1、Python基本语法
1、@staticmethod 和 @classmethod
Python中有三种方法，实例方法、类方法(@classmethod)、静态方法(@staticmethod)。
类方法的第一个参数是cls，表示该类的一个实例，静态方法基本上和一个全局函数相同
class A(object):
def foo(self, x):
print("executing foo(%s,%s)" % (self, x))
print(‘self:‘, self)
@classmethod
def class_foo(cls, x):
print("executing class_foo(%s,%s)" % (cls, x))
print(‘cls:‘, cls)
@staticmethod
def static_foo(x):
print("executing static_foo(%s)" % x)
a = A()
print(a.foo(1))
print(a.class_foo(1))
print(a.static_foo(1))
2、迭代器和生成器
迭代器：是访问集合元素的一种方式，从集合的第一个元素开始访问，直到所有元素被访问结束。其优点是不需要事先准备好整个迭代过程中的所有元素，仅在迭代到某个元素时才开始计算该元素。适合遍历比较巨大的集合。iter()：方法返回迭代器本身， next()：方法用于返回容器中下一个元素或数据。
生成器：带有yield的函数不再是一个普通函数，而是一个生成器。当函数被调用时，返回一个生成器对象。不像一般函数在生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行状态。
‘‘‘迭代器‘‘‘
print(‘for x in iter([1, 2, 3, 4, 5]):‘)
for x in iter([1, 2, 3, 4, 5]):
print(x)
‘‘‘生成器‘‘‘
def myyield(n):
while n>0:
print("开始生成...:")
yield n
print("完成一次...:")
n -= 1
for i in myyield(4):
print("遍历得到的值:",i)
3、闭包
闭包可以实现先将一个参数传递给一个函数，而并不立即执行，以达到延迟求值的目的。满足以下三个条件：必须有一个内嵌函数；内嵌函数必须引用外部函数中变量；外部函数返回值必须是内嵌函数。
def delay_fun(x, y):
def caculator():
return x+y
return caculator
print(‘返回一个求和的函数，并不求和‘)
msum = delay_fun(3,4)
print(‘调用并求和:‘)
print(msum())
4、*args 和 **kwargs
这两个是Python中的可变参数，用于接受参数的传递。*args表示任何多个无名参数，它是一个元组，**kwargs表示关键字参数，它是一个字典。同时使用*args和**kwargs时，必须*args在**kwargs之前。
5、鸭子类型：
在鸭子类型中，关注的不是对象的类型本身，而是他是如何使用的。例如，在不使用鸭子类型的语言中，我们可以编写一个函数，它接受一个类型为鸭的对象，并调用它的走和叫方法。在使用鸭子类型的语言中，这样的一个函数可以接受一个任意类型的对象，并调用它的走和叫方法。
class duck():
def walk(self):
print(‘I am duck,I can walk...‘)
def swim(self):
print(‘I am duck,I can swim...‘)
def call(self):
print(‘I am duck,I can call...‘)
duck1=duck()
duck1.walk()
# I am duck,I can walk...
duck1.call() # I am duck,I can call...
6、@property 和 @setter
@property负责把一个方法变成属性调用。在对实例操作时，不暴露接口，而是通过getter和setter方法实现。
class Student(object):
@property
def score(self):
return self._score
@score.setter
def score(self, value):
if not isinstance(value, int):
raise ValueError(‘score must be an intager‘)
if value<0 or value>100:
raise ValueError(‘score must between 0~100!‘)
self._score = values = Student()
s.score = 60
print(s.score)
s.score = 999
print(s.score)
7、多进程和多线程
进程：是资源分配的最小单位，创建和销毁开销较大；
线程：是CPU调度的最小单位，开销小，切换速度快；
操作系统将CPU时间片分配给多个线程，每个线程在指定放到时间片内完成。操作系统不断从一个线程切换到另一个线程执行，宏观上看就好像是多个线程一起执行。
Python中由于全局锁 (GIL) 的存在导致，同一时间只有一个获得GIL的线程在跑，其他线程则处于等待状态，这导致了多线程只是在做分时切换，并不能利用多核。
多线程与多进程的区别：（1）多进程中同一个变量各自有一份拷贝在每个进程中，互不影响；（2）多线程中，所有变量都由所有线程共享，任何一个变量都可被任何一个线程修改。线程之间共享数据的最大危险在于多个线程同时更改一个变量，把内容改乱。
from multiprocessing import Pool #多进程
from multiprocessing.dummpy import Pool #多线程
8、类变量和实例变量
普通的变量（非类的变量），在被赋值后即变量存在。类的变量在class里def外，通过变量名能被赋值，在def里通过类对象可被赋值
class Apple(object):
name = ‘apple‘
p1 = Apple()
p2 = Apple()
p1.name = ‘orange‘
print(p1.name)
print(p2.name)
9、装饰器
装饰器是一个工厂函数，接受一个函数作为参数，然后返回一个新函数，其闭包中包含被装饰的函数。有了装饰器，可以提取大量函数中与本身功能无关的类似代码 ( 这块在Flask中用于定义路由的@app.route，就是一个很好的例子)，达到代码重用的目的。可应用于插入日志、性能测试、事务处理等方面。
def deco(func):
def warpper(*args, **kwargs):
print(‘start‘)
func(*args, **kwargs)
print(‘end‘)
return warpper
@deco
def myfunc(parameter):
print("run with %s" % parameter)
myfunc("something")