Python函数查询
本平台致力于为开发者提供全面、精准、实用的Python函数查询服务。无论您是初学者还是资深工程师,都能在这里快速定位所需函数的定义、参数、返回值、典型用法及常见陷阱。我们不仅覆盖Python内置函数,还系统整理了标准库与主流第三方库的核心函数,结合真实场景示例与最佳实践,助您高效掌握Python函数查询核心技能。
作为Python函数查询领域的专业平台,我们坚持内容深度与实用并重:每个函数条目均包含参数详解、类型注解、返回值说明、行为边界、异常触发条件及性能特征。同时,我们特别关注新手易混淆点,如可变默认参数陷阱、闭包变量捕获、生成器惰性求值等,并通过对比表格、流程图、时序图等形式直观呈现差异。
平台所有内容均经多轮校验,确保与Python官方文档同步更新(当前支持Python 3.12),并融入社区实战经验。您可随时通过导航栏跳转至特定功能模块,所有页面均采用响应式设计,适配桌面端、平板与移动端设备。无论是在IDE中调试代码、阅读文档,还是准备技术面试,本平台都是您值得信赖的Python函数查询助手。
内置函数详解
Python内置函数是语言核心的一部分,无需导入即可直接使用。它们经过高度优化,掌握其使用技巧可显著提升代码质量与执行效率。以下精选高频内置函数,按功能分类详述。
数据转换与构造类
⚡ int():整数构造与进制转换
int(x=0, base=10) 将字符串、浮点数或其他数字类型转换为整数。当x为字符串时,base参数指定进制(默认10),支持2~36进制。注意:浮点数直接传入会截断小数部分(非四舍五入)。
>>> int("1010", 2) # 二进制字符串 → 十进制整数
10
>>> int("ff", 16) # 十六进制字符串
255
>>> int(-3.7) # 浮点数截断
-3
>>> int("1_000_000") # 下划线分隔符(Python 3.6+)
1000000
⚠️ 常见错误:传入非数字字符串(如int("12a"))会抛出ValueError;base仅对字符串有效,int(10, 2)会报错。
⚙️ list():列表构造与迭代器展开
list(iterable=()) 从可迭代对象创建列表。注意:对字符串调用list()会拆分为字符列表;对字典则仅获取键列表(需用.items()获取键值对)。
>>> list("abc")
['a', 'b', 'c']
>>> list({"x":1, "y":2}) # 仅键
['x', 'y']
>>> list(range(3, 8, 2)) # range对象展开
[3, 5, 7]
💡 实用技巧:用list(map(func, *iterables))替代列表推导式可提升可读性,尤其当func是内置函数时(如list(map(int, strings)))。
逻辑判断与聚合类
⚡ all()与any():全真与任真判断
二者均返回布尔值,支持任意可迭代对象:
all(iterable):当所有元素为真(或迭代器为空)时返回Trueany(iterable):当至少一个元素为真时返回True,空迭代器返回False
>>> all([True, 1, "non-empty"])
True
>>> any([False, 0, ""])
False
>>> all([]) # 空迭代器:全真(vacuous truth)
True
>>> any([]) # 空迭代器:无真 → 假
False
📌 关键点:空容器在all()中视为“全真”,在any()中视为“无真”,这是逻辑学中的空真性(vacuous truth),需特别注意。
⚙️ sum():数值累加与初始值
sum(iterable, /, start=0) 从start开始累加可迭代对象的元素。注意:浮点数累加可能导致精度误差,此时应使用math.fsum()。
>>> sum([1.1, 2.2, 3.3])
6.6000000000000005 # 累积误差
>>> import math
>>> math.fsum([1.1, 2.2, 3.3])
6.6 # 精确累加
⚠️ 不适用于字符串连接(应使用"".join()),因其时间复杂度为O(n²)。
排序与搜索类
⚡ sorted():稳定排序
sorted(iterable, *, key=None, reverse=False) 返回新列表,不修改原对象。key参数接收函数,用于提取比较键;reverse=True降序排列。
>>> data = [{"name":"Alice","age":30}, {"name":"Bob","age":25}]
>>> sorted(data, key=lambda x: x["age"])
[{'name':'Bob','age':25}, {'name':'Alice','age':30}]
💡 高级技巧:用functools.cmp_to_key()将比较函数转为key函数,支持复杂排序逻辑。
⚙️ enumerate():带索引遍历
enumerate(iterable, start=0) 返回枚举对象,每个元素为(index, value)元组。
# 传统写法
for i in range(len(items)):
print(i, items[i])
# 推荐写法
for i, item in enumerate(items):
print(i, item)
📌 实用场景:处理文件行号、生成带序号的报告等。
高阶函数类
⚡ map():映射转换
map(function, *iterables) 将函数应用于每个可迭代对象的元素,返回迭代器。注意:Python 3中map返回迭代器,需用list()显式转换。
>>> list(map(str.upper, ["a","b","c"]))
['A', 'B', 'C']
>>> list(map(lambda x,y: x+y, [1,2], [3,4]))
[4, 6]
⚠️ 当函数需多参数时,传入多个可迭代对象,map会并行迭代,以最短长度为准。
⚙️ filter():过滤筛选
filter(function, iterable) 保留使function(item)为真的元素。
>>> list(filter(lambda x: x>0, [-1,2,-3,4]))
[2, 4]
💡 等价于列表推导式:[x for x in iterable if function(x)],但filter更简洁且惰性求值。
标准库核心函数
Python标准库提供丰富模块,其函数设计遵循“开箱即用”原则。以下精选collections、itertools、functools等模块的高价值函数,展示其在数据处理中的强大能力。
容器类工具
collections模块扩展了内置容器类型:
Counter:统计可哈希对象的出现次数,返回字典子类deque:双端队列,支持O(1)头尾操作defaultdict:带默认值的字典
>>> from collections import Counter
>>> text = "abracadabra"
>>> Counter(text)
Counter({'a': 5, 'b': 2, 'r': 2, 'c': 1, 'd': 1})
>>> Counter(text).most_common(2)
[('a', 5), ('b', 2)]
📌 Counter支持集合运算:c1 + c2(元素计数相加)、c1 - c2(仅保留正计数差)、c1 & c2(最小值交集)、c1 | c2(最大值并集)。
itertools提供高效迭代器构造函数:
chain():串联多个迭代器groupby():按键分组(需先排序)permutations():排列组合
>>> from itertools import groupby
>>> data = [("A", 1), ("A", 2), ("B", 3), ("B", 4)]
>>> [(k, list(v)) for k, v in groupby(sorted(data), key=lambda x:x[0])]
[('A', [('A', 1), ('A', 2)]), ('B', [('B', 3), ('B', 4)])]
⚠️ groupby()仅对连续相同元素分组,使用前必须排序!
functools提供高阶函数工具:
lru_cache():LRU缓存装饰器partial():偏函数应用reduce():累积归约
>>> from functools import lru_cache
>>> @lru_cache(maxsize=128)
... def fib(n):
... return n if n<2 else fib(n-1)+fib(n-2)
>>> fib(100) # 高效计算
354224848179261915075
💡 lru_cache需参数可哈希,不适用于含列表/字典的参数。
时间与日期处理
⚡ datetime模块核心函数
datetime模块提供日期时间处理能力:
datetime.now():当前本地时间datetime.utcnow():当前UTC时间datetime.strptime():字符串转datetimedatetime.strftime():datetime转字符串
>>> from datetime import datetime, timedelta
>>> dt = datetime(2023, 10, 5, 14, 30)
>>> dt.strftime("%Y-%m-%d %H:%M:%S")
'2023-10-05 14:30:00'
>>> dt + timedelta(days=7)
datetime.datetime(2023, 10, 12, 14, 30)
📌 重要提示:时区处理应使用pytz或Python 3.9+的zoneinfo,避免datetime对象的隐式时区转换。
热门函数Top10
根据社区搜索量统计,以下函数为开发者最常查询对象。我们提供深度对比与实战建议。
1. list.append() vs list.extend()
append(x):添加单个元素x到末尾extend(iterable):将iterable中每个元素逐一添加
>>> a = [1, 2]
>>> a.append([3, 4])
>>> a
[1, 2, [3, 4]] # 嵌套列表
>>> a.extend([5, 6])
>>> a
[1, 2, [3, 4], 5, 6]
⚠️ 错误用法:误用append导致多层嵌套,引发后续处理异常。
2. dict.get() vs dict[key]
dict[key]:键不存在时抛KeyErrordict.get(key, default=None):键不存在时返回默认值
>> user = {"name":"Alice"}
>>> user["age"] # KeyError!
>>> user.get("age", 18) # 安全默认值
18
💡 实用技巧:用dict.setdefault(key, default)同时实现get与set功能。
3. str.split() vs str.partition()
split(sep=None, maxsplit=-1):按分隔符拆分为列表partition(sep):返回三元组(head, sep, tail)
>> "a,b,c".split(",")
['a', 'b', 'c']
>>> "a,b,c".partition(",")
('a', ',', 'b,c')
📌 场景选择:仅需第一个分隔部分时,partition更高效(避免创建整个列表)。
4. os.path.join():路径拼接
跨平台路径处理必备函数:
>>> import os
>>> os.path.join("data", "2023", "report.csv")
'data/2023/report.csv' # Linux/macOS
'\\data\\2023\\report.csv' # Windows
⚠️ 绝对路径需用os.path.abspath()或pathlib.Path。
5. with open():上下文管理器
文件操作最佳实践,确保资源自动释放:
with open("data.txt", "r", encoding="utf-8") as f:
content = f.read()
# 自动关闭文件
📌 支持对象:文件、锁、数据库连接等实现__enter__/__exit__的类。
6. enumerate():遍历索引
替代range(len(...))的优雅方案:
# 低效写法
for i in range(len(items)):
print(i, items[i])
# 推荐写法
for i, item in enumerate(items, start=1):
print(f"{i}. {item}")
7. sorted():稳定排序
多键排序示例(先按年龄升序,再按姓名降序):
users = [
{"name":"Bob","age":25},
{"name":"Alice","age":30},
{"name":"Charlie","age":25}
]
sorted(users, key=lambda x: (x["age"], -ord(x["name"][0])))
💡 更优方案:用operator.itemgetter提升可读性。
8. dict.setdefault():初始化计数
替代if key not in dict的简洁写法:
counts = {}
for word in words:
counts[word] = counts.get(word, 0) + 1 # 传统写法
# 更简洁
counts = {}
for word in words:
counts.setdefault(word, 0)
counts[word] += 1
📌 实际推荐:直接用Counter。
9. any(isinstance(x, T) for x in items):类型检查
检查列表中是否存在指定类型元素:
>>> any(isinstance(x, str) for x in [1, "a", 3.0])
True
⚠️ 注意:避免用in直接比较类型(str in items无效)。
10. functools.partial():参数预设
创建新函数,预设部分参数:
from functools import partial
from datetime import datetime
# 预设格式化函数
format_date = partial(datetime.strftime, fmt="%Y-%m-%d")
print(format_date(datetime.now())) # '2023-10-05'
函数使用模式
掌握常见函数使用模式可提升代码质量。以下总结高频设计模式及反模式。
装饰器模式
装饰器本质是接收函数并返回新函数的高阶函数,常用于日志、缓存、权限校验等场景:
def log_calls(func):
def wrapper(*args, **kwargs):
print(f"Calling {func.__name__} with {args}")
return func(*args, **kwargs)
return wrapper
@log_calls
def add(a, b):
return a + b
add(2, 3) # 输出调用日志
📌 核心要点:
- 用
@functools.wraps(func)保留原函数元数据 - 支持带参数装饰器需三层嵌套
生成器模式
生成器函数用yield返回值,实现惰性求值与内存优化:
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
# 生成前10项
fibs = [next(fib()) for _ in range(10)]
💡 优势:
- 避免一次性加载大列表
- 支持无限序列
- 与
itertools无缝集成
上下文管理器模式
通过__enter__和__exit__实现资源管理:
class Timer:
def __enter__(self):
self.start = time.time()
return self
def __exit__(self, exc_type, exc_val, exc_tb):
self.end = time.time()
print(f"Elapsed: {self.end - self.start:.2f}s")
with Timer():
time.sleep(1) # 计时块
📌 实用场景:数据库连接、文件操作、性能计时等。
常见陷阱解析
初学者常陷入以下函数使用陷阱,我们结合实例详细解析。
陷阱1:可变默认参数
默认参数在函数定义时求值,非调用时:
def add_item(item, lst=[]):
lst.append(item)
return lst
print(add_item(1)) # [1]
print(add_item(2)) # [1, 2]!非[2]!
✅ 正确写法:
def add_item(item, lst=None):
if lst is None:
lst = []
lst.append(item)
return lst
陷阱2:闭包变量捕获
循环中创建的闭包可能捕获错误变量:
funcs = []
for i in range(3):
funcs.append(lambda: i)
print([f() for f in funcs]) # [2, 2, 2]
✅ 正确写法(默认参数绑定):
funcs = []
for i in range(3):
funcs.append(lambda x=i: x)
print([f() for f in funcs]) # [0, 1, 2]
陷阱3:字典遍历修改
直接遍历时修改字典大小会抛RuntimeError:
d = {"a":1, "b":2, "c":3}
for k in d:
if k == "b":
del d[k] # RuntimeError!
✅ 正确写法(遍历键列表):
for k in list(d.keys()):
if k == "b":
del d[k]