python 内置函数
Python内置(built-in)函数随着python解释器的运行而创建。在Python的程序中，你
可以随时调用这些函数，不需要定义。
abs() # 求一个数的绝对值；abs(-1)=1
all() # 接受一个序列，判断 如果所有的值都是真的 就返回真 否则返回假
any() # 接受一个序列，判断 如果其中有一个值是真的 就返回真 没有任何真值返回假
>>>li=['asd','','14']
>>>all(li) False
>>>any(li) True
ascii() # 这个函数跟repr()函数一样，返回一个可打印的对象字符串方式表示。当遇到非ASCII码时，
就会输出\x，\u或\U等字符来表示
>>> print(ascii('ax\123')) 'axS'
>>> print(ascii('0\123')) '0S'
>>> print(ascii('0123')) '0123'
>>> print(ascii('01\23')) '01\x13'
bin() # 返回一个字符串，表示数值的二进制数 例：>>> bin(21) '0b10101'
bool() # 判断值的真假，真返回True 假返回False
bytearray() # 返回一个新字节数组。这个数组里的元素是可变的，并且每个元素的值范围: 0 <= x < 256。
如果source是一个字符串，那么必须给出endcoding是什么样编码的，以便转换为合适的字节保存；
如果source是一个整数，那么这个数组将初始化为空字节；
如果source是一个有缓冲区接口的对象，那么只读的接口初始到数组里；
如果source是一个迭代对象，那么这个迭代对象的元素都必须符合0 <= x < 256，
以便可以初始化到数组里;
如果没有输入任何参数，默认就是初始化数组为0个元素.例：
>>> bytearray('北京','utf-8')
bytearray(b'\xe5\x8c\x97\xe4\xba\xac')
>>> bytearray('abc123','utf-8')
bytearray(b'abc123')
>>> bytearray('123','utf-8')
bytearray(b'123')
>>> bytearray()
bytearray(b'')
>>> bytearray([1,2,3,4])
bytearray(b'\x01\x02\x03\x04')
bytes() # bytes函数与bytearray函数主要区别是bytes函数产生的对象的元素不能修改，
而bytearray函数产生的对象的元素可以修改。因此，除了可修改的对象函数
跟bytearray函数不一样之外，其它使用方法全部是相同的。
callable() # 判断程序是否可执行
chr() # 将数值转换成字符 例：>>> chr(21) '\x15'
classmethod()
cmp() # cmp(2,3) cmp(x,y) 函数用于比较2个对象，如果 x < y 返回 -1,
如果 x == y 返回 0, 如果 x > y 返回 1。
compile() # 编译字符串称为code对象 例：
>>> test1 = compile("print(123)",'test.py','exec')
>>> exec(test1) 123
>>> eval（test1) 123
complex() #>>> complex(2,3) (2+3j) 返回复数
dict() # 定义一个字典数据结构>>>dict(a=1,b=2,c=[1,2]) {'c': [1, 2], 'a': 1, 'b': 2}
dir() # 返回一个类所具有的方法
divmod() # 返回除法结果和余数
enumerate() # enumerate([]，执行数字起始值)
li=[11,22,33,44,55,66]
for k,v in enumerate(li,1):
print k,v
eval（) # 解释字符串表达方式>>> eval（"21+1") 22，参数也可以是compile()返回的code对象；
exec() # 解释并执行字符串，>>> exec("print(123)") 123 .参数也可以是compile（）
返回的code对象；
filter() # 通过定义的函数和数值筛选符合条件的值 例：
>>> def func(x):
... if x>22:
... return True
... else: return False
...
>>> test = [11,22,33,44]
>>> res = filter(func,test)
>>> list(res)
[33, 44]
float() # 转换为浮点数float(5)
format() #
frozenset() # 定义一个不可变集合
>>> test = frozenset('abc123')
>>> test
frozenset({'3', 'b', 'a', '1', '2', 'c'})
>>> test1 = set('abc123')
>>> test1
{'3', 'b', 'a', '1', '2', 'c'}
globals() # 返回全局变量及值的全部信息
hasattr() # 类实例化后可通过hasattr() 来检验是否继承类中方法，是返回True 否则False 例：
getattr() # getattr(real_class,'func') 返回func的属性；
setattr() # setattr(real_class,'func'，new_func) 将func的属性设置为new_func；
delattr() # delattr(real_class,'func') 删除func的属性；
isinstance()# isinstance(real_class,test_class) 判断real_class对象是否为test_class 生成的对象，返回bool值；
issubclass()# issubclass(test_class，object) 判断test_class 的类是否为object类的子类，
返回bool值；
hash() #
help() # help(list) 返回类的帮助文档信息；
hex() # 返回一个字符串，表示21的十六进制数 例：>>> hex(21) '0x15'
id() # 返回值的内存地址信息；
input() # 从终端输入信息，默认返回的均为字符串；
int() # 返回初始定义的int整数数据类型；
iter() # iter迭代一个对象并返回一个迭代器，迭代穷尽则返回stopiteration 例：
>>> test = iter(('a','b','c',1,2))
>>> print(next(test)) a
>>> print(next(test)) b
>>> print(next(test)) c
>>> print(next(test)) 1
>>> print(next(test)) 2
>>> print(next(test))
...
StopIteration
len() # 返回一个对象的长度；
list() # 初始定义列表数据类型；
locals() # 返回局部变量及值的全部信息；
long() # 转换为长整数数据类型 long('21')；
map() # 对应值映射，统一经过一个程序后输出结果，例：
>>> tu = (11,22,33,44)
>>> new_value = map(lambda x:x+1,tu)
>>> new_value
>>> test = list(new_value)
>>> test
[12, 23, 34, 45]
max() # 求最大值max（[1,2,3,4]）
memoryview()
min() # 求最小值min([1,2,3,4])
next() # 迭代器中使用选择下一元素 与iter（） 同用
object()
oct() # 返回一个字符串，表示数值的八进制数，例：>>> oct(21) '0o25'
open() # 打开文件操作
ord() # 将字符传换成相应的数值，与chr（）同用 例 ：>>> ord('\x15') 21
pow() # 幂运算 pow(2**3)
print() # 打印输出到终端
properity()
range()
reduce()
reload() # 重新载入模块及文件操作
repr() # 返回对象的属性并以字符串的形式展示，repr(real_class)
reversed() # 按照给定的列表顺序倒叙排出 例：
>>> reversed([1,6,3])
>>> test = reversed([1,6,3])
>>> test_list = list(test)
>>> test_list
[3, 6, 1]
round() # 求一个数的四舍五入法
set() # 初始一个集合类型
slice()
sorted() # >>> sorted([1,6,3]) [1, 3, 6] 按数据从小到大排序
staticmethod()
str() # 转换为字符串类型
super() #
sum()
----------------------
在给sum函数中加入参数。sum（a，axis=0）或者是.sum(axis=1) 就有点不解了
在我实验以后发现 我们平时用的sum应该是默认的axis=0 就是普通的相加
而当加入axis=1以后就是将一个矩阵的每一行向量相加
例如：import numpy as np
np.sum([[0,1,2],[2,1,3],axis=1)的结果就是：array（[3,6]）
-----------------------
tuple() # 初始一个元祖数据类型
type() # 返回一个数据类型
vars() # 返回属性值
zip()
--------------------------更新中 -----------------------------
