1，glob 模式匹配
import glob
for name in glob.glob('dir/*'):
print(name)
dir/file.txt
dir/file1.txt
dir/file2.txt
2，json
json.dumps(result, indent=2, ensure_ascii=False)
第一个参数是数据，第二个参数为空格，第三个参数为false时，才会输出中文
3，hashcode
1.hashcode是用来查找的，如果你学过数据结构就应该知道，在查找和排序这一章有
例如内存中有这样的位置
0 1 2 3 4 5 6 7
而我有个类，这个类有个字段叫ID,我要把这个类存放在以上8个位置之一，如果不用hashcode而任意存放，那么当查找时就需要到这八个位置里挨个去找，或者用二分法一类的算法。
但如果用hashcode那就会使效率提高很多。
我们这个类中有个字段叫ID,那么我们就定义我们的hashcode为ID％8，然后把我们的类存放在取得得余数那个位置。比如我们的ID为9，9除8的余数为1，那么我们就把该类存在1这个位置，如果ID是13，求得的余数是5，那么我们就把该类放在5这个位置。这样，以后在查找该类时就可以通过ID除 8求余数直接找到存放的位置了。
2.但是如果两个类有相同的hashcode怎么办那（我们假设上面的类的ID不是唯一的），例如9除以8和17除以8的余数都是1，那么这是不是合法的，回答是：可以这样。那么如何判断呢？在这个时候就需要定义 equals了。
也就是说，我们先通过 hashcode来判断两个类是否存放某个桶里，但这个桶里可能有很多类，那么我们就需要再通过 equals 来在这个桶里找到我们要的类。
那么。重写了equals()，为什么还要重写hashCode()呢？
想想，你要在一个桶里找东西，你必须先要找到这个桶啊，你不通过重写hashcode()来找到桶，光重写equals()有什么用啊
4,Python strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。
1，all函数
all() 函数用于判断给定的可迭代参数 iterable 中的所有元素是否都为 TRUE，如果是返回 True，否则返回 False。
元素除了是 0、空、None、False 外都算 True。
>>> all(['a', 'b', 'c', 'd']) # 列表list，元素都不为空或0
True
>>> all(['a', 'b', '', 'd']) # 列表list，存在一个为空的元素
False
>>> all([0, 1，2, 3]) # 列表list，存在一个为0的元素
False
2，set函数
set() 函数创建一个无序不重复元素的集合，可进行关系测试，删除重复数据，还可以计算交集、差集、并集等，返回新的集合对象
a=['1','2','3','2','2','3']
b=set(a)
print(b) #set(['1', '3', '2'])
str='hello,welcome to China!'
c=set(str)
print(c) #set(['a', ' ', 'c', 'e', 'C', 'h', 'm', 'l', 'o', ',', 'i', '!', 't', 'w', 'n'])
4，if type(rootValue[key]).__name__=="dict"
判断rootValue字典的类型
5，异常处理
#检测的语句
try:
A
#发生异常之后的语句
except BaseException :
B
6，for 的妙用
n = [j for j in range(10) if j <5] #for返回的是j
print(n)
#[0, 1, 2, 3, 4]
7，round
控制float 数据精度，round(2.3334,2)
前为数据，后为保留几位小数
1，all函数
all() 函数用于判断给定的可迭代参数 iterable 中的所有元素是否都为 TRUE，如果是返回 True，否则返回 False。
元素除了是 0、空、None、False 外都算 True。
>>> all(['a', 'b', 'c', 'd']) # 列表list，元素都不为空或0
True
>>> all(['a', 'b', '', 'd']) # 列表list，存在一个为空的元素
False
>>> all([0, 1，2, 3]) # 列表list，存在一个为0的元素
False
2，set函数
set() 函数创建一个无序不重复元素的集合，可进行关系测试，删除重复数据，还可以计算交集、差集、并集等，返回新的集合对象
a=['1','2','3','2','2','3']
b=set(a)
print(b) #set(['1', '3', '2'])
str='hello,welcome to China!'
c=set(str)
print(c) #set(['a', ' ', 'c', 'e', 'C', 'h', 'm', 'l', 'o', ',', 'i', '!', 't', 'w', 'n'])
4，if type(rootValue[key]).__name__=="dict"
判断rootValue字典的类型
5，异常处理
#检测的语句
try:
A
#发生异常之后的语句
except BaseException :
B
6，for 的妙用
n = [j for j in range(10) if j <5] #for返回的是j
print(n)
#[0, 1, 2, 3, 4]
7，round
控制float 数据精度，round(2.3334,2)
前为数据，后为保留几位小数
1，表示无穷大与无穷小
float('inf')和float('-inf')
2，列表的pop用法，将列表元素弹出，可指定索引
list1 = ['Google', 'Runoob', 'Taobao']
list1.pop()
print ("列表现在为 : ", list1)
#列表现在为 : ['Google', 'Runoob']
list1.pop(1)
print ("列表现在为 : ", list1)
#列表现在为 : ['Google']
2，列表末尾追加list.extend
aList = [123, 'xyz', 'zara', 'abc', 123];
bList = [2009, 'manni'];
aList.extend(bList)
print "Extended List : ", aList ;
#Extended List : [123, 'xyz', 'zara', 'abc', 123, 2009, 'manni']
3，eval函数
将字符串进行多种转换，函数，字典，列表等
envl('service.login')()
a ="[[1,2], [3,4], [5,6], [7,8], [9,0]]"
print(type(a)) #str
b =eval(a)
print(type(b))
print(b) #list
4，双百分号的用法
file =open('%s_%s' % (name_list[i], date_list[i]), 'a', encoding='utf-8')
格式化三种方法 https://www.cnblogs.com/xioawu-blog/p/12410759.html
5，判断文件是否存在
if not os.path.exists('test.csv'):
如果test.csv
6，获取文件名
path = '/Users/beazley/Data/data.csv'
os.path.basename(path)
7，#ceil() 函数返回比当前数字大的整数
math.ceil()
8，isinstance() 函数来判断一个对象是否是一个已知的类型，类似 type()
if (isinstance(algo, (LogisticRegression,
KNeighborsClassifier,
GaussianNB,
DecisionTreeClassifier,
RandomForestClassifier,
GradientBoostingClassifier))):
1，关于最近邻居算法，如果两个邻居k+1和k，距离相同，但标签不同，结果取决于数据集的排序
2，列表元素选择
a = [[2, 3], [5, 4], [9, 6], [4, 7], [8, 1], [7, 2]]
a[:, 0]，第一个逗号前的：表示选择多少个列表，如a[:, 0]为选择所有列表的第一个元素，a[1:, 0]，为选择第一个列表之后的列表，逗号后的数字为选择列表中的第几个元素
3,字典的get方法
countLabel = {}
countLabel[label] = countLabel.get(label, 0) +1
# 字典的get方法，第一个参数为键值，找到则返回对应的value值，没找到则返回第二个参数
4，字典排序
countLabel_sorted =sorted(countLabel.items(), key=operator.itemgetter(1),reverse=True)
# operator.itemgetter(1)为value,operator.itemgetter(0)为key
5，计算集合的欧氏距离
from scipy.spatial.distanceimport pdist
Y = pdist(X, 'euclidean')
计算矩阵X样本之间（m*n）的欧氏距离(2-norm) ，返回值为 Y (m*m)为压缩距离元组或矩阵。第二个参数默认为欧氏距离。
6，zip函数
将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表
colors = ['r', 'y', 'b']
print(list(zip(range(3), colors)))
# [(0, 'r'), (1, 'y'), (2, 'b')]
7,re
findall,comple,sub,split
findall https://www.cnblogs.com/syw20170419/p/9749809.html
sub https://blog.csdn.net/darkman_ex/article/details/80975764
split https://blog.csdn.net/Darkman_EX/article/details/80973656
sentence_delimiters = re.compile(u'[。？！；!?]')
sentences =[i for i in sentence_delimiters.split(x['content_cut']) if i != '']
re.findall(r'\d+',city_data) 将字符串中数字拿出来，返回字符串
正则匹配规则（数字）
8，join用法，连接字符串
data ='-'.join(data)
9，assert
https://www.runoob.com/python3/python3-assert.html
10,next
next() 返回迭代器的下一个项目。
next() 函数要和生成迭代器的iter() 函数一起使用。
11,tqdm 显示进度条
for index in tqdm(df.index):
11，string 模块
https://blog.csdn.net/kongsuhongbaby/article/details/83181768
