
順序從里到外：
test_decorator('hello world') 執行順序和裝飾的過程相反。
輸出：
類也可以作為裝飾器，類裝飾器主要依賴__call__()方法，是python中所有能被調用的對象具有的內置方法（python魔術方法），每當調用一個類的實例時，__call__()就會被執行一次。
下面的類裝飾器實現統計函數執行次數：
輸出：
下面介紹兩種裝飾器使用場景
統計函數執行所花費的時間
輸出：
在使用某些web服務時，需要先判斷用戶是否登錄，如果沒有登錄就跳轉到登錄頁面或者提示用戶登錄：
--THE END--
⑷ Python 數據模型
Python 風格的關鍵完全體現在 Python 的數據模型上，數據模型所描述的 API ，為使用最地道的語言特性來構建開發者自己的對象提供了工具。
當 Python 解析器遇到特殊句法時，會使用特殊方法去激活一些基本的對象操作。特殊方法以雙下劃線開頭，以雙下劃線結尾。如： obj[key] 的背後就是 __getitem__ 方法。魔術方法是特殊方法的昵稱，特殊方法也叫雙下方法。
使用 __getitem__ 和 __len__ 創建一摞有序的紙牌：
上面的例子，使用 collections.namedtuple 構建了一個簡單的類來表示一張紙牌， namedtuple 用以構建只有少數屬性但沒有方法的類。
我們自定義的 FrenchDeck 類可以像任何 python 標准集合類型一樣使用 len() 函數，查看一疊牌有多少張：
也可以像列表一樣，使用位置索引， d[i] 將調用 __getitem__ 方法：
也可以使用標准庫模塊提供的 random.choice 方法，從序列中隨機選取一個元素。下面，我們如隨機取出一張紙牌：
現在我們已經體會到通過 python 特殊方法，來使用 Python 數據模型的 2 個好處：
因為 __getitem__ 方法把 [] 操作交給了 self.cards 列表，所以我們的 FrenchDeck 實例自動支持切片：
僅僅實現了 __getitem__ 方法，這一摞牌即變得可迭代：
運行結果：
也可以直接調用內置的 reversed 函數，反向迭代 FrenchDeck 實例：
運行結果：
迭代通常是隱式的，比如一個集合類型沒有實現 __contains__ 方法，那麼 in 運算符就會按順序做一次迭代搜索。
因此， in 運算符可以用在我們的 FrenchDeck 實例上，因為它是可迭代的：
FrenchDeck 還可以使用 Python 標准庫中的 sorted 函數，實現排序：
首先定義一個排序依據的函數：
優先按 rank 的大小排序，rank 相同時則比較 suit 的值：
運行結果：
優先按 suit 的大小排序，suit 相同時則比較 rank 的值：
運行結果：
按照目前的設計，FrenchDeck 還不支持洗牌，因為它是不可變的：
shuffle 函數要調換集合中元素的位置，而 FrenchDeck 只實現了不可變的序列協議，可變的序列還必須提供 __setitem__ 方法：
洗牌：
沒有任何的返回值，可見 random.shuffle 就地修改了可變序列 d 。為便於觀察結果，我們定義輸入的輸出函數：
運行結果：
每次洗牌，都是一個隨機的序列：
首先明確一點，特殊方法的存在是為了被 Python 解析器調用的，例如：我們不會使用 obj.__len__() 這種寫法，而是 len(obj) 。在執行 len(obj) 時，如果 obj 是一個自定義類的對象，那麼 Python 會自己去調用我們實現的 __len__ 方法。
對於 Python 內置的數據類型，比如列表、字元串、位元組序列等，那麼 CPython 會抄個近路， __len__ 實際上會返回 PyVarObject 里的 ob_size 屬性，這是因為直接讀取屬性比調用一個方法要快得多。
很多時候，特殊方法的調用是隱式的，比如 for i in x: 這個語句其實是調用 iter(x) ，而這個函數的背後是 x.__iter__() 方法。
通過內置函數如來使用特殊方法是最好的選擇。這些內置函數不僅會調用這些方法，通常還提供額外的好處，對於內置類型來說，它們的速度更快。
下面，我們通過定義一個簡單的二維向量類，再來體會一下 Python 特殊方法的美妙：
使用 Vector 類，就像使用 Python 內置的數據類型一樣簡單：
⑸ 如何獲取python編程基礎及應用實驗教程的實驗文件
在 Python 中創建一個類及其對象
在 Python 中創建一個空類
在 Python 中使用 Type 創建類
在 Python 中創建和調用類的方法
使用 __init__() 方法為數據屬性賦值
在 Python 中更新對象屬性
在 Python 中刪除對象屬性和對象
在 Python 中檢查和比較對象的類型
在Python中將對象的所有屬性復制到另一個對象
在 Python 中迭代對象屬性
在 Python 中列印對象的所有屬性
在python中在運行時創建類的數據屬性
在函數中將對象的實例作為參數傳遞
在 Python 中創建和使用自定義 Self 參數
使用self參數來維護對象的狀態
在 Python 中創建和使用靜態類變數
在 Python 中的一個函數上使用多個裝飾器
在 Python 中的方法中同時訪問 cls 和 self
從裝飾器訪問實例方法的類
使用給定的裝飾器獲取 Python 類的所有方法
裝飾一個 class
將類欄位作為參數傳遞給類方法上的裝飾器
在 Python 中創建多個傳入參數列表的類變數
Python 中的 wraps 裝飾器
使用可選參數構建裝飾器
在 Python 中將參數傳遞給裝飾器
@property 裝飾器
類和函數的裝飾器
Python 中帶參數和返回值的裝飾器
Python 使用參數 wraps 裝飾器
Python 裝飾器獲取類名
簡單裝飾器示例
在 Python 中使用 print() 列印類的實例
在 Python 中的類中將裝飾器定義為方法
獲取在 Python 中修飾的給定類的所有方法
帶參數和不帶參數的 Python 裝飾器
Python 中帶有 self 參數的類方法裝飾器
在 Python 中的另一個類中使用隱藏的裝飾器
裝飾器內部的 self 對象
在 Python 中將多個裝飾器應用於單個函數
Python 裝飾器獲取類實例
__init__ 和 __call__ 有什麼區別
在 Python 中使用 __new__ 和 __init__
Python 中的迭代重載方法
在 Python 中使用迭代器反轉字元串
Python 中 __reversed__ 魔術方法
Python 中的 __getitem__ 和 __setitem__
在 Python 中使用 __getattr__ 和 __setattr__ 進行屬性賦值
什麼是 __del__ 方法以及如何調用它
創建類的私有成員
一個 Python 封裝的例子
一個 Python 組合的例子
一個Python聚合的例子
Python 中的單級、多級和多級繼承
在 Python 中獲取一個類的父類
Python 中的多態性
訪問 Child 類中的私有成員
Python 中的抽象類
創建一個抽象類來覆蓋 Python 中的默認構造函數
使一個抽象類繼承另一個抽象類
Python 中的 super 是做什麼的
super() 如何在多重繼承中與 __init__() 方法一起工作
將 super 與類方法一起使用
mro 是做什麼的
Python 中的元類是什麼
元類的具體案例
在 Python 中使用元類的單例類
@staticmethod 和 @classmethod 有什麼區別
Python 中的裝飾器是什麼
製作函數裝飾器鏈
⑹ python怎麼學習
對於很多想學習Python的小夥伴來說，不知道從何開始，小蝸這里整理了一份Python全棧開發的學習路線，大家可按照以下這份大綱來進行學習：
第一階段：專業核心基礎
階段目標：
1. 熟練掌握Python的開發環境與編程核心知識
2. 熟練運用Python面向對象知識進行程序開發
3. 對Python的核心庫和組件有深入理解
4. 熟練應用SQL語句進行資料庫常用操作
5. 熟練運用Linux操作系統命令及環境配置
6. 熟練使用MySQL，掌握資料庫高級操作
7. 能綜合運用所學知識完成項目
知識點：
Python編程基礎、Python面向對象、Python高級進階、MySQL資料庫、Linux操作系統。
1、Python編程基礎，語法規則，函數與參數，數據類型，模塊與包，文件IO，培養扎實的Python編程基本功，同時對Python核心對象和庫的編程有熟練的運用。
2、Python面向對象，核心對象，異常處理，多線程，網路編程，深入理解面向對象編程，異常處理機制，多線程原理，網路協議知識，並熟練運用於項目中。
3、類的原理，MetaClass，下劃線的特殊方法，遞歸，魔術方法，反射，迭代器，裝飾器，UnitTest，Mock。深入理解面向對象底層原理，掌握Python開發高級進階技術，理解單元測試技術。
4、資料庫知識，範式，MySQL配置，命令，建庫建表，數據的增刪改查，約束，視圖，存儲過程，函數，觸發器，事務，游標，PDBC，深入理解資料庫管理系統通用知識及MySQL資料庫的使用與管理。為Python後台開發打下堅實基礎。
5、Linux安裝配置，文件目錄操作，VI命令，管理，用戶與許可權，環境配置，Docker，Shell編程Linux作為一個主流的伺服器操作系統，是每一個開發工程師必須掌握的重點技術，並且能夠熟練運用。
第二階段：PythonWEB開發
階段目標：
1. 熟練掌握Web前端開發技術，HTML，CSS，JavaScript及前端框架
2. 深入理解Web系統中的前後端交互過程與通信協議
3. 熟練運用Web前端和Django和Flask等主流框架完成Web系統開發
4. 深入理解網路協議，分布式，PDBC，AJAX，JSON等知識
5. 能夠運用所學知識開發一個MiniWeb框架，掌握框架實現原理
6. 使用Web開發框架實現貫穿項目
知識點：
Web前端編程、Web前端高級、Django開發框架、Flask開發框架、Web開發項目實戰。
1、Web頁面元素，布局，CSS樣式，盒模型，JavaScript，JQuery與Bootstrap掌握前端開發技術，掌握JQuery與BootStrap前端開發框架，完成頁面布局與美化。
2、前端開發框架Vue，JSON數據，網路通信協議，Web伺服器與前端交互熟練使用Vue框架，深入理解HTTP網路協議，熟練使用Swagger，AJAX技術實現前後端交互。
3、自定義Web開發框架，Django框架的基本使用，Model屬性及後端配置，Cookie與Session，模板Templates，ORM數據模型，Redis二級緩存，RESTful，MVC模型掌握Django框架常用API，整合前端技術，開發完整的WEB系統和框架。
4、Flask安裝配置，App對象的初始化和配置，視圖函數的路由，Request對象，Abort函數，自定義錯誤，視圖函數的返回值，Flask上下文和請求鉤子，模板，資料庫擴展包Flask-Sqlalchemy，資料庫遷移擴展包Flask-Migrate，郵件擴展包Flask-Mail。掌握Flask框架的常用API，與Django框架的異同，並能獨立開發完整的WEB系統開發。
第三階段：爬蟲與數據分析
階段目標：
1. 熟練掌握爬蟲運行原理及常見網路抓包工具使用，能夠對HTTP及HTTPS協議進行抓包分析
2. 熟練掌握各種常見的網頁結構解析庫對抓取結果進行解析和提取
3. 熟練掌握各種常見反爬機制及應對策略，能夠針對常見的反爬措施進行處理
4. 熟練使用商業爬蟲框架Scrapy編寫大型網路爬蟲進行分布式內容爬取
5. 熟練掌握數據分析相關概念及工作流程
6. 熟練掌握主流數據分析工具Numpy、Pandas和Matplotlib的使用
7. 熟練掌握數據清洗、整理、格式轉換、數據分析報告編寫
8. 能夠綜合利用爬蟲爬取豆瓣網電影評論數據並完成數據分析全流程項目實戰
知識點：
網路爬蟲開發、數據分析之Numpy、數據分析之Pandas。
1、爬蟲頁面爬取原理、爬取流程、頁面解析工具LXML，Beautifulfoup，正則表達式，代理池編寫和架構、常見反爬措施及解決方案、爬蟲框架結構、商業爬蟲框架Scrapy，基於對爬蟲爬取原理、網站數據爬取流程及網路協議的分析和了解，掌握網頁解析工具的使用，能夠靈活應對大部分網站的反爬策略，具備獨立完成爬蟲框架的編寫能力和熟練應用大型商業爬蟲框架編寫分布式爬蟲的能力。
2、Numpy中的ndarray數據結構特點、numpy所支持的數據類型、自帶的數組創建方法、算術運算符、矩陣積、自增和自減、通用函數和聚合函數、切片索引、ndarray的向量化和廣播機制，熟悉數據分析三大利器之一Numpy的常見使用，熟悉ndarray數據結構的特點和常見操作，掌握針對不同維度的ndarray數組的分片、索引、矩陣運算等操作。
3、Pandas裡面的三大數據結構，包括Dataframe、Series和Index對象的基本概念和使用，索引對象的更換及刪除索引、算術和數據對齊方法，數據清洗和數據規整、結構轉換，熟悉數據分析三大利器之一Pandas的常見使用，熟悉Pandas中三大數據對象的使用方法，能夠使用Pandas完成數據分析中最重要的數據清洗、格式轉換和數據規整工作、Pandas對文件的讀取和操作方法。
4、matplotlib三層結構體系、各種常見圖表類型折線圖、柱狀圖、堆積柱狀圖、餅圖的繪制、圖例、文本、標線的添加、可視化文件的保存，熟悉數據分析三大利器之一Matplotlib的常見使用，熟悉Matplotlib的三層結構，能夠熟練使用Matplotlib繪制各種常見的數據分析圖表。能夠綜合利用課程中所講的各種數據分析和可視化工具完成股票市場數據分析和預測、共享單車用戶群里數據分析、全球幸福指數數據分析等項目的全程實戰。
第四階段：機器學習與人工智慧
階段目標：
1. 理解機器學習相關的基本概念及系統處理流程
2. 能夠熟練應用各種常見的機器學習模型解決監督學習和非監督學習訓練和測試問題，解決回歸、分類問題
3. 熟練掌握常見的分類演算法和回歸演算法模型，如KNN、決策樹、隨機森林、K-Means等
4. 掌握卷積神經網路對圖像識別、自然語言識別問題的處理方式，熟悉深度學習框架TF裡面的張量、會話、梯度優化模型等
5. 掌握深度學習卷積神經網路運行機制，能夠自定義卷積層、池化層、FC層完成圖像識別、手寫字體識別、驗證碼識別等常規深度學習實戰項目
知識點：
1、機器學習常見演算法、sklearn數據集的使用、字典特徵抽取、文本特徵抽取、歸一化、標准化、數據主成分分析PCA、KNN演算法、決策樹模型、隨機森林、線性回歸及邏輯回歸模型和演算法。熟悉機器學習相關基礎概念，熟練掌握機器學習基本工作流程，熟悉特徵工程、能夠使用各種常見機器學習演算法模型解決分類、回歸、聚類等問題。
2、Tensorflow相關的基本概念，TF數據流圖、會話、張量、tensorboard可視化、張量修改、TF文件讀取、tensorflow playround使用、神經網路結構、卷積計算、激活函數計算、池化層設計，掌握機器學習和深度學習之前的區別和練習，熟練掌握深度學習基本工作流程，熟練掌握神經網路的結構層次及特點，掌握張量、圖結構、OP對象等的使用，熟悉輸入層、卷積層、池化層和全連接層的設計，完成驗證碼識別、圖像識別、手寫輸入識別等常見深度學習項目全程實戰。