1、collection.nametuple是一个工厂函数，可以很方便地定义一种数据类型，它具备tuple的不变性，又可以根据属性来引用，使用十分方便，而不需要重新定义一个类那么麻烦。
#nametuple的属性和方法 City._fields #('name', 'country', 'population', 'coordinates') _make(iterable) #类方法， 对可迭代对象进行实例化 _asdict() #实例方法，把nametuple以collections.OrderedDict的形式返回，使其友好呈现
2、定义类的一些技巧
import collections Card = collections.namedtuple('Card', ['rank', 'suit']) #避免自定义class的麻烦 class FrenchDeck: ranks = [str(n) for n in range(2,11)] + list('JQKA') suits = 'spades diamonds clubs hearts'.split() def __init__(self): self._cards = [Card(rank,suit) for suit in self.suits for rank in self.ranks] def __len()__: return len(self._cards) def __getitem__(self, position): #实现该方法即实现可迭代，因此in运算符可以使用 return self._cards[position] #支持切片
3、
from math import hypot class Vector: def __init__(self, x=0, y=0): self.x = x self.y = y def __repr__(self): #把一个对象用字符串的形式表达出来，__repr__比__str__是更好的选择，__str__是给终端看的，__repr__调试用 return 'Vector(%r, %r)' % (self.x, self.y) def __abs__(self): return hypot(self.x, self.y) def __bool__(self): return bool(abs(self)) # return bool(self.x, self.y)更高效，省掉abs到__abs__的转化 def __add__(self, other): x = self.x + other.x y = self.y + other.y return Vector(x, y) def __mul__(self, scalar): return Vector(self.x * scalar, self.y * scalar)
还有一系列的特殊方法。
4、为什么len不是普通的方法？运行更快。
5、
容器序列（存放不同类型）：list, tuple, collections.deque
扁平序列（存放单类型）: str, bytes, bytearray, memoryview, array.array
6、列表推导
codes = [ord(symbol) for symbol in symbols]
同filter和map的比较，列表推导都能做，而且不用lambda
beyond_ascii = [ord(s) for s in symbols if ord(s)>127] beyond_ascii = list(filter(lambda c:c>127, map(ord, symbols)))
7、生成器表达式：逐个生成，节省内存，注意是（）
tuple(ord(symbol) for symbol in symbols)
8、可以使用*运算符把一个可迭代对象拆开作为函数的参数。
t = (20, 8) #可迭代对象 divmod(*t)
还可以使用*来获取不确定的参数
a, b, *rest = range(5) #(0,1,[2,3,4])
9、二维的numpy可以使用二维切片 [ m:n, k:l ]，如果x是四维数组，x[ i, ...] 就是 x[i, :, :, : ]。
如果赋值的对象是一个切片，那么赋值右边必须是个可迭代的对象。
l[ 2:5 ] = [100] #对 l[ 2:5 ] = 100 #错
10、
board = [ ['_'] * 3 for i in range[3]] weird_board = [ ['_'] * 3] *3 #单点赋值会修改多个点，原因是列表内的3个引用指向同一个对象
11、
*= 在可变序列上不会改变序列ID，但在不可变的序列（如tuple）会改变ID，原因是对不可变序列进行重复拼接效率很低，因为每次都要把旧对象的元素赋值到新对象里，再追加元素。
12、一个谜题
t = (1, 2, [30, 40]) t[2] += [50, 60] #结果有两个： #元组不可赋值，会抛出异常，还会把t改变了： #t变成 ( 1, 2, [30, 40, 50, 60] )
鉴于上面的情况，建议：不要把可变对象放在元组里面，增量赋值不是一个原子操作（像上面的例子）
13、list.sort 返回None，sorted返回新建的排序列表
14、使用bisect来管理已排序的序列。
#该模块不会影响原排序 bisect.insort() #插入并改变原序列 bisect.bisect() #插入但不改变原序列 bisect.bisect_left() #插在重复数字的左边，返回插入位置，不改变原序列
15、
存放大量浮点数是，数组（array）的效率更高。
检查一个元素是否出现在一个集合中，set更合适。
如果只包含数字的列表，那么array.array比list更高效。数组还提供从文件读取和存入文件的更快的方法，如.frombytes和.tofile。
pickle.dump的处理速度和array.tofile一样快。
16、内存视图memoryview
让用户在不复制内容的情况下操作同一个数组的不同切片。
17、dict，defaultdict，OrderedDict
defaultdict在未找到的元素时，补上默认构造。（注意被__getitem__调用的__missing__方法）
dict.setdefault的妙用（一句顶三句）：
index.setdefault(word, []).append(location) #检索word，不存在则返回[ ]，然后在该[ ]后添加位置。
if key not in my_dict:
my_dict[key] = []
my_dict[key].append(new_value)
18、
collection.OrderedDict #键值保持顺序 collection.ChainMap #存储不同的映射对象 collection.Counter #对键值进行统计 collection.most_common #对键值进行统计，返回常见的前几名
19、使用MappingProxyType来获取字典的只读实例
# 映射视图的作用，使数据成为只读 from types import MappingProxyType d = {1 : 'A'} d_proxy = MappingProxyType(d) d_proxy #mappingproxy({1:'A'}) d_proxy[2] = 'x' #报错，不可修改该映射视图 d[2] = 'B' d_proxy #mappingproxy({1:'A', 2:'B' }) #修改原dict，对应的映射视图也会改变
19、