逻辑操作符
>>> 7 and 8 and 9
输出结果：9
>>> 7 or 8 or 9
输出结果：7
结论 连续的and得出的结果是最后一个数，连续的or得出的结果是第一个数。
算术操作符
python里面没有 a++ 这样的自加操作，只有 += 。
注意一下python中的除法的区别
>>> d = 10
>>> d /= 8
1.25
若是要和c++中一样的情况，则需要用 // 运算符。
>>> 3 // 2
1
>>> 3.0 // 2
1.0
range() 函数：
range(stop)
range(start, stop)
range(start, stop, step)
只包含开始的数，不包含结束数值
>>>list(range(10))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>>list(range(1, 10))
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>>list(range(0, -10, -2))
[0, -2, -4, -6, -8]
列表切片
基础操作
list [a: b: c]
其中a为起始位置含义是列表中元素的序号，b为结束位置含义为列表中序号加一，c为步长
样例：
>>> list1 = [1, 2, 3, 4, 5]
>>> list2 = list1[2: 5]
>>> list2
[3, 4, 5]
>>> list1 [2: 4]
[3, 4]
便捷方式：
>>> list1 [2:]
[3, 4, 5]
>>> list1 [:2]
[1, 2]
>>> list1 [:]
[1, 2, 3, 4, 5]
使用列表切片来将列表倒置
>>> list1 = [1, 2, 3, 4, 5]
>>> list1[::-1]
[5, 4, 3, 2, 1]
利用 in 和 not in 来去除列表中的重复数据
>>> old_list = [1,2,3,4,4,4,5]
>>> new_list = []
>>> for each in old_list:
if each not in new_list:
new_list.append(each)
>>> print(new_list)
[1, 2, 3, 4, 5]
注意：in 和 not in 只能判断一个层次的成员关系，这跟 break 和 continue 语句只能跳出一个层次的循环是一个道理
元组
元组和列表的最大的区别：元组是只可读，不可写的。元组只可以被访问，不能被修改。
创建元组有以下两种方式：
tuple1 = (1, 2, 3, 4, 5)
tuple1_1 = (1, ) #只有一个元素的元组表示方法
tuple2 = 1, 2, 3, 4, 5
tuple2_2 = 1, #只有一个元素的元组表示方法
可以看出在元组中小括号的作用只是补充作用，逗号才是表面这个变量是元组的关键。看下例：
>>> 8 * (8)
64
>>> 8 * (8, )
(8, 8, 8, 8, 8, 8, 8, 8)
更新元组的方法
由于元组是只读的，要更新元组中的元素就需要用到比较灵活的技巧，可以使用切片和拼接的方法来更新元组。
>>> tuple1 = ('apple', 'pear', 'orange')
>>> tuple1 = (tuple1[0], 'banana') + tuple1[2:]
>>> tuple1
('apple', 'banana', 'orange')
>>> tuple1 = ('apple', 'pear', 'orange')
>>> tuple1 = (tuple1[0], 'banana') + tuple1[1:]
>>> tuple1
('apple', 'banana', 'pear', 'orange')
注意：
1.覆盖原来的元素还是要插入新元素的写法区别；
2.修改前后的元组的id值会发生变化，并非同一个对象，实际上旧的元组还在，只不过是变量名指向新的元组了；
3.删除元组中的元素亦是用上述方法。
字符串
所有涉及字符串修改的方法，并不是修改原字符串，而是返回字符串修改后的一个拷贝。
- 拼接字符串的几种方法
- 简单字符串连接时，直接用加号 + ，例如：
full_name = prefix + name ; - 复杂的，尤其是有格式化需求时，使用格式化操作符 % 进行格式化连接，例如 ：
result = "result is %s:%d" % (name, score);
>>> str1 = "SHADOW"
>>> str2 = 666
>>> "%s %d" % (str1, str2)
'SHADOW 666'
- 当有大量字符串拼接，尤其是发生在循环体内部时，使用字符串的 join() 方法最适合，例如：
result = "".join(itertor)
>>> countries = ['China', 'America', 'Canada', 'Japan', 'Russia']
>>> while i < 5:
... result = "-".join(countries[i])
... i += 1
...
>>> print(result)
China-America-Canada-Japan-Russia
==在字符串前加字母 r ，可以告诉编译器这个string是raw string，不要进行转义。可用于写打开路径和其他规避反斜杠转义的场景。==
>>> s - r'\tt'
>>> print(s)
\tt
>>> s = '\tt'
>>> print(s)
t
函数
收集参数
当实参的个数不确定，在定义函数的时候，形参可以设定为收集参数，即在参数前面加星号 * 即可。
>>> def test(*params):
... print("有%d个参数" % len(params))
... print("第二个参数是：", params[1])
...
>>> test('W', 'L', 'D')
有3个参数
第二个参数是： L
==收集参数的原理就是Python把标志为收集参数的参数们打包成一个元组。==
综上，可以把收集参数理解为将多个参数打包成一个元组的形式进行存储；
若是把星号 * 用在实参中，则可以起到解包的作用。
>>> num = (1, 2, 3, 4)
>>> print(*num)
1 2 3 4
>>> print(num)
(1, 2, 3, 4)
>>> name = "WLD"
>>> print(*name)
W L D
>>> list1 = [1, 2, 3, 4, 5]
>>> print(*list1)
1 2 3 4 5
全局变量
Python使用屏蔽（shadowing）的手段对全局变量进行保护：一旦某个函数内部试图修改全局变量的值，则Python会在该函数内部创建一个名字与全局变量一模一样的局部变量来做代替，这样下来使得修改结果只会影响到局部变量而不会影响到全局变量。
但是，若是想强行在函数内修改全局变量，可以用 global 关键字，具体操作如下：
#不用global关键字的情况
>>> count = 5
>>> def myFun():
... count = 10
... print(count)
...
>>> myFun()
10
>>> count
5
#用global关键字的情况
>>> def myFun():
... global count
... count = 10
... print(count)
...
>>> myFun()
10
>>> count
10
内嵌函数和闭包
内嵌函数：Python的函数定义支持嵌套，内部函数的整个作用域都在外部函数之内。
>>> def fx(x):
... def fy(y):
... return x * y
... return fy
...
>>> temp = fx(8)
>>> temp(5)
40
>>> temp(6)
48
>>> temp = fx(5)
temp(5)
25
在调用嵌套函数时，如上述代码所示，必须先调用外部函数，之后再调用内部函数。temp的值第一次传给形参x，第二次传给形参y。这段代码同时也是一个闭包的例子。
闭包：Python中的闭包从表现形式上定义为——如果在一个内部函数里，对在外部作用域但不是全局作用域的变量进行引用（简言之就是再嵌套函数的环境下，内部函数引用了外部函数的局部变量而不是全局变量），那么内部函数就被称为闭包。
因为闭包的概念是由内部函数而来，所以不能在外部函数以外的地方对内部函数进行调用。
装饰器
Python中装饰器（decorator）的功能时将被装饰的函数当作参数传给与装饰器对应的函数（名称相同的函数），并返回包装后的被装饰的函数。
示例：
def log(func):
def wrapper(*params):
print("开始调用eat()函数。。。")
func(*params)
print("结束调用eat()函数。。。")
return wrapper
def eat(*params):
print(' and '.join(params), '开始吃了')
eat = log(eat)
eat("wld", "tom", "peter")
输出结果：
开始调用eat()函数。。。
wld and tom and peter 开始吃了
结束调用eat()函数。。。
log(eat)将eat作为参数传给了log()，由于wrapper()时log()的闭包，所以它可以访问log()的局部变量func，也就是刚刚传进来的eat，执行func()和执行eat()的效果一样。既没有修改eat()函数里面的逻辑结构，也不会给主程序带来太多干扰项。
但是eat = log(eat) 的表述方式比较别扭，所以采用Python中特别的“@语法糖” 来解决。
示例如下：
def log(func):
def wrapper(*params):
print("开始调用eat()函数。。。")
func(*params)
print("结束调用eat()函数。。。")
return wrapper
@log
def eat(*params):
print(' and '.join(params), '开始吃了')
eat("wld", "tom", "peter")
输出的结果和上一段代码是一样的。
同时还存在着多重装饰：
@buffer
@performance
@log
def eat(*params):
print(' and '.join(params), '开始吃了')
以上代码相当于 buffer(performance(log(eat))) 的效果。
递归实现汉诺塔算法
def hanoi(n, x, y, z):
if n == 1:
print(x, '->', z) # 如果只有一层，直接从x移到z
else:
hanoi(n-1, x, z, y) # 将前n-1个盘子从x移到y上，借助z
print(x, '->', z) # 将最底下的盘子从x移到z上
hanoi(n-1, y, x, z) # 将y上的盘子移到z上
n = int(input('请输入汉诺塔层数：'))
hanoi(n, 'X', 'Y', 'Z')
输出结果：
请输入汉诺塔层数：4
X -> Y
X -> Z
Y -> Z
X -> Y
Z -> X
Z -> Y
X -> Y
X -> Z
Y -> Z
Y -> X
Z -> X
Y -> Z
X -> Y
X -> Z
Y -> Z
字典和集合
字典
字典是Python中唯一的映射类型。字典由“键”和“值”组成，每一对键值组合称为“项”。
字典的键必须独一无二，但值则不必。键和值的数据类型必须是不可变的，可以是字符串、数、元组等，但不能是列表。
以下几种创建字典的方式达到的效果是一样的：
>>> a = dict(one=1, two=2, three=3)
>>> b = {'one': 1, 'two': 2, 'three': 3}
>>> c = dict(zip(['one', 'two', 'three'], [1, 2, 3]))
>>> d = dict([('two', 2), ('one', 1), ('three', 3)])
>>> e = dict({'three': 3, 'two': 2, 'one': 1})
>>> a == b == c == d == e
True
注意：dict() 函数的参数应当是一个序列（但不能是多个），所以要打包成一个元组（或列表）序列。
在访问字典时，应当访问字典中的键，字典返回与该键对应的值。若是键不在映射内，则抛出KeyError。
>>> a['one']
1
>>> a[1]
Traceback (most recent call last):
File "<input>", line 1, in <module>
KeyError: 1
>>> a['1']
Traceback (most recent call last):
File "<input>", line 1, in <module>
KeyError: '1'
与序列相别，字典时不支持拼接操作（+） 和重复操作（*）的。
字典类型的数据也可以用于参数传递，用两个星号（**）表示的收集参数，代表将参数打包成字典的形式。
示例：
>>> def test(**params):
... print("有%d个参数" % len(params))
... print("它们分别是:", params)
...
test(a=1, b=2, c=3, d=4)
有4个参数
它们分别是: {'a': 1, 'b': 2, 'c': 3, 'd': 4}
一样的道理，实参加上两个星号（**），就代表解包。
集合
如果用大括号括起一堆数字但不体现出映射关系，则Python将这堆数据认为是一个集合而不是映射。
>>> num1 = {} # 字典
>>> type(num1)
<class 'dict'>
>>> num2 = {1, 2, 3, 4} # 集合
type(num2)
<class 'set'>
集合中的所有数据是唯一的，集合会自动删除重复的数据，但是集合也是无序的， 所以不能试图去索引集合中的某一个元素。
>>> num2 = {1, 2, 3, 3, 4, 4, 5}
>>> num2
{1, 2, 3, 4, 5}
>>> num2[1]
Traceback (most recent call last):
File "<input>", line 1, in <module>
TypeError: 'set' object is not subscriptable
虽然不可以用下标来访问集合，但是可以用迭代把集合中的数据一个个读出来。
>>> for each in num2:
... print(each,end = ' ')
...
1 2 3 4 5
也可以用 add() 的方法向集合中添加元素，remove() 来删除元素。
>>> num2.add(6)
>>> num2
{1, 2, 3, 4, 5, 6}
>>> num2.remove(6)
>>> num2
{1, 2, 3, 4, 5}
frozenset() 函数可以让集合变成不可变集合，若在你需要集合是只读状态时可用到。
>>> set1 = frozenset({1, 2, 3, 4})
>>> set1.add(5)
Traceback (most recent call last):
File "<input>", line 1, in <module>
AttributeError: 'frozenset' object has no attribute 'add'
文件存储
打开文件
使用内置函数 open() 来打开文件。函数原型如下：
open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)
作为初学者只需要了解第一、二个参数即可。第一个参数为文件的路径，若不明确指明则在当前文件夹中寻找；第二个参数为打开方式，具体如下表：
| 打开方式 | 执行操作 |
|---|---|
| 'r' | 以只读方式打开（默认） |
| 'w' | 以写入方式打开，会覆盖已存在的文件 |
| 'x' | 如果文件已存在，使用次模式打开会发生异常 |
| 'a' | 以写入方式打开，如果文件存在，则在文件末尾追加写入 |
| 'b' | 以二进制方式打开文件 |
| 't' | 以文本模式打开（默认） |
| '+' | 可读写模式（可添加到其他模式中使用） |
| 'U' | 通用换行符支持 |
具体使用：
f = open("test_open.txt",'r')
注意：别忘了写第二个参数的单引号。
文件的关闭
close() 用于关闭文件，但是不同于C语言中文件的关闭十分重要，Python中有垃圾收集机制，会在文件对象的引用计数器降至零时自动关闭文件，所以在Python中忘记关闭文件并不会造成内存泄漏这种危险的结果。
但是依然需要养成关闭文件的习惯。
文件的读取和定位
read() 以字节为单位读取，如果不设参数，那么会全部读取出来，文件指针指向文件末尾。
readline() 在文件中读取一行，从文件指针的位置向后读，直到遇到换行符停止。
list() 把文件读入到列表中
>>> list(f)
['Help on built-in function open in module io:\n', "open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None)\n", ' Open file and return a stream. Raise OSError upon failure.\n', ' \n', ' file is either a text or byte string giving the name (and the path\n', " if the file isn't in the current working directory) of the file to\n", ' be opened or an integer file descriptor of the file to be\n', ' wrapped. (If a file descriptor is given, it is closed when the\n', ' returned I/O object is closed, unless closefd is set to False.)']
还可以使用迭代来读取：
>>> f.seek(0,0)
0
>>> for each in f:
... print(each)
tell() 告诉当前指针位置。
seek(offset,from) 表示从from（0代表文件起始位置，1代表当前位置，2代表文件末尾）偏移offset个字节。所以
seek(0,0)就是回到文件头。
文件的写入
write() 写入的数据需要是字符串类型的数据。
f = open("test_open.txt", 'a')
f.write("hello hello hello\n")
18
==write() 可用的前提是文件是以 'w' 或者 'a' 方式打开的，牢记 'w' 方式打开后写入会覆盖源文件，'a' 方式打开才是在文件末尾追加。==
建议回顾一下书的 P107。
+++
异常处理
Python抛出的错误类型
-
AssertionError ：断言语句失败，程序测试中使用到。
>>> assert 3 > 4 Traceback (most recent call last): File "<input>", line 1, in <module> AssertionError
-
AttributeError ：尝试访问未知对象属性。
>>> list_a = [] >>> list_a.hello Traceback (most recent call last): File "<input>", line 1, in <module> AttributeError: 'list' object has no attribute 'hello'
-
IndexError :索引超出序列范围。
>>> list_a = [1, 2, 3] >>> list_a[3] Traceback (most recent call last): File "<input>", line 1, in <module> IndexError: list index out of range
-
KeyError ：字典中查找一个不存在的关键字。
>>> dict_a = {'one':1, 'two':2, 'three':3} >>> dict_a['one'] 1 >>> dict_a['four'] Traceback (most recent call last): File "<input>", line 1, in <module> KeyError: 'four'
-
NameError ：尝试访问一个不存在的变量。
>>> list_b Traceback (most recent call last): File "<input>", line 1, in <module> NameError: name 'list_b' is not defined
- OSError ：操作系统产生的异常。例如打开一个不存在的文件就会引发 FileNotFoundError 的异常，而这个FileNotFoundError 就是 OSError。
- SyntaxError :Python语法错误。
-
TypeError ：不同类型间的无效操作。
>>> 1 + '1' Traceback (most recent call last): File "<input>", line 1, in <module> TypeError: unsupported operand type(s) for +: 'int' and 'str'
- ZeroDivisionError ：除数为零。
异常捕获
可以用 try 语句来捕获异常，任何出现在 try 语句范围内的异常都会被及时捕获到。try 语句有两种形式，try-except 、try-finally 。
-
try-except 语法结构：
try: 检测范围 except Exception[as reason]: 出现异常（Exception）后的处理代码例子：打开一个不存在的文件，抛出错误
try: f = open('不存在的文件.txt') print(f.read()) f.close() except OSError: print('打开文件出错') 输出结果： E:\python_code\venv\Scripts\python.exe E:/python_code/rookie_test.py 打开文件出错而从程序员的角度来看，导致OSError异常的原因可以有很多（FileNotFoundError、FileExistsError等），所以可以用 as 把具体的错误信息打印出来，修改如下：
try: f = open('不存在的文件.txt') print(f.read()) f.close() except OSError as reason: print('打开文件出错,错误原因是：' + str(reason)) 输出结果： E:\python_code\venv\Scripts\python.exe E:/python_code/rookie_test.py 打开文件出错,错误原因是：[Errno 2] No such file or directory: '不存在的文件.txt'
针对不同异常设置多个except
一个 try 语句可搭配多个 except 语句，分布对感兴趣的异常进行处理：
try:
...
except OSError as reason:
print("...")
except TypeError as reason:
print("...")
对多个异常统一处理
except 后面可以跟多个异常，然后对它们进行统一处理：
try:
...
except (OSError, TypeError):
print("...")
捕获所有异常
若是无法确定要对哪一类的异常进行处理，只是希望 try 语句里一旦出现任何异常，就抛出一个用户“看得懂”的提醒，则可以以如下方式写：
...
except:
print("...")
==注意：try 语句范围内一旦出现异常，剩下的语句将不会执行。==
-
try-finally
try: f = open("nobody.txt") print(f.read()) sum = 1 + '1' f.close() except: print('Error')若是真的存在 nobody.txt 这个文件，那么当运行到
sum = 1 + '1'的时候就会尝试 TypeError，从而直接跳到 except 语句，没执行f.close()。为了让程序有保险性质的收尾工作（如在程序崩溃前保存用户文档），则需要用到finally语句。try: f = open("nobody.txt") print(f.read()) sum = 1 + '1' except: print('Error') finally: f.close()try 语句中若是未碰到任何错误，则会跳过 except 语句来执行 finally 语句；若 try 语句中有错误，则会跳到 except 语句执行异常处理，之后再执行 finally 语句中的代码。
以上代程序也可以用 with 来改进：
try: with open("nobody.txt") as f: for each in f: print(each) except: print("Error")==with 语句可以大大减少代码量，也可以自动帮助关闭文件。==
+++
类和对象
创建和使用类
class Dog():
"""一次模拟小狗的简单尝试"""
def __init__(self, name, age):
"""初始化属性name和age"""
self.name = name
self.age = age
def sit(self):
"""模拟小狗被命令时蹲下"""
print(self.name.title() + " is now sitting.")
def roll_over(self):
"""模拟小狗被命令时打滚"""
print(self.name.title() + " rolled over!")
Python中规定： 类名用大写字母开头、函数名用小写字母开头，便于区分。
对象=属性+方法
类中的函数称为方法 ；你前面学到的有关函数的一切都适用于方法，就目前而言，唯一重要的差别是调用方法的方式。第四行处的方法__init__()是一个特殊的方法，==每当你根据Dog 类创建新实例时，Python都会自动运行它==。在这个方法的名称中，开头和末尾各有两个下划线，这是一种约定，旨在避免Python默认方法与普通方法发生名称冲突。
我们将方法__init__()定义成了包含三个形参：self 、name 和age 。在这个方法的定义中，形参self 必不可少，还必须位于其他形参的前面。为何必须在方法定义中包含形参self 呢？
因为Python调用这个__init__()方法来创建Dog 实例时，将==自动传入实参self==。每个与类相关联的方法调用都自动传递实参self ，它是一个指向实例本身的引用，让实例能够访问类中的属性和方法。我们创建Dog 实例，Python将调用Dog 类的方法init() 。==我们将通过实参向Dog() 传递名字和年龄；self 会自动传递，因此我们不需要传递它==。每当我们根据Dog 类创建实例时，都只需给最后两个形参（name 和age ）提供值。（其实self就相当于c语言力都this指针）
第9、13行处定义的两个变量都有前缀self 。以self 为前缀的变量都可供类中的所有方法使用，我们还可以通过类的任何实例来访问这些变量。self.name = name 获取存储在形参name 中的值，并将其存储到变量name 中，然后该变量被关联到当前创建的实例。self.age = age 的作用与此类似。像这样可通过实例访问的变量称为属性 。
创建示例和访问属性
my_dog = Dog('willie', 6)
print("My dog's name is " + my_dog.name.title() + ".")
print("My dog is " + str(my_dog.age) + " years old.")
在第1行，我们让Python创建一条名字为'willie' 、年龄为6 的小狗。遇到这行代码时，Python使用实参'willie' 和6 调用Dog 类中的方法__init__()。方法__init__() 创建一个表示特定小狗的示例，并使用我们提供的值来设置属性name 和age 。
==方法__init__()并未显式地包含return 语句，但Python自动返回一个表示这条小狗的实例==。我们将这个实例存储在变量my_dog 中。在这里，命名约定很有用：我们通常可以认为首字母大写的名称（如Dog ）指的是类，而
小写的名称（如my_dog ）指的是根据类创建的实例。
第2、3行中的my_dog.name和my_dog.age是访问my_dog中的属性。Python先找到实例my_dog ，再查找与这个实例相关联的属性name、age。（title()的作用是将name属性中的字母改为首字母大写）
调用方法
my_dog.sit()
my_dog.roll_over()
要调用方法，可指定实例的名称（这里是my_dog ）和要调用的方法，并用句点分隔它们。遇到代码my_dog.sit() 时，Python在类Dog 中查找方法sit() 并运行其代码。
修改属性的值的方法
类中的每个属性都必须有初始值，哪怕这个值是0或空字符串。在有些情况下，如设置默认值时，在方法__init__()内指定这种初始值是可行的；如果你对某个属性这样做了，就无需包含为它提供初始值的形参。
下面来添加一个名为odometer_reading的属性，其初始值总是为0。我们还添加了一个名为read_odometer()的方法，用于读取汽车的里程表：
class Car():
def __init__(self, make, model, year):
"""初始化描述汽车的属性"""
self.make = make # 制造商
self.model = model # 型号
self.year = year # 年份
self.odometer_reading = 0 # 行驶里程
def get_descriptive_name(self):
--snip--
def read_odometer(self):
"""打印一条指出汽车里程的消息"""
print("This car has " + str(self.odometer_reading) + " miles on it.")
my_new_car = Car('audi', 'a4', 2016)
print(my_new_car.get_descriptive_name())
my_new_car.read_odometer()
在_init()_中将odometer_reading的默认值设定为0 。
可以以三种不同的方式修改属性的值：直接通过实例进行修改；通过方法进行设置；通过方法进行递增（增加特定的值）。
-
直接通过实例进行修改，如下面第7行所示
class Car(): --snip-- my_new_car = Car('audi', 'a4', 2016) print(my_new_car.get_descriptive_name()) my_new_car.odometer_reading = 23 my_new_car.read_odometer()
-
通过方法进行设置，设置一个新的方法
update_odometer来更新odometer_reading的值class Car(): --snip-- def update_odometer(self, mileage): """将里程表读数设置为指定的值""" self.odometer_reading = mileage my_new_car = Car('audi', 'a4', 2016) print(my_new_car.get_descriptive_name()) my_new_car.update_odometer(23) my_new_car.read_odometer()
-
通过方法进行递增
class Car(): --snip-- def update_odometer(self, mileage): --snip-- def increment_odometer(self, miles): """将里程表读数增加指定的量""" self.odometer_reading += miles my_used_car = Car('subaru', 'outback', 2013) print(my_used_car.get_descriptive_name()) my_used_car.update_odometer(23500) my_used_car.read_odometer() my_used_car.increment_odometer(100) my_used_car.read_odometer()
继承
编写类时，并非总是要从空白开始。<u>如果你要编写的类是另一个现成类的特殊版本</u>，可使用继承 。一个类继承另一个类时，它将自动获得另一个类的所有属性和方法；<u>原有的类称为父类 ，而新类称为子类</u> 。子类继承了其父类的所有属性和方法，同时还可以定义自己的属性和方法。
子类的方法 _init()_
创建子类的实例时，Python首先需要完成的任务是给父类的所有属性赋值。为此，子类的方法__init__() 需要父类施以援手。
下面来模拟电动汽车。电动汽车是一种特殊的汽车，因此我们可以在前面创建的Car 类的基础上创建新类ElectricCar ，这样我们就只需为电动汽车特有的属性和行为
编写代码。
class Car():
"""一次模拟汽车的简单尝试"""
def __init__(self, make, model, year):
self.make = make
self.model = model
self.year = year
self.odometer_reading = 0
def get_descriptive_name(self):
long_name = str(self.year) + ' ' + self.make + ' ' + self.model
return long_name.title()
def read_odometer(self):
print("This car has " + str(self.odometer_reading) + " miles on it.")
def update_odometer(self, mileage):
if mileage >= self.odometer_reading:
self.odometer_reading = mileage
else:
print("You can't roll back an odometer!")
def increment_odometer(self, miles):
self.odometer_reading += miles
class ElectricCar(Car):
"""电动汽车的独特之处"""
def __init__(self, make, model, year):
"""初始化父类的属性"""
super().__init__(make, model, year)
my_tesla = ElectricCar('tesla', 'model s', 2016)
print(my_tesla.get_descriptive_name())
创建子类时，父类必须包含在当前文件中，且位于子类前面。我们定义了子类ElectricCar 。==定义子类时，必须在括号内指定父类的名称。==第28行，方法__init__() 接受创建Car 实例所需的信息。
第30行，super() 是一个特殊函数，帮助Python将父类和子类关联起来。这行代码让Python调用ElectricCar 的父类的方法__init__() ，让ElectricCar 实例包含父类的所有属性。父类也称为超类 （superclass），名称super因此而得名。
重写父类的方法
对于父类的方法，只要它不符合子类模拟的实物的行为，都可对其进行重写。为此，可在子类中定义一个这样的方法，即它与要重写的父类方法同名。这样，Python将不会考虑这个父类方法，而只关注你在子类中定义的相应方法。
假设Car 类有一个名为fill_gas_tank()的方法，它对全电动汽车来说毫无意义，因此你可能想重写它。下面演示了一种重写方式：
def ElectricCar(Car):
--snip--
def fill_gas_tank():
"""电动汽车没有油箱"""
print("This car doesn't need a gas tank!")
使用继承时，可让子类保留从父类那里继承而来的精华，并剔除不需要的糟粕。
将实例用作属性
使用代码模拟实物时，会出现给类添加的细节越来越多、属性和方法清单以及文件都越来越长的情况。在这种情况下，可能需要将类的一部分作为一个独立的类提取出来。可以将大型类拆分成多个协同工作的小类。
例如，不断给ElectricCar 类添加细节时，我们可能会发现其中包含很多专门针对汽车电瓶的属性和方法。在这种情况下，我们可将这些属性和方法提取出来，放到另一个名为Battery 的类中，并将一个Battery 实例用作ElectricCar 类的一个属性：
class Car():
--snip--
class Battery():
"""一次模拟电动汽车电瓶的简单尝试"""
def __init__(self, battery_size=70):
"""初始化电瓶的属性"""
self.battery_size = battery_size
def describe_battery(self):
"""打印一条描述电瓶容量的消息"""
print("This car has a " + str(self.battery_size) + "-kWh battery.")
class ElectricCar(Car):
"""电动汽车的独特之处"""
def __init__(self, make, model, year):
"""
初始化父类的属性，再初始化电动汽车特有的属性
"""
super().__init__(make, model, year)
self.battery = Battery()
my_tesla = ElectricCar('tesla', 'model s', 2016)
print(my_tesla.get_descriptive_name())
my_tesla.battery.describe_battery()
定义了一个名为Battery 的新类，它没有继承任何类。其中的方法__init__()除self 外，还有另一个形参battery_size 。这个形参是可选的：如果没有给它提供值，电瓶容量将被设置为70。方法describe_battery() 也移到了这个类中。
在ElectricCar 类中，我们添加了一个名为self.battery 的属性。这行代码让Python创建一个新的Battery 实例（由于没有指定尺寸，因此为默认值70 ），并将该实例存储在属性self.battery 中。每当方法·__init__() 被调用时，都将执行该操作；因此现在每个ElectricCar 实例都包含一个自动创建的Battery 实例。
模块
随着你不断地给类添加功能，文件可能变得很长，即便你妥善地使用了继承亦如此。为遵循Python的总体理念，应让文件尽可能整洁。为在这方面提供帮助，Python允许你将类存储在模块中，然后在主程序中导入所需的模块。
假设之前写的代码都存放在 car.py 文件中，现在需要在 my_car.py 文件中调用到之前写的类。
导入类
-
导入单个类：
from car import Car my_new_car = Car('audi', 'a4', 2016) print(my_new_car.get_descriptive_name()) my_new_car.odometer_reading = 23 my_new_car.read_odometer()
-
导入多个类：
from car import Car, ElectricCar my_beetle = Car('volkswagen', 'beetle', 2016) print(my_beetle.get_descriptive_name()) my_tesla = ElectricCar('tesla', 'roadster', 2016) print(my_tesla.get_descriptive_name())
导入整个模块
import car
my_beetle = car.Car('volkswagen', 'beetle', 2016)
print(my_beetle.get_descriptive_name())
my_tesla = car.ElectricCar('tesla', 'roadster', 2016)
print(my_tesla.get_descriptive_name())
在一个模块中导入另一个模块
有时候，需要将类分散到多个模块中，以免模块太大，或在同一个模块中存储不相关的类。将类存储在多个模块中时，你可能会发现一个模块中的类依赖于另一个模块中的类。
在这种情况下，可在前一个模块中导入必要的类。
下面将Car 类存储在一个模块中，并将ElectricCar 和Battery 类存储在另一个模块中。我们将第二个模块命名为electric_car.py （这将覆盖前面创建的文件electric_car.py），并将Battery 和ElectricCar 类复制到这个模块中：
electric_car.py
"""一组可用于表示电动汽车的类"""
from car import Car
class Battery():
--snip--
class ElectricCar(Car):
--snip--
car.py
"""一个可用于表示汽车的类"""
class Car():
--snip--
my_cars.py
from car import Car
from electric_car import ElectricCar
my_beetle = Car('volkswagen', 'beetle', 2016)
print(my_beetle.get_descriptive_name())
my_tesla = ElectricCar('tesla', 'roadster', 2016)
print(my_tesla.get_descriptive_name())
类编码风格
你必须熟悉有些与类相关的编码风格问题，在你编写的程序较复杂时尤其如此。
类名应采用驼峰命名法 ，即==将类名中的每个单词的首字母都大写，而不使用下划线。实例名和模块名都采用小写格式，并在单词之间加上下划线==。
对于每个类，都应紧跟在类定义后面包含一个文档字符串。这种文档字符串简要地描述类的功能，并遵循编写函数的文档字符串时采用的格式约定。每个模块也都应包含一个文档字符串，对其中的类可用于做什么进行描述。
可使用空行来组织代码，但不要滥用。在类中，可使用一个空行来分隔方法；而在模块中，可使用两个空行来分隔类。
需要同时导入标准库中的模块和你编写的模块时，先编写导入标准库模块的import 语句，再添加一个空行，然后编写导入你自己编写的模块的import 语句。在包含多条import 语句的程序中，这种做法让人更容易明白程序使用的各个模块都来自何方。
未完待续……
