1、内置函数
#abs()绝对值函数
# print(abs(-1))
# print(abs(0))
#all()函数如果后面跟的可迭代对象为空，返回true
# 如果后面跟的可迭代对象不为空，all会把他变成迭代器，取一个值进行一次bool判断，全为真才返回真
# print(all(''))
# print(all((1,'',2)))
# print(all((1,"",2,None)))
#any函数，正好与all函数相反
# print(any(""))#空格也算值，不算空，什么也不写才算空
# print(any([]))
# print(any([None,0,[],{},1]))#True
#bin()把数字转换成二进制
# print((bin(3)))
#callable()判断是否可以被调用，如果能被调用就返回True否则返回False
# def test():
# pass
# print(callable(test))
# print(callable(sum))
#chr()和ord()是根据ASCII码互相转换的东西
# print(chr(67))
# print(ord("C"))
#compile()把字符串编译为字节码
#complex()复数的内置函数，和list类似
# x=1-2j
# print(x.real)
# print(x.imag)
# x=complex(1-2j)
# print(x.real)
# print(x.imag)
#数据类型
#int()
# num=1 #num=int(1)
# print(type(num)) #查看num的类型
# print(isinstance(num,int))#两种判断类型的方式通用，判断num是否为int类型
# print(num is 1)#is是身份运算，根据id去判断身份
#float
#bool
#str()
# x='asdf'#x=str('asdf')
# print(str(1))
# print(str({'a':1}))
#list()
# x=[]
# x=list(i for i in range(10))
# print(x)
#tuple()
#dict()
# d={'a':1}
# d=dict(x=1,y=2,z=3)
# print(d)
#set()
# s={1,2,3,4}
# print(s)
# s.add(5)
# print(s)
# frozenset()#加可迭代对象变为不可变的集合，当然不全
# f=frozenset({1,2,3,4})
# print(type(f))#没有add和remove方法是一个不可变集合
# f=frozenset((1,2,3,4))
# print(type(f))
#dir()可以看到对象能够调用哪些方法
# print(dir(sum))
#divmod()#"" Return the tuple (x//y, x%y). Invariant: div*y + mod == x. """
# print(divmod(10,3))#用于前端分页功能
#enumerate(iterable,start=0)#参数先是可迭代对象，然后是初始值
# for i in enumerate(['a','b','c','d']):
# print(i)
# for i in enumerate(['a', 'b', 'c', 'd'],10):
# print(i)
# for i in enumerate({'x':1,'y':2}):
# print(i)
#hash()#哈希算法，映射，用于校验数据的完整性
# print(hash('asdf'))
# print(hash('asdf'))
#hex()十进制转十六进制
# print(hex(10))
#id()查看身份相当于省份证号
#0到256包括256都是相等的，从257开始就变了
#字符串都是一样的
#max(args,key=function,default)和min()
# print(max(1,2,3,4,10,3))
# print(min(1,2,3,4,10,3))
# salaries={
# 'egon':3000,
# 'alex':100000000,
# 'wupeiqi':10000,
# 'yuanhao':2000
# }
# print(max(salaries))#默认比的是key
# print(max(salaries.values()))
# def get_value(k):
# return salaries[k]
# print(max(salaries,key=get_value))#直接写函数名而不是函数名+()
#max把可迭代对象salaries变为迭代器，next一次的一个值，并将这个值传给后面的函数，用函数的运行结果进行比较，但是最终排序的时候还是以默认的(key)方式排
#在这里我们只是改变了比较大小时的比较依据，打印结果的依据没有改变
#zip(iter1,iter2)拉链,两个参数都是可迭代对象
# l1=[1,2,3]
# s='hel'
# res=zip(l1,s)#res是迭代器
# for i in res:
# print(i) #取出i是元组形式的
# pp=zip(salaries.values(),salaries.keys())#pp是迭代器
# print(max(pp)) #打印出的结果也是元组形式
#sorted()#Return a new list containing all items from the iterable in ascending order.(升序）
# l=[3,4,1,0,9,10]
# print(sorted(l))#返回值是列表，默认是升序,按ASCII码进行排
# print(sorted(l,reverse=True))#降序,由大到小
# s='hello abc'
# print(sorted(s))#[' ', 'a', 'b', 'c', 'e', 'h', 'l', 'l', 'o']
# print(sorted(salaries))
# print(sorted(salaries,key=lambda k: salaries[k]))
#map(func, *iterables),map作用就是把一个没有用的可迭代对象加工成需要的可迭代对象，映射的方式,当然是先变成迭代器在取出来
# l=[1,2,3,7,5]
# m=map(lambda item:item**2,l)
# print(m)
# for i in m :
# print(i)
# print(list(m))
# name_l=['alex','zhejiangF4','yuanhao','wupeiqi']
# m=map(lambda name:name+"SB",name_l)
# print(list(m))
#reduce(function, sequence, initial=None)#合并
# from functools import reduce
# l=list(range(100))
# print(l)
# print(reduce(lambda x,y:x+y,l))#默认初始值为0，看到的并不是真的，他还是直窜一个值，只是最开始有个默认的0
# print(reduce(lambda x,y:x+y,l,100))#默认初始值为100
#filter(function or None, iterable)#功能就是过滤,左边函数的返回值如果是True的话才算过滤出来的结果
#左边函数的参数是有右边可迭代对象变为迭代器next出来后传过去的
# name_l=[
# {'name':'egon','age':18},
# {'name':'dragon','age':100},
# {'name':'gaoluchuan','age':9000},
# {'name':'fsw','age':10000},
# ]
# f=filter(lambda d: d['age'] > 100,name_l)
# print(f)
# for i in f:
# print(i)
#pow(x,y,z)Equivalent to x**y (with two arguments) or x**y % z (with three arguments)
# print(pow(3,2))#3**2
# print(pow(3,2,2))#3**2%2
#reversed()反转，结果是一个迭代器
#round()四舍六入五留双
# print(round(5.5))
# print(round(5.6))
#slice()
# l=[1,2,3,4,5,6,7,9]
# print(l[2:4:2])
# s=slice(2,5,2)
# print(l[s])
#vars()Without arguments, equivalent to locals().With an argument, equivalent to object.__dict__.
# print(vars())
# print(vars() is locals())
#__import__()#可以把字符串形式的模块导入
# import time
# print(time)
# m=__import__("time")
# print(m)
# m.sleep(3)#因为不是内置的所以没有TAB功能了
2、匿名函数(lambda)
当我们在定义函数名的时候就和定义变量一样，当我们定义一个变量没有名字的时候就比如1，这个时候的1就像我们这里讲的匿名函数 lambda x,y:x+y 一样，没有变量名，这个时候就扯到引用计数了。就比如现在x=1和y=1，此时1被两个变量引用，1的引用计数为2，当引用计数为0是，Python内置的垃圾回收机制会将定期的回收没有被引用的内存。所以匿名函数(lambda)没有被引用，用一次就会被回收掉
Python对匿名函数的支持有限，只有一些简单的情况下可以使用匿名函数。
当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。
在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x2时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：
>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]
关键字lambda表示匿名函数，冒号前面的x表示函数参数。
匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。
用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：
>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25
同样，也可以把匿名函数作为返回值返回，比如：
def build(x, y):
return lambda: x * x + y * y