⑴ python中下划线是什么意思
下划线是一个匿名变量
⑵ python sort()用法
Python中的sort()方法用于数组排序，下面以实例形式对此加以详细说明：
一、基本形式
列表有自己的sort方法，其对列表进行原址排序，既然是原址排序，那显然元组不可能拥有这种方法，因为元组是不可修改的。
x=[4,6,2,1,7,9]x.sort()
printx#[1,2,4,6,7,9]
如果需要一个排序好的副本，同时保持原有列表不变，怎么实现呢
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[:] 通过分片操作将列表x的元素全部拷贝给y，如果简单的把x赋值给y：y = x，y和x还是指向同一个列表，并没有产生新的副本。
另一种获取已排序的列表副本的方法是使用sorted函数：
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返回一个有序的副本，并且类型总是列表，如下：
printsorted('Python')#['P','h','n','o','t','y']二、自定义比较函数
可以定义自己的比较函数，然后通过参数传递给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)#调用内建函数cmp，升序排序
printnums#降序排序[0,1,2,3,8]
三、可选参数
sort方法还有两个可选参数：key和reverse
1、key在使用时必须提供一个排序过程总调用的函数：
x=['mmm','mm','mm','m']
x.sort(key=len)
printx#['m','mm','mm','mmm']
2、reverse实现降序排序，需要提供一个布尔值：
y=[3,2,8,0,1]
y.sort(reverse=True)
printy#[8,3,2,1,0]
⑶ Python笔记：Python装饰器
装饰器是通过装饰器函数修改原函数的一些功能而不需要修改原函数，在很多场景可以用到它，比如① 执行某个测试用例之前，判断是否需要登录或者执行某些特定操作；② 统计某个函数的执行时间；③ 判断输入合法性等。合理使用装饰器可以极大地提高程序的可读性以及运行效率。本文将介绍Python装饰器的使用方法。
python装饰器可以定义如下：
输出：
python解释器将test_decorator函数作为参数传递给my_decorator函数，并指向了内部函数 wrapper()，内部函数 wrapper() 又会调用原函数 test_decorator()，所以decorator()的执行会先打印'this is wrapper'，然后打印'hello world'， test_decorator()执行完成后，打印 'bye' ，*args和**kwargs，表示接受任意数量和类型的参数。
装饰器 my_decorator() 把真正需要执行的函数 test_decorator() 包裹在其中，并且改变了它的行为，但是原函数 test_decorator() 不变。
一般使用如下形式使用装饰器：
@my_decorator就相当于 decorator = my_decorator(test_decorator) 语句。
内置装饰器@functools.wrap可用于保留原函数的元信息（将原函数的元信息，拷贝到对应的装饰器函数里）。先来看看没有使用functools的情况：
输出：
从上面的输出可以看出test_decorator() 函数被装饰以后元信息被wrapper() 函数取代了，可以使用@functools.wrap装饰器保留原函数的元信息：
输出：
装饰器可以接受自定义参数。比如定义一个参数来设置装饰器内部函数的执行次数：
输出：
Python 支持多个装饰器嵌套：
装饰的过程：
顺序从里到外：
test_decorator('hello world') 执行顺序和装饰的过程相反。
输出：
类也可以作为装饰器，类装饰器主要依赖__call__()方法，是python中所有能被调用的对象具有的内置方法（python魔术方法），每当调用一个类的实例时，__call__()就会被执行一次。
下面的类装饰器实现统计函数执行次数：
输出：
下面介绍两种装饰器使用场景
统计函数执行所花费的时间
输出：
在使用某些web服务时，需要先判断用户是否登录，如果没有登录就跳转到登录页面或者提示用户登录：
--THE END--
⑷ Python 数据模型
Python 风格的关键完全体现在 Python 的数据模型上，数据模型所描述的 API ，为使用最地道的语言特性来构建开发者自己的对象提供了工具。
当 Python 解析器遇到特殊句法时，会使用特殊方法去激活一些基本的对象操作。特殊方法以双下划线开头，以双下划线结尾。如： obj[key] 的背后就是 __getitem__ 方法。魔术方法是特殊方法的昵称，特殊方法也叫双下方法。
使用 __getitem__ 和 __len__ 创建一摞有序的纸牌：
上面的例子，使用 collections.namedtuple 构建了一个简单的类来表示一张纸牌， namedtuple 用以构建只有少数属性但没有方法的类。
我们自定义的 FrenchDeck 类可以像任何 python 标准集合类型一样使用 len() 函数，查看一叠牌有多少张：
也可以像列表一样，使用位置索引， d[i] 将调用 __getitem__ 方法：
也可以使用标准库模块提供的 random.choice 方法，从序列中随机选取一个元素。下面，我们如随机取出一张纸牌：
现在我们已经体会到通过 python 特殊方法，来使用 Python 数据模型的 2 个好处：
因为 __getitem__ 方法把 [] 操作交给了 self.cards 列表，所以我们的 FrenchDeck 实例自动支持切片：
仅仅实现了 __getitem__ 方法，这一摞牌即变得可迭代：
运行结果：
也可以直接调用内置的 reversed 函数，反向迭代 FrenchDeck 实例：
运行结果：
迭代通常是隐式的，比如一个集合类型没有实现 __contains__ 方法，那么 in 运算符就会按顺序做一次迭代搜索。
因此， in 运算符可以用在我们的 FrenchDeck 实例上，因为它是可迭代的：
FrenchDeck 还可以使用 Python 标准库中的 sorted 函数，实现排序：
首先定义一个排序依据的函数：
优先按 rank 的大小排序，rank 相同时则比较 suit 的值：
运行结果：
优先按 suit 的大小排序，suit 相同时则比较 rank 的值：
运行结果：
按照目前的设计，FrenchDeck 还不支持洗牌，因为它是不可变的：
shuffle 函数要调换集合中元素的位置，而 FrenchDeck 只实现了不可变的序列协议，可变的序列还必须提供 __setitem__ 方法：
洗牌：
没有任何的返回值，可见 random.shuffle 就地修改了可变序列 d 。为便于观察结果，我们定义输入的输出函数：
运行结果：
每次洗牌，都是一个随机的序列：
首先明确一点，特殊方法的存在是为了被 Python 解析器调用的，例如：我们不会使用 obj.__len__() 这种写法，而是 len(obj) 。在执行 len(obj) 时，如果 obj 是一个自定义类的对象，那么 Python 会自己去调用我们实现的 __len__ 方法。
对于 Python 内置的数据类型，比如列表、字符串、字节序列等，那么 CPython 会抄个近路， __len__ 实际上会返回 PyVarObject 里的 ob_size 属性，这是因为直接读取属性比调用一个方法要快得多。
很多时候，特殊方法的调用是隐式的，比如 for i in x: 这个语句其实是调用 iter(x) ，而这个函数的背后是 x.__iter__() 方法。
通过内置函数如来使用特殊方法是最好的选择。这些内置函数不仅会调用这些方法，通常还提供额外的好处，对于内置类型来说，它们的速度更快。
下面，我们通过定义一个简单的二维向量类，再来体会一下 Python 特殊方法的美妙：
使用 Vector 类，就像使用 Python 内置的数据类型一样简单：
⑸ 如何获取python编程基础及应用实验教程的实验文件
在 Python 中创建一个类及其对象
在 Python 中创建一个空类
在 Python 中使用 Type 创建类
在 Python 中创建和调用类的方法
使用 __init__() 方法为数据属性赋值
在 Python 中更新对象属性
在 Python 中删除对象属性和对象
在 Python 中检查和比较对象的类型
在Python中将对象的所有属性复制到另一个对象
在 Python 中迭代对象属性
在 Python 中打印对象的所有属性
在python中在运行时创建类的数据属性
在函数中将对象的实例作为参数传递
在 Python 中创建和使用自定义 Self 参数
使用self参数来维护对象的状态
在 Python 中创建和使用静态类变量
在 Python 中的一个函数上使用多个装饰器
在 Python 中的方法中同时访问 cls 和 self
从装饰器访问实例方法的类
使用给定的装饰器获取 Python 类的所有方法
装饰一个 class
将类字段作为参数传递给类方法上的装饰器
在 Python 中创建多个传入参数列表的类变量
Python 中的 wraps 装饰器
使用可选参数构建装饰器
在 Python 中将参数传递给装饰器
@property 装饰器
类和函数的装饰器
Python 中带参数和返回值的装饰器
Python 使用参数 wraps 装饰器
Python 装饰器获取类名
简单装饰器示例
在 Python 中使用 print() 打印类的实例
在 Python 中的类中将装饰器定义为方法
获取在 Python 中修饰的给定类的所有方法
带参数和不带参数的 Python 装饰器
Python 中带有 self 参数的类方法装饰器
在 Python 中的另一个类中使用隐藏的装饰器
装饰器内部的 self 对象
在 Python 中将多个装饰器应用于单个函数
Python 装饰器获取类实例
__init__ 和 __call__ 有什么区别
在 Python 中使用 __new__ 和 __init__
Python 中的迭代重载方法
在 Python 中使用迭代器反转字符串
Python 中 __reversed__ 魔术方法
Python 中的 __getitem__ 和 __setitem__
在 Python 中使用 __getattr__ 和 __setattr__ 进行属性赋值
什么是 __del__ 方法以及如何调用它
创建类的私有成员
一个 Python 封装的例子
一个 Python 组合的例子
一个Python聚合的例子
Python 中的单级、多级和多级继承
在 Python 中获取一个类的父类
Python 中的多态性
访问 Child 类中的私有成员
Python 中的抽象类
创建一个抽象类来覆盖 Python 中的默认构造函数
使一个抽象类继承另一个抽象类
Python 中的 super 是做什么的
super() 如何在多重继承中与 __init__() 方法一起工作
将 super 与类方法一起使用
mro 是做什么的
Python 中的元类是什么
元类的具体案例
在 Python 中使用元类的单例类
@staticmethod 和 @classmethod 有什么区别
Python 中的装饰器是什么
制作函数装饰器链
⑹ python怎么学习
对于很多想学习Python的小伙伴来说，不知道从何开始，小蜗这里整理了一份Python全栈开发的学习路线，大家可按照以下这份大纲来进行学习：
第一阶段：专业核心基础
阶段目标：
1. 熟练掌握Python的开发环境与编程核心知识
2. 熟练运用Python面向对象知识进行程序开发
3. 对Python的核心库和组件有深入理解
4. 熟练应用SQL语句进行数据库常用操作
5. 熟练运用Linux操作系统命令及环境配置
6. 熟练使用MySQL，掌握数据库高级操作
7. 能综合运用所学知识完成项目
知识点：
Python编程基础、Python面向对象、Python高级进阶、MySQL数据库、Linux操作系统。
1、Python编程基础，语法规则，函数与参数，数据类型，模块与包，文件IO，培养扎实的Python编程基本功，同时对Python核心对象和库的编程有熟练的运用。
2、Python面向对象，核心对象，异常处理，多线程，网络编程，深入理解面向对象编程，异常处理机制，多线程原理，网络协议知识，并熟练运用于项目中。
3、类的原理，MetaClass，下划线的特殊方法，递归，魔术方法，反射，迭代器，装饰器，UnitTest，Mock。深入理解面向对象底层原理，掌握Python开发高级进阶技术，理解单元测试技术。
4、数据库知识，范式，MySQL配置，命令，建库建表，数据的增删改查，约束，视图，存储过程，函数，触发器，事务，游标，PDBC，深入理解数据库管理系统通用知识及MySQL数据库的使用与管理。为Python后台开发打下坚实基础。
5、Linux安装配置，文件目录操作，VI命令，管理，用户与权限，环境配置，Docker，Shell编程Linux作为一个主流的服务器操作系统，是每一个开发工程师必须掌握的重点技术，并且能够熟练运用。
第二阶段：PythonWEB开发
阶段目标：
1. 熟练掌握Web前端开发技术，HTML，CSS，JavaScript及前端框架
2. 深入理解Web系统中的前后端交互过程与通信协议
3. 熟练运用Web前端和Django和Flask等主流框架完成Web系统开发
4. 深入理解网络协议，分布式，PDBC，AJAX，JSON等知识
5. 能够运用所学知识开发一个MiniWeb框架，掌握框架实现原理
6. 使用Web开发框架实现贯穿项目
知识点：
Web前端编程、Web前端高级、Django开发框架、Flask开发框架、Web开发项目实战。
1、Web页面元素，布局，CSS样式，盒模型，JavaScript，JQuery与Bootstrap掌握前端开发技术，掌握JQuery与BootStrap前端开发框架，完成页面布局与美化。
2、前端开发框架Vue，JSON数据，网络通信协议，Web服务器与前端交互熟练使用Vue框架，深入理解HTTP网络协议，熟练使用Swagger，AJAX技术实现前后端交互。
3、自定义Web开发框架，Django框架的基本使用，Model属性及后端配置，Cookie与Session，模板Templates，ORM数据模型，Redis二级缓存，RESTful，MVC模型掌握Django框架常用API，整合前端技术，开发完整的WEB系统和框架。
4、Flask安装配置，App对象的初始化和配置，视图函数的路由，Request对象，Abort函数，自定义错误，视图函数的返回值，Flask上下文和请求钩子，模板，数据库扩展包Flask-Sqlalchemy，数据库迁移扩展包Flask-Migrate，邮件扩展包Flask-Mail。掌握Flask框架的常用API，与Django框架的异同，并能独立开发完整的WEB系统开发。
第三阶段：爬虫与数据分析
阶段目标：
1. 熟练掌握爬虫运行原理及常见网络抓包工具使用，能够对HTTP及HTTPS协议进行抓包分析
2. 熟练掌握各种常见的网页结构解析库对抓取结果进行解析和提取
3. 熟练掌握各种常见反爬机制及应对策略，能够针对常见的反爬措施进行处理
4. 熟练使用商业爬虫框架Scrapy编写大型网络爬虫进行分布式内容爬取
5. 熟练掌握数据分析相关概念及工作流程
6. 熟练掌握主流数据分析工具Numpy、Pandas和Matplotlib的使用
7. 熟练掌握数据清洗、整理、格式转换、数据分析报告编写
8. 能够综合利用爬虫爬取豆瓣网电影评论数据并完成数据分析全流程项目实战
知识点：
网络爬虫开发、数据分析之Numpy、数据分析之Pandas。
1、爬虫页面爬取原理、爬取流程、页面解析工具LXML，Beautifulfoup，正则表达式，代理池编写和架构、常见反爬措施及解决方案、爬虫框架结构、商业爬虫框架Scrapy，基于对爬虫爬取原理、网站数据爬取流程及网络协议的分析和了解，掌握网页解析工具的使用，能够灵活应对大部分网站的反爬策略，具备独立完成爬虫框架的编写能力和熟练应用大型商业爬虫框架编写分布式爬虫的能力。
2、Numpy中的ndarray数据结构特点、numpy所支持的数据类型、自带的数组创建方法、算术运算符、矩阵积、自增和自减、通用函数和聚合函数、切片索引、ndarray的向量化和广播机制，熟悉数据分析三大利器之一Numpy的常见使用，熟悉ndarray数据结构的特点和常见操作，掌握针对不同维度的ndarray数组的分片、索引、矩阵运算等操作。
3、Pandas里面的三大数据结构，包括Dataframe、Series和Index对象的基本概念和使用，索引对象的更换及删除索引、算术和数据对齐方法，数据清洗和数据规整、结构转换，熟悉数据分析三大利器之一Pandas的常见使用，熟悉Pandas中三大数据对象的使用方法，能够使用Pandas完成数据分析中最重要的数据清洗、格式转换和数据规整工作、Pandas对文件的读取和操作方法。
4、matplotlib三层结构体系、各种常见图表类型折线图、柱状图、堆积柱状图、饼图的绘制、图例、文本、标线的添加、可视化文件的保存，熟悉数据分析三大利器之一Matplotlib的常见使用，熟悉Matplotlib的三层结构，能够熟练使用Matplotlib绘制各种常见的数据分析图表。能够综合利用课程中所讲的各种数据分析和可视化工具完成股票市场数据分析和预测、共享单车用户群里数据分析、全球幸福指数数据分析等项目的全程实战。
第四阶段：机器学习与人工智能
阶段目标：
1. 理解机器学习相关的基本概念及系统处理流程
2. 能够熟练应用各种常见的机器学习模型解决监督学习和非监督学习训练和测试问题，解决回归、分类问题
3. 熟练掌握常见的分类算法和回归算法模型，如KNN、决策树、随机森林、K-Means等
4. 掌握卷积神经网络对图像识别、自然语言识别问题的处理方式，熟悉深度学习框架TF里面的张量、会话、梯度优化模型等
5. 掌握深度学习卷积神经网络运行机制，能够自定义卷积层、池化层、FC层完成图像识别、手写字体识别、验证码识别等常规深度学习实战项目
知识点：
1、机器学习常见算法、sklearn数据集的使用、字典特征抽取、文本特征抽取、归一化、标准化、数据主成分分析PCA、KNN算法、决策树模型、随机森林、线性回归及逻辑回归模型和算法。熟悉机器学习相关基础概念，熟练掌握机器学习基本工作流程，熟悉特征工程、能够使用各种常见机器学习算法模型解决分类、回归、聚类等问题。
2、Tensorflow相关的基本概念，TF数据流图、会话、张量、tensorboard可视化、张量修改、TF文件读取、tensorflow playround使用、神经网络结构、卷积计算、激活函数计算、池化层设计，掌握机器学习和深度学习之前的区别和练习，熟练掌握深度学习基本工作流程，熟练掌握神经网络的结构层次及特点，掌握张量、图结构、OP对象等的使用，熟悉输入层、卷积层、池化层和全连接层的设计，完成验证码识别、图像识别、手写输入识别等常见深度学习项目全程实战。