python主要应用领域：Python

Python为了让代码具备高度的可阅读性，在设计时尽量使用了其它语言常用的符号和英文单字。Python支持使用反斜杠作为行接续符，将多个物理行合成为一个逻辑行。在圆括号、方括号或花括号之中的表达式，可以分裂跨越多于一个物理行而不使用反斜杠，这被称为“隐式行接续”。注释开始于并非字符串文字一部分的一个井号#，并结束于物理行结尾；注释标示逻辑行的结束，除非已受制于隐式行接续规则；注释在语法上被忽略。简单语句包含在一个单一的逻辑行之内，Python支持使用分号作为分隔符，将多个简单语句合并入语法意义上的一行之中

。

Python语法中的复合语句，包含（成组的）其他语句；它们以某种方式影响或控制这些其他语句的执行。Python的复合语句包含一个或多个子句（clause），子句构成自一个头部（header）和一个包（suite）。特定复合语句的子句头部都在同样的缩排层级上，每个子句头部开始于一个唯一标识关键字，并结束于一个冒号。包是这个子句所控制的一组语句，包有两种形式，可以是与头部在同一行上的一个或多个由分号分隔的简单语句，它们跟随在这个头部的冒号之后；或者是在后续诸行上的一个或多个缩排的语句，只有这种包形式可以包含嵌套的复合语句

。

缩进

Python语言遵循越位规则，利用缩进来形成语句包，即语法意义上的块。连续诸行的缩排层级，被用来生成语法解析器才能见到的INDENT和DEDENT记号

，二者的作用相当于C语言家族的花括号，或Pascal语言家族的关键字begin和end。增加缩进就生成INDENT记号，减少缩进就生成DEDENT记号。根据PEP 8的规定，使用4个空格来表示每级缩进。tab字符（从左至右）被替代为1至8个空格，使得直到tab之前的诸字符加上这些替代空格的字符总数，是8的倍数（这意图同于Unix所用规则）。前导于第一个非空白字符的空格的总数，确定了这一行的缩排层级。缩排所用诸字符，不能使用反斜杠来拆分成多个物理行；直到第一个反斜杠之前的空白确定缩排层级。如果源代码文件混合了tab和空格，并且在这种方式下缩排的意义依赖于一个tab相当于多少个空格，则这种缩排因不一致性而被报错并拒绝

。

关键字

Python有如下35个关键字；它们不能用作标识符

：

• and
• as
• assert
• async
• await

• break
• class
• continue
• def
• del

• elif
• else
• except
• False
• finally

• for
• from
• global
• if
• import

• in
• is
• lambda
• None
• nonlocal

• not
• or
• pass
• raise
• return

• True
• try
• while
• with
• yield

内建常量True、False和None于Python 3.0中成为关键字，关键字nonlocal介入于Python 3.0

，关键字async和await介入于Python 3.5，并在Python 3.7中成为正式关键字

。

标识符match、case和通配符_介入于Python 3.10，它们在与模式匹配语句有关的上下文中，可以在语法上充当关键字；但是这种区分只在语法解析器层次进行，并非在词法分析记号化层次。在Python中，只在特定上下文中保留的这种标识符，叫做“软关键字”

。

标识符

标识符就是名字，在ASCII范围内（U 0001..U 007F），可用于标识符的字符为：大写字母A至Z和小写字母a至z，下划线_以及数字0至9，但首字不可以用数字。如下命名约定

，是为“保留标识符类”

：

• _spam（单下划线开头）：弱“内部使用”标识。对于from M import *，将不导入所有以下划线开头的对象。
• spam_（单下划线结尾）：为了避免与python关键字的命名冲突。
• __spam（双下划线开头）：在命名一个类特性的时候，采用名字修饰，比如在类SpamEggs内，__spam将变成_SpamEggs__spam

• 。
• __spam__（双下划线开头双下划线结尾）：指那些包含在用户控制的命名空间中的“魔术”方法或特性，比如__delattr__、__dir__、__doc__、__getattribute__、__init__、__new__、__repr__、__setattr__、__sizeof__等。建议永远不要将这样的命名方式应用于自己的变量或函数。

在Python文献中经常使用的元语法变量是spam和eggs而非传统的foo和bar

。

语句

Python的语句包括简单语句：

• 赋值语句，记号为等号=。赋值语句被用来将名字绑定（含重新绑定）到值，以及用来修改可变对象的特性或项目。Python还支持增广赋值语句

，将一个二元运算和一个赋值语句合并成一个单一语句，例如x = 1。Python支持“序列解包”（sequence unpacking）：在等号左侧可以是一个表达式列表，其中每个表示式都可求值成能被赋值的东西（变量、可写特性等）；在等号右侧相应的是一个“可迭代”对象，它在被迭代时产生的值的数量，同于左手侧可写表达式的数量；赋值语句对这个对象进行迭代，将产生的每个值分别赋值给左侧对应的可赋值者。在等号右侧直接包装出序列解包所要求的元组，就形成了并行赋值，可以同时给多个变量赋值，还可以交换两个变量的值。

表达式语句，用来交互式的计算并写出一个值，或者用来调用一个过程（即返回无含义结果的函数），在Python中过程返回值None。

global语句，是在整个当前代码块中成立的声明，它意味着随后列出的标识符被解释为全局变量。

nonlocal语句，导致随后列出的标识符，提及在除了全局作用域之外的最近包围作用域中的先前绑定变量。

pass语句，充当NOP，表示此行为空，不执行任何操作。

assert语句，用于编程调适阶段时测试执行条件是否满足。

continue语句，越过这次迭代并继续进行下个项目。

break语句，从循环中跳出。

return语句，用来从函数返回值。当函数执行到return语句时，它会停止执行并将指定的值返回给调用者。

raise语句，抛出一个异常。

yield语句，使用它从一个生成器中返回一个值。在版本2.5之前，信息只能单向的从生成器传递出来。

自此版本2.5，重定义yield为表达式，通过它的返回值将信息传递进入生成器函数中，从而能够支持协程功能。自从版本3.3，提供了yield from语句，含有这个语句的“委托生成器”将其部分运算委托给另一个“子生成器”，将传入信息递送给它并直接回传它产生的值。yield语句在语义上等价于加圆括号的yield表达式。版本3.4在异步I/O框架中扩展了基于生成器的协程，这个扩展自从Python 3.8已经被弃用。版本3.6介入了异步生成器

。

import语句，导入一个模块或包，它组合了两种操作，查找指名的模块，接着将找到的结果绑定到在局部作用域中的名字。导入语句有三种形式：import 模块名字 [as 别名]，找到一个模块，装载它，如果有需要的话初始化它；在这个导入语句出现的作用域的局部命名空间中，定义一个名字或一些名字

。from 模块名字 import 定义1 [as 别名1], 定义2 [as 别名2], ...，找到、装载、必需时初始化一个模块；接着在局部命名空间中，增加到找到指名特性的引用。（这二个语句示例中的方括号表示其中内容为可选的。）from 模块名字 import *，在导入语句出现的作用域的局部命名空间中，绑定模块中定义的所有公开的名字

• 。
• del语句，递归的进行删除。

复合语句：

• if语句，当条件成立时执行语句包。它经常包含elif、else子句。
• while语句，当条件为真时，重复执行语句包。
• for语句，遍历列表、字符串、字典、集合等迭代器，依次处理迭代器中的每个元素。
• match语句，用于模式匹配。
• try语句，它经常包含except、else、finally子句，处理在编程执行中出现的异常情况。Python支持并广泛使用异常处理，作为检测错误状况和程序中其他“异常”事件的方式，并提倡在可能出现错误状况的任何时候都使用异常。习惯上访问一个文件或资源不在使用之前进行测试，而是先行尝试使用它，再捕获访问被拒绝引发的异常。

with语句，把一块代码包裹在一个上下文管理器之内。它允许了资源获取即初始化（RAII）式行为，可替代常见的try/finally惯用法。Python使用with语句处理资源，在进入一个作用域的时候调用一个函数，而在离开它的时候调用另一个函数，例如：在一块代码执行之前获取一个锁，并且在此后释放这个锁；或事先打开一个文件，并且事后关闭它。

class语句，是定义类的可执行语句。类的继承列表给出基础类列表，没有继承列表的类，缺省继承基础类object。类的包接着在新的执行框架（frame）中执行，它使用新建的局部命名空间和原来的全局命名空间。当这个类包完成执行之时，丢弃它的执行框架并保存它的局部命名空间。一个类对象接着被创建，其基础类采用继承列表，其特性字典采用保存的局部命名空间。类名字接着在原来的局部命名空间中，被绑定到这个类对象。

def语句，是定义函数和方法的可执行语句。它的执行在当前局部命名空间中，将函数名字绑定到一个函数对象（对函数的可执行代码的包装器）。这个函数对象包含到当前全局命名空间的引用，作为调用这个函数时使用的全局命名空间。

async def语句，用于协程函数定义。await表达式、async for语句和async with语句，只能用在协程函数的主体中。

模块是包含Python定义和语句的一个文件，这个文件名字是模块名字附加上后缀.py；在一个模块中，模块的名字（作为字符串）可获得为全局变量__name__的值。内建globals()函数，返回实现当前模块命名空间的字典。内建dir()函数，在无参数时，返回在当前局部作用域内的名字列表；在有一个参数时，尝试返回这个对象的有效特性的列表。包（package）是可以包含子模块或递归的子包的模块。包在技术上是具有__path__特性的Python模块。可以将包视为文件系统上的目录，而将模块视为这种目录中的文件，但是包和模块不必然源自文件系统

。

Python程序构造自代码块。代码块是作为一个单元执行的Python程序文本。模块、函数主体和类定义都是块。交互式键入的每个命令都是块。脚本文件和脚本命令是代码块。__main__是顶层代码运行所在的环境。“顶层代码”是启动运行的首个用户指定Python模块。从命令行使用-m参数，作为顶层脚本运行的模块（作为模块__main__）也是代码块。此时__name__变量被设置为"__main__"，在这个模块中可籍此增加直接运行时候执行的代码

。传递给内建函数eval()和exec()执行的字符串是代码块。

在Python中赋值所进行的操作，是将一个名字绑定为到一个分立的动态分配的对象的一个引用。名字是通用的引用持有者，它不关联于一个固定的数据类型，但是，一个名字在给定时间，总是被绑定到有一个类型的某个对象上，这就是动态类型的特征。名字的存储位置不“包含”所指示的值，一个共同的值可以赋值给多个名字，一个名字在任何时候，都可以重新绑定到各种不同类型的对象上，包括字符串、过程、具有数据和方法的复杂对象等。

除了在块中出现的每个赋值语句或导入语句之外，下列构造也绑定名字：给函数的形式参数、类定义、函数定义、赋值表达式、在for语句头部中和各种as关键字之后的标识符目标（target），as关键字出现在import语句、with语句、except子句、except*子句和结构式模式匹配的as模式之中。如果一个名字绑定在一个块中，它是这个块的局部变量，除非被声明为nonlocal或global。如果一个名字绑定在模块层次，它是全局变量；模块代码块的变量，既是局部的也是全局的。如果一个变量使用在一个代码块中，却不定义在这里，它是自由变量

。

作用域定义一个名字在一个块中的可见性。如果一个局部变量被定义在一个块中，它的作用域包括这个块。如果这个定义出现在一个函数块中，作用域扩展到在所界定作用域内包含的任何块，除非所包含的块为这个名字介入了不同的绑定。当一个名字在一个代码块之中使用，它采用最近包围作用域来解析。对一个代码块可见的所有这种作用域的集合，叫做这个这个块的“环境”

。如果一个名字绑定在一个块中，并且在其中于绑定之前就被使用，会导致一个错误。如果global语句出现在一个块之中，在这个语句中指定的所有名字，提及在顶层命名空间中这些名字的绑定。名字在顶层命名空间解析，首先查找全局命名空间，即包含这个代码块的模块的命名空间；未果查找内建命名空间，即模块builtins的命名空间。global语句与在同一个块中的名字绑定运算有同样的作用域。如果一个自由变量的最近包围作用域包含它的一个global语句，这个自由变量被当作全局的。 nonlocal语句导致相应的名字，提及在最近包围函数作用域内的先前绑定变量（即非局部变量）。

表达式

Python中很多表达式与C语言和java类似，而另一些则与之不同。

• 在Python中，算术运算的加法 、减法-、乘法*和取模%是与C语言和java相同的，但是除法的行为不同。在Python中有两种除法，它们是下取整除法（或整数除法）//和浮点除法/。Python增加了指数算符**。自从Python 3.5，介入了矩阵乘法算符@

，它已经用于了NumPy库

• 。

• 在Python中，有如下必须用于整数的位运算：&与（AND），|或（OR），~非（NOT），^异或（XOR），>>右移, <<左移。

• 在Python中，有如下比较运算：大于>，小于<，等于==，不等于!=，小于等于<=，大于等于 >=。==按值比较。Python的is、is not算符可以用来比较对象的同一性（按引用比较），也就是比较两个变量是否引用了同一个对象。而in、not in用于判断一个对象是否属于另外一个对象。在Python中，比较是可以链接起来的

• ，比如a < b < c。

• Python使用and、or、not表示逻辑运算与、或、非，不采用C语言和Java中所用的符号&&、||、!。

• 在Python中，由逗号,分隔的一组表达式，叫做表达式列表。Python为构造列表、字典或集合，提供了叫做“显示”的特殊语法，它们每个都有两种方式：包容内容要么显式列举出来；要么通过一组循环和过滤指令计算而来，这叫做“推导式”。列表显示是包围在方括号中的可以为空的一系列表达式，一个例子列表可写为[1,2,3]。字典显示是包围在花括号中的可能为空的一系列的键/数据项对。集合显示用花括号来指示，与字典显示的区别是缺少分隔键与值的分号

。自从Python 3.5，增加了在表达式列表中的“可迭代解包”*，和在字典显示中的“字典解包”**。

Python支持列表推导式。

Python 2.4将列表推导式扩展至更一般性的生成器表达式。Python 3.0又增补了字典推导式和集合推导式。

在Python中，加圆括号形式（parenthesized form），是包围在圆括号中的一个可选表达式列表。加圆括号的表达式列表产生的东西，就是这个表达式列表所产生的：如果这个列表包含至少一个逗号，它产生一个元组；否则它产生构成这个表达式列表的那个单一表达式

• 。一个例子元组可写为(1,2,3)。元组不是圆括号形成的，而是使用逗号形成的，在没有歧义的情况下，元组的圆括号是可选的。空的圆括号对产生空元组对象。使用序列串接算符 来串接二个元组，产生包含给定元组二者的元素的一个新元组。

• Python支持在序列对象（比如字符串、元组或列表）上的下标（subscription）表达式：a[索引]，和分片表达式：a[开始:停止]或a[开始:停止:步长]。下标索引是基于零的，负数是相对于结尾的。分片范围自从“开始”索引，直到但不包括“停止”索引。分片的第三个参数叫做“步长”（step）或“间隔”（stride），允许元素被跳过和用负数指示反向。分片索引可以省略，例如a[:]，这返回整个列表的一个复本。

• 分片的每个元素都是浅层复制的。

• Python的条件表达式表示为x if c else y。意思是当c为真时，表达式的值为x，否则表达式的值为y。 在运算数的次序上不同于很多其他语言中常见的c ? x : y。

• Python的匿名函数实现为lambda表达式。匿名函数体只能是一个表达式。

自从Python 3.8，介入了赋值表达式，其记号是:=

。它将一个表达式赋值给一个标识符，同时还返回这个表达式的值。赋值表达式在用作子表达式，即位于分片表达式、条件表达式、lambda表达式、关键字参数中的表达式和推导式中的if表达式之中，以及在assert和with语句之中的时候，必须围绕着圆括号。在它们可以使用的所有其他地方，包括在if和while语句之中，都不要求圆括号

• 。

Python中运算符具有优先级，下表中的运算符按照从最高到最低的次序列出。在相同单元格中运算符具有相同的优先级，它们从左至右结合，除了指数表达式和条件表达式从右至左结合之外

：

运算符描述

(表达式...)，[表达式...]，{键: 值...}，{表达式...}加圆括号表达式，列表显示，字典显示，集合显示

x[索引]，x[索引:索引]，x(参数...)，x.特性下标，分片，调用，特性引用

await xawait表达式

**指数

x，-x，~x取原数，相反数，逐位NOT

*，@，/，//，%乘法，矩阵乘法，除法，下取整除法，余数

，-加法和减法

<<，>>移位

&逐位AND

^逐位XOR

|逐位OR

in，not in，is，is not，<，<=，>，>=，!=，==包含成员关系测试，同一测试，各种比较

not x布尔NOT

and布尔AND

or布尔OR

if – else条件表达式

lambdalambda表达式

:=赋值表达式

Python提供了序列串接算符 和序列倍增算符*

。自从Python 3.9，介入了字典归并算符|和字典更新算符|=

。

Python的文本序列类型，包括字符串str和字节序列bytes与bytearray。字符串文字有多种写法，字符串对象有一个内建格式算符%：

• 短字符串文字，由单引号'或双引号"界定。不同于Unix shell、Perl和受Perl影响的语言，单引号和双引号功能相同。这二种字符串都使用反斜杠\作为转义字符。

• 长字符串文字，是开始并结束于三个单引号'''或三个双引号"""的序列。它们可以跨越多行，其功能就像shell、Perl和Ruby中的here文档。

• 字节文字总是前缀上一个b或B，它产生bytes类型的实例。它们只可以包含ASCII字符，具有128或更大数值的字节必须通过转义来表达。

• 字符串文字或字节文字都可选的能前缀上一个r或R，这叫做原始字符串。转义序列不被解释，因此在文字反斜杠常见的地方很有用，比如正则表达式和Windows风格的路径。

• 这种引述可比较于C#中的“@引述”。

• Python允许多个毗邻的字符串文字或字节文字（它们以空白分界并可以使用不同的引述约定），在编译时间于语法层面上串接起来。要在运行时间串接字符串，必须使用序列串接算符

。

Python中的“字符串格式”算符%，在功能上类同于C语言中的printf格式化字符串

，例如"spam=%s eggs=d" % ("blah", 2)，求值为'spam=blah eggs=0002'。自从Python 3.0，str类提供了可供替代的format()方法，例如"spam={0} eggs={1:04d}".format("blah", 2)。在Python 3.6中，提供了“格式化字符串文字”或称为“f字符串”，它向字符串文字前缀上f或F，这是一种字符串插值，例如x="blah"; y=2; f'spam={x} eggs={y:04d}'。

在Python中，在表达式和语句之间的区别是严格强制性的，这对比于语言如Common Lisp、Scheme或Ruby。故而Python中个别构造存在功能重复，比如：列表推导式相当for循环；条件表达式相当if语句；内建函数eval()相当exec()，前者用于表达式，后者用于语句。

语句不能成为表达式的一部分，由于列表和其他推导式或lambda表达式，都是表达式，也就不能包含语句。这个限制的一个示例：赋值语句比如a = 1，不能用作条件语句的条件判断表达式的一部分；这能够避免C语言编程中的一个常见错误，即在条件判断时把等于算符==误写为赋值算符=，这不是预期代码却在语法上有效而能通过编译器检查，在Python中这会导致一个语法错误。

函数

Python的函数支持递归和闭包

，及其他头等函数特征，但不支持函数重载。Python的函数作为头等对象，具有和普通对象平等的地位。Python官方实现不提供尾调用优化或头等续体，吉多·范罗苏姆曾声称永远都不会加以支持，目前只有第三方库支持

。

Python可以在函数定义时，于形式参数序列中，指定形式参数的缺省值，即以param=value样式进行一次性初始化。形式参数在初始化之后，保持既有绑定；函数的后续调用，可继续对它进行访问或变更。

为有缺省值的形式参数提供实际参数，在函数调用时是可选的。

Python的函数实际参数与形式参数之间的结合，是传递“对象引用”，函数在被调用的时候，给函数调用的实际参数，被介入到一个局部符号表中，实际参数使用传值调用来传递，而这个值总是对象引用，而非这个对象的值

。如果形式参数绑定到一个可变的对象，则通过形式参数对此对象内容的修改，在函数外也是可见的。如果形式参数绑定到一个不可变的对象，则通过形式参数是不能修改此对象内容，但可以把形式参数重新绑定到其它对象上，这并不影响函数外的对象的值。Python支持位置实际参数和关键字实际参数。函数调用时，实际参数可以如同C语言那样，按照位置与形式参数匹配；也可以采用命名参数或称为关键字实际参数，即kwarg=value样式的实际参数。使用不对应实际参数的特殊形式参数/和*，可以将参数序列分为三部分：唯位置参数、可位置可关键字参数和唯关键字参数。有缺省值的形式参数之后，不能跟随无缺省值的可位置形式参数。

在一个函数调用的实际参数序列中，关键字实际参数必须出现在位置实际参数之后。

在位置和关键字形式参数序列末尾，可以分别有*args或**kwargs这样的形式参数，它们对应于在函数调用时提供的，超出形式参数序列规定而无所对应的多个实际参数；在形式参数名字前加一个*号，该形式参数args是tuple类型，对应可变量目的位置实际参数；在形式参数名字前加**号，该形式参数kwargs是dict类型，对应可变量目的关键字实际参数。

如果位置实际参数已经在一个序列类型如列表或元组的对象中，在引用它的变量前加一个*号传递给函数，则其中所有元素解包为多个位置实际参数；如果关键字实际参数在字典中，则加**号来传递给函数。

修饰器（decorator）可用来修改一个函数、方法或类定义的任何可调用Python对象。将已定义的原来对象传递给修饰器，它返回一个修改后的对象，接着把它绑定到在定义中那个名字。Python修饰器部分受到Java注解的影响，而有类似的语法；修饰器语法是纯粹的语法糖，使用@作为关键字形成修饰符。修饰器是一种形式的元编程，它们增强它们所修饰的函数或方法的行动。

多个修饰器可以链接起来，通过在毗连的行上放置多个修饰符，或者使用中间变量。 函数修饰器的正规用法包括：用来建立类方法或静态方法、设置先决条件和后置条件、实现多方法、增加函数特性、跟踪、同步；此外更远大的用法包括：尾调用消除、记忆化

。

为了增强代码的可读性，可以在函数后书写“文档字符串”（简称docstrings），用于解释函数的作用、参数的类型与意义、返回值类型与取值范围等。可以使用内置函数help()，打印出函数的使用帮助。

自从Python 3.0，函数可以对参数与返回值增加类型标注。此特性可方便对源代码进行更深入的分析。自从Python 3.5，开始支持类型提示

。

对象及其方法

Python支持大多数面向对象编程技术。在Python中所有东西都是对象，包括类、函数、数和模块。它允许多态性，不只是在类层级之内，而且通过采用鸭子类型的方式

。任何对象可以用于任何类型，只要它有适当的方法和特性（attribute）就能工作。Python天然支持类的继承包括多重继承，为此采用C3线性化或方法解析次序（MRO）算法，还支持混入。Python支持元类，自从Python 3.6，提供了定制类创建的简单机制

。

Python使用名字修饰，有限的支持私有变量。对象的（可写）特性可以被提取为一个字典

。在Python中，不强制使用访问子与变异子方法，来访问数据成员的面向对象编程信条。就像Python提供函数式编程构造，但不尝试要求参照透明性（无副作用）一样，它提供对象系统，但不要求面向对象编程行为。

对象的方法，是附属于这个对象的类的函数。对于正常的方法和函数，语法instance.method(arguments)，是Class.method(instance, arguments)的语法糖。Python的方法有显式的self形式参数，用来访问实例数据；这借鉴自Modula-3，对立于隐式的self或this关键字，它们用在其他一些面向对象编程语言，比如C 、Java、Objective-C或Ruby之中

。在Python中，self可以被看作是一个习惯用法，它可以被换为任何其它合法的参数名。Python提供了super()内建函数，当一个子类的方法覆盖了超类方法的时候，可通过调用super().method，来调用与子类的self.method方法同名超类方法。 Python支持一些以__开始和结束的特殊方法名，它们用于实现运算符重载，以及实现多种特殊功能

。在Python中，可以通过定义特殊方法来重载运算符，比如在一个类上定义__add__()，将允许在这个类的实例上使用 算符。

在Python中，定义了一个或多个特殊方法__get__()、__set__()、__delete__()的类，可以用作描述器（descriptor）

。建立一个描述器的实例，作为另一个类的一个类成员，使得这个实例成为此另一个类的属性（property）。使用与特性（attribute）访问相同的语法，访问一个实例对象中的这个成员属性。Python允许通过使用@classmethod和@staticmethod修饰符，来分别建立类方法和静态方法。给类方法的第一个实际参数，是对类对象的引用，而非对实例的self引用。静态方法没有特定的第一个实际参数，实例或类对象，都不固定的传递给静态方法。 Python的property内建函数，将一个类中特殊定义的访问一个特性的那些方法，包装成的这个类的一个属性。

类型

Python 3的标准类型层级

Python使用鸭子类型，并拥有有类型的对象，和无类型的变量名字。在编译期不检查类型约束，而宁愿在一个对象上的操作出现可能的失败，表现出这个给定对象不具有适合的类型。尽管是动态类型系统，Python却是强类型的，禁止没有明确定义的操作（比如加一个数到一个字符串），而不是默默的去尝试转换使其有意义。Python支持广泛的类型和类的内省。类型是type的实例，可以被读取和比较。

Python有着范围广泛的基本数据类型。同时具备常规的整数和浮点算术，它透明的支持任意精度算术、复数和十进制浮点数。Python支持种类繁多的字符串操作。在Python中，字符串是不可变的，所以在其他编程语言中可能就地改变字符串的字符串操作，比如字符替换，在Python中返回新的字符串。

Python有一个非常有用特征，就是搜集（或称容器）类型的概念。一般的说，搜集是以一种易于引用或索引的方式，包含其他对象的对象。搜集有二种基本形式：序列和映射。Python对建立容器类型的对象有着语法上的支持。

Python还提供了广泛的搜集操纵能力，比如内建的包含元素检查和通用迭代协议。

有次序的序列类型是列表（动态数组）、元组和字符串。所有序列类型都是位置索引的（从0到长度−1），并且除了字符串，都可以包含任意类型的对象，在同一个序列中包括多种类型的对象。字符串和元组是不可变的，使得它们成为字典的键的完美候选者。在另一方面，列表是可变的，元素可以被插入、删除、修改、添加或就地排序。

在另一方面，映射是以“字典”形式实现的无次序的类型，它将一组不可变的键，映射到相应的元素上（非常像数学函数）。在字典中的键，必须是不可变的Python类型，比如整数或字符串，因为在底层它们是通过散列函数实现的。字典还是语言内部的中心，因为它们居于所有Python对象和类的核心：在变量名字（字符串）和这个名字所引用的值之间的映射，就存储为字典，而这些字典可以通过对象的__dict__特性直接访问。

集合搜集类型，在版本2.4中被增加入语言核心。集合是无索引、无次序的搜集，它包含唯一性的不可变对象作为元素，并且实现了集合论运算，比如并集|、交集&、相对补集-、对称差^，和子集测试<=、真子集测试<、超集测试>=、真超集测试>。有二种类型的集合：可变的set和不可变的frozenset。

Python允许编程者使用类，定义自己的类型

，类是在面向对象编程中最经常使用的。类的新实例，是通过调用这个类的构造器而创建的，而类都是元类type的实例，type是type元类自身的实例，这允许了元编程和反射。在版本3.0之前，Python有两种类：旧式的和新式的。二种样式的语法是一样的，不同在于是否直接或间接的继承自类object，所有新式类都从object继承，并且是type的实例。在Python 2系列2.2以上，二种类都可以使用

。在Python 3.0中淘汰了旧式类。

长期规划是支持渐进类型

，并且自从Python 3.5，语言的语法允许指定静态类型，但在缺省实现CPython中不检查它们。有叫做“mypy”的可选的静态类型检查器，支持编译期类型检查

。

Python 3内建类型小结
类型	可变性	描述	语法例子
bool	不可变	布尔值，有表示值False和True的两个对象。作为整数类型numbers.Integral的子类型，它们在几乎所有上下文中，表现得如同0和1，除了在转换成字符串时转换为"False"和"True"之外。	True False
int	不可变	整数，其大小在理论上无限制，实际上受限于内存

	。	42
float	不可变	双精度浮点数，确切精度依赖于机器。一般实现为IEEE 754标准binary64浮点数，它有53个二进制有效数位精度

。	1.414
complex	不可变	复数，即分别表示实部与虚部的两个双精度浮点数的有序对。	3 2.7j
range	不可变	数的序列，通常用在for循环中指定循环次数

。	range(1, 10) range(10, -5, -2)
str	不可变	字符串，即Unicode代码点序列。字符串中的代码点都在范围U 0000..U 10FFFF之内。Python没有char类型，这些代码点都表示为长度为1的字符串对象。	'Wikipedia'"Wikipedia""""Spanningmultiple lines"""
bytes	不可变	字节序列，其项目是8位字节，用范围0 <= x < 256的整数表示。	b'Some ASCII' b"Some ASCII" bytes([0x53, 0x74, 0x72])
bytearray	可变		bytearray(b'Some ASCII') bytearray(b"Some ASCII") bytearray([0x53, 0x74, 0x72])
list	可变	列表，可以包含任意的Python对象。	[4.0, 'string', True] []
tuple	不可变	元组，可以包含任意的Python对象。只有一个项目的元组，可以通过向表达式后缀一个逗号来形成。	(4.0, 'string', True) ('single element',) ()
dict	可变	键-值对的关联数组（常称为字典），即由任意索引集合来索引的对象的有限集合。不可接受为键的值，是列表或字典，或按值而非对象同一性比较的其他可变类型的值，其散列值不能保持恒定。	{'key1': 1.0, 3: False} {}
set	可变	无序有限集合，包含唯一性的不可变的对象，它们不能用任何下标来索引。	{4.0, 'string', True} set()
frozenset	不可变		frozenset([4.0, 'string', True])
types.EllipsisType	不可变	这个类型有一个单一对象作为值，它通过文字...或内建名字Ellipsis来访问，它的真值为真。它用于NumPy多维阵列索引

	。	... Ellipsis
types.NoneType	不可变	这个类型有叫做None的一个单一对象Null作为值

		，它被用来指示值的缺席，比如不返回任何东西的函数返回它，它的真值为假。	None
types.NotImplementedType	不可变	这个类型有一个单一对象NotImplemented作为值。数值方法和细化比较方法，在它们仍未对提供的运算数实现这个运算之时，返回这个值。它不应该在布尔值上下文中求值。	NotImplemented

除了各种数据类型，Python解释器还内建了很多其他类型，包括可调用类型：用户定义函数、实例方法、生成器函数、协程函数、异步生成器函数、内建函数、内建方法、类、类方法；模块，定制类，类实例，I/O对象（也叫做文件对象），和暴露给用户的一些内部类型：代码对象、框架对象、溯回对象、切片对象、静态方法对象、类方法对象。

数学

Python的算术运算，使用平常的符号 、-、*、/和模除%（这里的余数可以是负数，比如4 % -3 == -2）。它还有下取整除法算符//，指数算符**，比如5**3 == 125及9**0.5 == 3.0，和矩阵乘法算符@

。这些算符就像在传统数学中一样运算，具有同样的优先级规则，中缀算符 、-，还可以分别表示取原数和取相反数的一元算符。

在整数之间的除法/，产生浮点数结果。除法/的表现，随着版本不同而有着显著变化

。 Python提供了round()内建函数，用于把一个浮点数修约成最近的整数

。

Python允许由比较运算链接起来的布尔表达式，表现得如在数学中常用的一样。比如表达式a < b < c，测试a < b and b < c

。C语言将它解析为(a < b) < c：即首先求值a < b，其结果为0或1，接着把这个结果比较于c

。

Python对所有整数运算，使用任意精度算术。在decimal模块中的Decimal类

，提供十进制浮点数，具有用户可按需要而更改的缺省28个十进制有效数位精度，并有多种修约方式。在fractions模块中的Fraction类，提供任意精度的有理数

。

由于Python有着广泛的数学库，除了求绝对值函数abs()列入内建函数之外，大多数数学函数，处于math和cmath模块内。前者用于实数运算，而后者用于复数运算。

特别是第三方库NumPy，进一步扩展了固有能力，Python经常被用作科学脚本语言，来处理如数值数据处理和操纵等问题

。

标准库

Python拥有一个强大的标准库

。Python标准库包括了如下功能：

• 内建函数
• 内建常量
• 内建类型
• 内建异常
• Python运行时服务
• 定制Python解释器
• 导入模块
• Python语言服务
• 文本处理服务
• 二进制数据服务
• 数据类型
• 数值和数学模块
• 函数式编程模块
• 文件和目录访问
• 数据持久化
• 数据压缩和存档
• 文件格式
• 加密服务
• 通用操作系统服务
• MS Windows专有服务
• Unix专有服务
• 并发执行
• 网络和进程间通信
• 互联网数据处理
• 结构式标记处理工具
• 互联网协议及其支持
• 多媒体服务
• 国际化
• 程序框架
• Tk图形用户界面
• 开发工具
• 调试和分析
• 软件打包和发布

程序代码实例

一个在标准输出设备上输出Hello World的简单编程，这种编程通常作为开始学习编程语言时的第一个编程，可将如下代码录入纯文本文件并随意命名比如program01.py，然后执行这个程序python3 program01.py：

print("Hello, world!")

Python也可以单步解释执行。执行Python解释器进入交互式命令行的环境，你可以在提示符号>>>旁输入print("Hello, world!")，按Enter键输出结果：

>>> print('Hello, world!')Hello, world!

计算正数的阶乘的程序代码：

n = int(input('輸入一個數，就會印出其階乘: '))if n < 0: raise ValueError('錯誤，請輸入一個非負整數')fact = 1for i in range(2, n 1): fact *= iprint(fact)

注意，在Python 3.0及以上版本中，print是个函数，需要在要打印的字符串前后加上圆括号；在Python 2.6以下版本中，print是一个关键字和命令而不加圆括号。

实现

Python是一门跨平台的脚本语言，Python规定了一个Python语法规则，根据该规则可编写Python解释器

。Python属于动态语言，将Python程序编译成中间形式的字节码，并接着在它的虚拟机上执行，相较于C/C 和java的等编译语言而言运行速度较慢

。

活跃开发的实现

• CPython：官方的解释器，需要区别于其他解释器的时候才以CPython称呼，若无特别说明，一般Python指此解释器实现。
• PyPy：用RPython书写的Python实现，兼容至CPython 3.8和3.9，它采用了跟踪JIT，缺省支持stackless模态。
• MicroPython：为微控制器而优化的Python 3变体，它实现了完整的Python 3.4语法，和补充自版本3.5的async/await关键字，和后来版本的一些选定特征；它提供了实现Python标准库模块功能子集的内建模块，和特定于微控制器的一些模块。CircuitPython是Adafruit开发的MicroPython分叉。
• Pyston：CPython 3.8.12的分叉，具有包括JIT的性能优化

。其JIT部分，单独发行为扩展模块pyston_lite_autoload，它支持Python3.7—3.10

。

Cinder：由Meta开源发布，它是Meta内部使用的面向性能的CPython 3.10分叉，具有包括JIT的很多优化

。

Codon：将Python代码编译成本机机器代码的高性能Python编译器，不带有任何运行时开销，支持本机多线程

，它由MIT CSAIL的研究人员开发

• 。

到其他语言的交叉编译器

• Cython：将扩充了静态类型的Python超集编译成C语言或C 。
• Numba：使用LLVM，将包括很多NumPy函数的聚焦数值计算的Python子集，翻译成快速的机器码，它为在CPU和GPU上并行化Python代码提供了大量选项。
• Pyjion：CPython的JIT扩展，它将Python代码编译成本机CIL，从而使用.NET 7的CoreCLR来执行它

。

Nuitka：用Python书写的到C11或C 03的优化编译器，它能建立不需单独的安装器就能运行的可执行程序

。

Pythran：将聚焦于科学计算的Python子集编译成C 11的提前编译器，它能利用上多核和SIMD指令单元

。

Brython：运行在浏览器中的Python 3实现，具有到DOM元素和事件的接口

。

MyHDL：将Python编译成Verilog或VHDL

• 。

仍在维护中的旧版本实现有：Stackless Python，它是实现微线程的CPython 3.8分叉；IronPython，它是面向.NET和Ecma CLI的Python 2.7和Python 3.4实现；Jython，它是用Java实现的Python 2.7。

开发环境 通用文本编辑器

很多并非集成开发环境软件的文本编辑器，也对Python有不同程度的支持，并且加上专门为Python设计的编辑器插件也会有很高的可用性。

• Visual Studio Code
• Atom
• Eclipse
• emacs
• SlickEdit
• TextMate
• Vim
• Sublime Text
• EditPlus
• UltraEdit
• PSPad
• Notepad

专用开发环境

适用于Python的集成开发环境（IDE）软件，除了标准二进制发布包所附的IDLE之外，还有许多其他选择。其中有些软件设计有语法着色、语法检查、运行调试、自动补全、智能感知等便利功能。由于Python的跨平台出身，这些软件往往也具备各种操作系统的版本或一定的移植性。

• IDLE：Python“标准”IDE，一般随Python而安装，支持较少的编辑功能，调试功能也比较弱。
• Eric：基于PyQt的自由的IDE，支持自动补全、智能感知、自动语法检查、工程管理、svn/mercurial集成、自动单元测试等功能，具有可扩展的插件系统，通过可选插件支持Git集成。调试功能与Visual Studio和Eclipse类似。
• Spyder：开源的跨平台科学计算IDE。
• PyScripter：功能较全的开源IDE，使用Delphi开发。
• PyCharm：由JetBrains公司出品，具备一般IDE的功能，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制等等，另外，它还提供了一些功能用于Django开发，同时支持Google App Engine，还支持IronPython。它是商业软件，但也具有社区版和教育版。
• Thonny：适用于编程初学者的IDE。
• Wing IDE：商业软件，有免费的功能有限的Wing 101。

应用

Python Powered

主条目：Python软件列表

在很多操作系统里，Python是标准的系统组件，它被列入Linux标准规范之中

。大多数Linux发行版和macOS都集成了Python，可以在终端下直接执行Python。虽然Python可被粗略地分类为脚本语言，Python的支持者较喜欢称它为一种高阶动态语言，常像“胶水”一样被用来连接软件组件，已经显著的区别于Unix shell、Windows PowerShell这样的语言。基于Python的xonsh，是跨平台的、青睐Unix的shell语言和命令行界面

。

Python社群提供了大量的功能覆盖众多领域的第三方模块，其使用方式与标准库类似。第三方模块可以使用Python/Cython或者C语言编写。软件工具SWIG和SIP，通过定义接口文件或规定文件的方式，可以将C/C 编写的程序库包装为Python模块。Python解释器本身也可以被集成到其它需要脚本语言的编程内。

Python包索引是公开的软件包在线仓库。pip是官网推荐的以安全方式安装Python应用及其依赖软件包的最流行工具

。要安装在整个操作系统范围内共享的Python包，现在需要通过操作系统的软件包管理系统。要将特定于应用的依赖包隔离于共享的Python安装可以使用venv或virtualenv。pipx可以将Python应用安装于隔离的环境中并在其中运行它。pipenv能自动为用户项目建立和管理虚拟环境，并在安装/卸装软件包的时候，向此项目的Pipfile文件增加/移除这个软件包

。

自从2003年，Python始终排行于TIOBE编程社区索引前十最流行编程语言，在2021年10月它首次达到了第一名最流行语言（居于C和Java之前）

，并被选为2007年、2010年、2018年、2020年和2021年的年度编程语言

。

网络服务

参见：Web服务

Python定义了WSGI标准应用接口，来协调Http服务器与基于Python的Web编程之间的沟通。比如，通过mod_wsgi模块，Apache可以运行用Python编写的Web编程。Zope是著名的用Python编写的开源的Web应用服务器。Tornado是用Python语言写成的非阻塞式web服务器，也是轻量级的Web框架。

Python对于各种网络协议的支持很完善，因此适用于编写服务器软件、网络爬虫等Web开发。用Python编写的一些Web框架，有助于轻松地开发和管理复杂的Web编程。著名的第三方Web框架和函数库：

• Django：MTV架构

的Web开发框架，注重组件的重用性和“可插拔性”、快速开发和DRY法则。

web2py：MVC架构的全栈Web框架，聚焦于快速开发，偏好约定优于配置方式。

Pyramid：极简主义的Web框架，不预定持久化方式，它是Pylons计划的一部分。

Flask：微Web框架，不要求特定的工具或库。

Twisted：事件驱动的网络编程框架。它支持多数标准的网络协议（包含客户端和服务器），并且提供了多种工具，适用于编写高性能的服务器软件。

Requests：适合于常人使用的HTTP库，封装了许多繁琐的HTTP功能，极大地简化了HTTP请求所需要的代码量。

Beautiful Soup：用来解析HTML/XML的一个简单易用Python包。

uvloop：是对内建asyncio事件循环的快速的、直截了当的替代者

，它用Cython实现并在底层使用了libuv。

aiohttp：基于asyncio的HTTP客户端和服务器二者

• 。

图形用户界面

参见：GUI

Python本身包含了Tkinter库，它是Python的业界标准GUI并被集成进入了IDLE。Tkinter基于了Tcl命令工具，能够支持简单的GUI开发。但是为了让所开发的软件运行速度更快，并与用户的桌面环境更契合，人们一般会选择采用第三方GUI库或框架。著名的第三方GUI库：

• PyQt：Qt的Python绑定库，由Riverbank Computing公司自从1998年发行，采用GPL许可证或商业许可证。
• PySide：Qt的Python绑定库，由Qt公司自从2009年发行，采用LGPL许可证。
• PyGObject：替代了PyGTK，它是为Python程序访问基于GObject的库而提供的包装库

，GObject是GTK、GIO和GStreamer等库使用的对象系统。

Kivy：用于开发多点触控应用软件的开源Python库，采用了自然用户界面（NUI）。

WxPython：GUI编程框架wxWidgets的Python包装库，它与MFC的架构相似。

PySimpleGUI：将Tkinter、Qt、WxPython和Remi

的GUI框架变换成简单的接口

。

Gooey：将几乎所有Python 3控制台程序用一行代码转变成GUI应用

。

Dear PyGui：快速而强力的具有极小依赖性的GUI工具箱

。

pywebview：轻量级跨平台的对WebView构件的包装器，允许在其本地GUI窗口中显示HTML内容

• 。

数据科学

重要的数据科学用第三方软件库有：

• NumPy：Python的基础性的科学计算软件库，提供了矩阵、线性代数、傅立叶变换等的解决方案。
• SciPy：用Python实现了MATLAB所有功能的软件库，使用NumPy的多维阵列作为基本数据结构。
• CuPy：NumPy/SciPy兼容的GPU加速的阵列库

，它可在NVIDIA CUDA或AMD ROCm平台上充当其直截了当的替代者，来运行现存的NumPy/SciPy代码。

pandas：用于数据分析和数据操纵的软件库，建造在NumPy基础上，提供了类似于R语言中同名对象的加标签数据结构“数据帧”

，和统计函数等。

PyMC：基于Theano的概率编程库，用于贝叶斯统计建模和概率机器学习。

Dask：伸缩范围从笔记本电脑至计算机集群的并行计算库

，它由两部分构成：为计算而优化的动态任务调度，和“大数据”搜集如并行的阵列、数据帧和列表。这些搜集将常用接口如NumPy、pandas或Python迭代器，扩展到大过内存或分布式的环境，并行的搜集运行在动态任务调度器顶上。

matplotlib：用于Python和NumPy的绘图库，实现类似MATLAB的绘图功能。

Dash：基于React、Flask和Plotly公司的Plotly.js

之上的框架，它将现代用户界面元素如下拉选单、滑动条和图形，直接链接至分析型Python代码。它和Streamlit、Panel和Voilà，是被称为“仪表板”的数据可视化工具

• 。

重要的人工智能机器学习框架有：

• scikit-learn：基于NumPy、SciPy、Joblib

和threadpoolctl

的机器学习软件库，实现许多知名的机器学习算法，其绘图功能依赖于matplotlib。

TensorFlow：Google开发的一个端到端开源机器学习平台，它提供了Python API

，其中实现了Keras API。Keras现在是在TensorFlow 2上建立的深度学习高层API。SciKeras是对Keras模块的scikit-learn兼容的包装器

。

PyTorch：Meta在Torch基础上开发的开源的Python软件包，提供了具有强大的GPU加速的张量计算，和建立在基于tape的自动梯度系统上的深度神经网络。skorch是包装了PyTorch的scikit-learn兼容的神经网络库

。

JAX：Google开发的拥有可组合的函数变换的开源机器学习框架

，结合了修改版本的针对NumPy的自动梯度库Autograd，和TensorFlow中的加速线性代数库XLA，它使用XLA来在GPU和TPU上编译和运行NumPy程序。JAX除了用于开发新的人工神经网络软件库比如Flax，还用于概率编程库比如NumPyro，和物理引擎比如Brax

。

Ray：对人工智能及Python应用的运行规模进行伸缩的统一框架

。它构成自一个核心的分布式运行时系统，和加速机器学习工作负载的软件库工具箱（Ray AIR）。它支持TensorFlow或PyTorch，可集成于Dask、Apache Spark和Mars

• ，可以部署在Kubernetes集群和云端VM之上。

其它种类的库

• pegen：Python的PEG解析器生成器

。

PeachPy：采用高层Python的可移植高效x86-64汇编代码生成器

。

SymPy：支持数学符号运算如微积分等的软件库，用于提供计算机代数系统。

SQLAlchemy：针对关系型数据库的对象关系映射（ORM）工具。

PyOpenGL：到OpenGL 1.1-4.4和有关API的最常用跨平台Python绑定

。

ModernGL：在OpenGL 3.3 核心上的Python包装器

，它简化了简单图形应用如科学模拟、游戏和用户界面的创建。

VisPy：高性能交互式2D/3D数据可视化库

，它通过OpenGL库利用现代GPU的计算能力，来显示非常大的数据集。

PyCUDA和PyOpenCL：不同于Nvidia尽可能匹配C API的cuda-python

，PyCUDA提供对CUDA并行计算API的Python风格访问；PyOpenCL提供对OpenCL并行计算API的Python风格访问

。

Kompute：通用Vulkan计算框架，针对C 和Python

。

SimPy：基于由Python生成器函数定义的进程的离散事件模拟框架

。

Pillow：是基于Python的图像处理库

，它支持广泛的图形文件格式，分叉于已终止的PIL。

Kornia：基于PyTorch的可微分计算机视觉库

。

pygame：开发视频游戏的Python软件库，基于了SDL库

。

pyglet：Python编写的面向对象的游戏和多媒体库，利用了FFmpeg库。

pypdf：能够分割、合并、修剪和转变PDF文件的Python库

。创建PDF文件可以采用reportlab

。

python-docx：创建和修改Microsoft Word的docx文档的Python库

。

pythonnet：针对.NET的程序包

，它可以近乎无缝的集成.NET通用语言运行库（CLR）。

Fabric：经由SSH远程执行shell命令的高层库

，它产生有用的Python对象作为回馈。

Prefect：现代工作流程编排框架

，它易于建造、调度和监控健壮的数据流水线。

Panda3D：开源游戏引擎，包括了图形、音频、I/O、碰撞侦测和其他与3D游戏有关的功能，使用Python作为游戏开发语言

。

PyInstaller：将Python应用和它的依赖项捆绑成一个单一的包

• ，从而不需要安装Python解释器或任何模块就可以运行应用。

应用软件

一些Linux发行版，使用Python语言编写安装器，比如Ubuntu的Ubiquity和Fedora的Anaconda；或使用它编写软件包管理系统，比如Gentoo的Portage。一些著名的互联网公司在内部使用Python

。一些游戏比如EVE，使用Python编写游戏的逻辑、服务器。如下著名应用使用Python编写或将它作为嵌入式脚本：

• IPython：以多种编程语言进行交互式计算的命令shell和Jupyter的内核，最初为Python开发，它提供了内省、富媒体、shell语法、tab补全和历史。
• Conda：跨平台的、语言无关的二进制包管理器，它被Anaconda发行采用。
• SCons：软件建造工具，它可代替make构建编译程序。
• Gunicorn：使用Python语言编写的WSGI Web服务器。
• Plone：基于Zope的内容管理系统。
• Mezzanine：基于Django框架的内容管理系统。
• Orange：卢布尔雅那大学开发的开源机器学习和数据可视化软件，利用了PyQt5和基于Blink的PyQtWebEngine，通过广大多样的工具箱来建造数据分析工作流程

。

SageMath：覆盖许多数学功能的应用软件。

Veusz：用Python、PyQt和NumPy写成的科学绘图软件，可生成出版水准的PDF或SVG输出。

unoconv：在LibreOffice/OpenOffice所支持格式之间的通用文档转换器

• 。
• Blender：开源3D绘图软件，使用Python作为建模工具与GUI语言。
• Inkscape：开源的SVG矢量图形编辑器，使用Python用于插件。
• Pitivi：用Python开发的基于GStreamer的视频编辑软件。

社群流行

• PyCon：各地社群举办的会议，通常每年举办。各社群在会议中讨论Python相关的议题。
• Python Discord：参与者众多的Python社区

• 。
• PyLadies：由女性社群发起的社群，主要注重于发展Python的女性程序设计社群。
• Django Girls：使用Django网页设计框架，推广使用Python进行网页设计的技术。

影响的语言

Python的设计和哲学已经影响了很多其他编程语言：

• Boo：使用了缩进、类似的语法和类似的对象模型

。

Cobra：使用了缩进和类似的语言，而且它的致谢文档将Python列为影响它的首要语言

。

CoffeeScript：是交叉编译至JavaScript的编程语言，有受Python启发的语法。

ECMAScript/JavaScript：从Python借鉴了迭代器和生成器

。

GDScript：是非常类似Python的脚本语言，内置入了Godot游戏引擎

。

Genie：基于Vala编译器的具有近似Python语法的一种语言。

Go：设计为“有动态语言如Python的工作速度”

，并共享了相同的分片数组的语法。

Groovy：受到Python等动态类型语言的影响

。

Nim：使用缩进和类似的语法

。

Swift：是Apple开发的编程语言，有受Python启发的语法

• 。

Ruby的创建者松本行弘曾说过：“我想要一种脚本语言，比Perl更加强力而且比Python更加面向对象，因此我决定设计自己的语言”

。Julia设计原则中有一条是：“像Python一样可用于通用编程”

。

代码示例

缩进示例： def is_even(a: int) -> bool: """确定数a是否是偶数.""" if a % 2 == 0: print('偶数!') return True print('奇数!') return False # 参数比后续部份多一层缩进 def long_function_name( var_one, var_two, var_three, var_four): # 可选的圆括号内后续行多一层缩进 if (this_is_first_thing and that_is_second_thing): do_something() # 可选的圆括号内后续行不额外缩进 elif (this_is_third_thing and that_is_fourth_thing): do_something_different() # 参数相对行首缩进一层 spam = long_function_name( arg_one, arg_two, arg_three, arg_four) # 参数按开括号界定垂直对齐 eggs = long_function_name(arg_one, arg_two, arg_three, arg_four) # 可选的闭括号位置 my_list = [ 1, 2, 3, 4, 5, 6, ] # 可选的闭括号位置 my_set = { 1, 2, 3, 4, 5, 6, }

采用了并行赋值的斐波那契数列函数示例： def fib(n): # 写出从第0项到第n项的Fibonacci系列 a, b, i = 0, 1, 0 while i <= n: print(a, end=' ') a, b, i = b, a b, i 1 print()

产生素数的惰性生成器的示例：

from itertools import countdef generate_primes(stop_at=0): if stop_at != 1: primes = [2] yield 2 for n in count(3, 2): if 0 < stop_at < n: return # 引发StopIteration异常 composite = False for p in primes: if not n % p: composite = True break elif p ** 2 > n: break if not composite: primes.append(n) yield n

上述函数的隐式迭代用例：

for i in generate_primes(): # 迭代于100以内所有素数上 if i > 100: break print(i)

在生成器表达式中使用上述函数，定义了一个惰性的、巨大而并非无限的搜集的示例：

from itertools import isliceprimes_under_million = (i for i in generate_primes() if i < 1000000)two_thousandth_prime = islice(primes_under_million, 1999, 2000) print(next(two_thousandth_prime))

用生成器模拟协程示例： def produce(n): try: for item in range(n): print('producing item {} ->'.format(item)) yield item except GeneratorExit: return def consume(): item = None try: while True: item = yield item print('consuming item {} <-'.format(item)) except GeneratorExit: return t1 = produce(10) t2 = consume() next(t2) r = [] try: while True: p = next(t1) r = [t2.send(p)] except StopIteration: t2.close()

遵循EAFP（请求原谅比获得许可更容易）风格的异常处理示例： f = None try: f = open("aFileName", mode="w") f.write(could_make_error()) # 不存在could_make_error()则产生错误 except IOError as error: print(error) print("不能打开文件") except: # 捕获所有异常 print("未预期的错误") else: # 在没有出现异常时执行 print("文件写入完全成功") finally: # 清除行动，总是执行 if f: f.close()

使用with将文件作为资源来管理的示例： from contextlib import contextmanager @contextmanager def opened(filename, mode="r"): try: f = open(filename, mode) except IOError as error: print(error) yield None else: try: yield f finally: f.close() with opened("aFileName", mode="w") as f: try: f.write(could_make_error()) # 不存在could_make_error()则产生错误 except AttributeError: print("不能打开文件") except: # 捕获所有异常 print("未预期的错误") else: # 在没有出现异常时执行 print("文件写入完全成功")

本地的协程示例： import asyncio import random async def produce(queue, n): for item in range(n): # 生产一个项目，使用sleep模拟I/O操作 print('producing item {} ->'.format(item)) await asyncio.sleep(random.random()) # 将项目放入队列 await queue.put(item) # 指示生产完毕 await queue.put(None) async def consume(queue): while True: # 等待来自生产者的项目 item = await queue.get() if item is None: break # 消费这个项目，使用sleep模拟I/O操作 print('consuming item {} <-'.format(item)) await asyncio.sleep(random.random()) async def main(): queue = asyncio.Queue() task1 = asyncio.create_task(produce(queue, 10)) task2 = asyncio.create_task(consume(queue)) await task1 await task2 asyncio.run(main())

局部变量示例： >>> def spam(): ... print(b) ... >>> b=10 >>> spam() 10 >>> def spam(): ... print(b) ... b=100 ... >>> b=10 >>> spam() Traceback (most recent call last): File "", line 1, in File "", line 2, in spam UnboundLocalError: local variable 'b' referenced before assignment

全局变量示例： >>> def spam(): ... print(b) ... global b ... b=100 ... File "", line 3 SyntaxError: name 'b' is used prior to global declaration >>> def spam(): ... global b ... print(b) ... b=100 ... >>> b=10 >>> spam() 10 >>> b 100

非局部变量示例： >>> def spam(): ... def eggs(): ... global b ... print(b) ... b=1000 ... b=100 # 对eggs()而言是非局部变量 ... eggs() ... >>> b=10 >>> spam() 10 >>> b 1000 >>> def spam(): ... def eggs(): ... nonlocal b ... b=1000 ... b=100 # 对eggs()而言是非局部变量 ... eggs() ... print(b) ... >>> b=10 >>> spam() 1000 >>> b 10

序列解包、可迭代解包和字典解包示例： >>> a = [1, 2, 3]; b = [4, 5] >>> i, j, k = a >>> print(i, j, k) 1 2 3 >>> c = [*a, b] >>> c [1, 2, 3, [4, 5]] >>> d = {*a, *b} >>> d {1, 2, 3, 4, 5} >>> e = (*a, *b) >>> e (1, 2, 3, 4, 5) >>> f = {'as':1, 'bs':2 }; g = {'cs':3, 'ds':4} >>> h = {**f, **g} >>> h {'as': 1, 'bs': 2, 'cs': 3, 'ds': 4}

列表的推导式示例。比如：

>>> [x 3 for x in range(4)][3, 4, 5, 6]

快速排序算法可以优雅的（尽管不高效的）使用列表推导式表达为：

def qsort(L): if L == []: return [] pivot = L[0] return (qsort([x for x in L[1:] if x < pivot]) [pivot] qsort([x for x in L[1:] if x >= pivot]))

生成器表达式示例。比如： >>> sum(x * x for x in range(10)) 285 >>> dict((n, n*n) for n in range(5)) {0: 0, 1: 1, 2: 4, 3: 9, 4: 16} >>> set(n*n for n in range(5)) {0, 1, 4, 9, 16}

字典推导式{expr1: expr2 for k, v in d}，等价于：

result={}for k, v in d.items(): result[expr1]=expr2return result

>>> {x: x 3 for x in range(4)}{0: 3, 1: 4, 2: 5, 3: 6}

集合推导式{expr1 for x in stuff}，等价于：

result = set()for x in stuff: result.add(expr1)return result

>>> {x 3 for x in range(4)}{3, 4, 5, 6}

下面几个判断语句为真，表示列表分片结果符合预期： >>> nums = [1, 3, 5, 7, 8, 13, 20] >>> nums[2:5] == [5, 7, 8] #从下标为2的元素切割到下标为5的元素，但不包含下标为5的元素。 True >>> nums[1:] == [3, 5, 7, 8, 13, 20] #切割到最后一个元素。 True >>> nums[:-3] == [1, 3, 5, 7] #从最开始的元素一直切割到倒数第3个元素。 True >>> nums[:] == [1, 3, 5, 7, 8, 13, 20] #返回所有元素。改变新的列表不会影响到nums。 True >>> nums[1:5:2] == [3, 7] #从下标为1的元素切割到下标为5的元素，但不包含下标为5的元素，且步长为2。 True

匿名函数示例：

>>> from functools import reduce>>> reduce(lambda x, y: x y, [1, 2, 3, 4, 5]) 15>>> fac = lambda n: (1 if n<2 else n*fac(n-1))>>> fac(5)120>>> [*map(fac, [1, 2, 3, 4, 5])][1, 2, 6, 24, 120]

不动点组合子示例：

>>> Y = lambda f: (lambda x: x(x))(lambda y: f(lambda *args: y(y)(*args)))>>> fac = lambda f: lambda n: (1 if n<2 else n*f(n-1))>>> Y(fac)(5)120>>> fib = lambda f: lambda n: 0 if n == 0 else (1 if n == 1 else f(n-1) f(n-2))>>> Y(fib)(6)8>>> [*map((lambda f: (lambda x: x(x))(lambda y: f(lambda *args: y(y)(*args))))(lambda f: lambda n: (1 if n<2 else n*f(n-1))), [1, 2, 3, 4, 5])][1, 2, 6, 24, 120]

上述Y组合子代码源出自Rosetta Code. [2020-10-21]. （原始内容存档于2021-01-11）.其原理可参见Equational derivations of the Y combinator and Church encodings in Python. [2020-10-21]. （原始内容存档于2020-11-12）.

多行字符串文字带有字符串插值（使用了format方法）的示例： print("""亲爱的{recipient}, 我希望你离开Sunnydale并永不返回. 不是很爱你的, {sender} """.format(sender="吸血鬼猎人Buffy", recipient="Spike"))

原始字符串的示例： >>> # Windows路径，即使是原始字符串也不能结束于反斜杠 >>> r"C:\Spam\Eggs\Ham\" File "", line 1 r"C:\Spam\Eggs\Ham\" ^ SyntaxError: EOL while scanning string literal >>> dos_path = r"C:\Spam\Eggs\Ham\ " # 通过增加尾随的空格 >>> dos_path.rstrip() # 并接着移除它来避免错误 'C:\\Spam\\Eggs\\Ham\\' >>> quoted_dos_path = r'"{}"'.format(dos_path) >>> quoted_dos_path '"C:\\Spam\\Eggs\\Ham\\ "' >>> # 匹配具有可能的反斜杠引述的引述字符串的正则表达式 >>> import re >>> re.match(r'"(([^"\\]|\\.)*)"', quoted_dos_path).group(1).rstrip() 'C:\\Spam\\Eggs\\Ham\\' >>> code = 'spam(2, eggs)' >>> # 反转有二个参数的函数调用的两个实际参数 >>> re.sub(r'\(([^,]*),\s*([^,]*)\)', r'(\2, \1)', code) 'spam(eggs, 2)' >>> # 注意如果实际参数中有圆括号或逗号则上例无效。

字符串文字符串接示例： >>> print("hello " 'world') hello world >>> str1="hello "; str2='world' >>> print(str1 str2) hello world

格式化字符串的示例，例如下列命令行echo命令：

num="3"; printer="HP Laserjet"echo "I just printed ${num} pages to the printer ${printer}"

等价于如下Python中的任何一种print函数调用：

num = 3; printer="HP Laserjet"print(f"I just printed {num} pages to the printer {printer}")print("I just printed {} pages to the printer {}".format(num, printer))print("I just printed {0} pages to the printer {1}".format(num, printer))print("I just printed {num} pages to the printer {printer}".format(num=num, printer=printer))print("I just printed %s pages to the printer %s" % (num, printer))print("I just printed %(num)s pages to the printer %(printer)s" % {"num": num, "printer": printer})

词法闭包的例子： def f(x): def g(y): return x y return g # 返回一个闭包。 h = lambda x: lambda y: x y # 将指定闭包赋值给变量。 a = f(1) b = h(1) c = f(2) # 使用存储在变量中的闭包。 assert a(5) == 6 assert b(5) == 6 assert c(5) == 7 # 使用闭包而不事先把它们绑定到变量。 assert f(1)(5) == 6 # f(1)是个闭包。 assert h(1)(5) == 6 # h(1)是个闭包。 assert f(2)(5) == 7 # f(2)是个闭包。

函数的形式参数缺省值的持久性示例： >>> def f(a, L=[]): ... L.append(a) ... return L ... >>> print(f(1)) [1] >>> print(f(2)) [1, 2] >>> print(f(3)) [1, 2, 3]

函数的形实参数二者结合示例。例如： >>> def spam(a): ... a.append('LovelySpam') ... >>> def eggs(b): ... b=100 #实际上是重新绑定了另一个整型对象100 ... >>> a=[] >>> b=10 >>> spam(a) >>> eggs(b) >>> print(a) ['LovelySpam'] >>> print(b) 10

函数的形式参数缺省值的定义示例： >>> from inspect import getfullargspec >>> def func(p1, /, p2, p3="x", *, p4): pass ... >>> getfullargspec(func) FullArgSpec(args=['p1', 'p2', 'p3'], varargs=None, varkw=None, defaults=('x',), kwonlyargs=['p4'], kwonlydefaults=None, annotations={})

函数的可变参数的定义示例： >>> from inspect import getfullargspec >>> def func(p1, /, p2, *args, p3, **kwargs): pass ... >>> getfullargspec(func) FullArgSpec(args=['p1', 'p2'], varargs='args', varkw='kwargs', defaults=None, kwonlyargs=['p3'], kwonlydefaults=None, annotations={})

定义修饰器的示例：

def viking_chorus(myfunc): def inner_func(*args, **kwargs): for i in range(3): myfunc(*args, **kwargs) return inner_func

调用修饰器的示例：

@viking_chorus def menu_item(*args): print(", ".join(args) ", and spam")

等价于：

def menu_item(*args): print(", ".join(args) ", and spam")menu_item = viking_chorus(menu_item)

viking_chorus修饰后的menu_item将原来定义运行3次：

>>> menu_item("egg","bacon")egg, bacon, and spamegg, bacon, and spamegg, bacon, and spam

修饰器工厂示例，这里的favourite_colour接受一个实际参数，并返回一个修饰器：

def favourite_colour(colour): def decorator(func): def wrapper(*args, **kwargs): print(f"My favourite colour is {colour}.") func(*args, **kwargs) return wrapper return decoratordef invincible(func): def wrapper(*args, **kwargs): print("I'm invincible!") func(*args, **kwargs) return wrapper

使用毗连的修饰符链接修饰器示例：

@invincible@favourite_colour("blue")def black_knight(): print("None shall pass.")

使用中间变量链接修饰器示例：

blue_decorator = favourite_colour("blue")decorated_by_blue = blue_decorator(black_knight)black_knight = invincible(decorated_by_blue)

它们等价于：

black_knight = invincible(favourite_colour("blue")(black_knight))

black_knight()结果为：

>>> black_knight()I'm invincible!My favourite colour is blue.None shall pass.

调用函数使用帮助信息示例。比如： >>> def randint(a, b): ... "Return random integer in range [a, b], including both end points." ... >>> help(randint) Help on function randint in module __main__: randint(a, b) Return random integer in range [a, b], including both end points.

如下这样给参数增加类型标注的提示信息： >>> def greeting(name: str) -> str: ... return 'Hello ' name ... >>> greeting.__annotations__ {'name': , 'return': }

对象的方法示例： >>> class Fish(object): ... hungry = True ... def eat(self, food): ... if food is not None: ... self.hungry=False ... >>> def status(self): ... print("Hungray!" if self.hungry else "Not hungray!") ... >>> e = Fish() >>> status(e) Hungray! >>> Fish.hungry = False >>> from types import MethodType >>> e.status = MethodType(status, e) >>> e.status() Not hungray! >>> Fish.hungry = True >>> Fish.status = status >>> f = Fish() >>> Fish.status(f) Hungray! >>> f.eat("earthworm") >>> f.status() Not hungray!

特殊方法和子类调用超类方法的例子： >>> class Thought(object): ... cls_name = "类型Thought" ... def __init_subclass__(cls): ... cls.cls_name = "类型Thought的子类型" ... def __init__(self, *args, **kwargs): ... print(f"我是{type(self).cls_name}的新对象!") ... if len(args) != 0 or len(kwargs) !=0: ... print(f"init: nargs={len(args)}, nkwargs={len(kwargs)}") ... self.notion = "我觉得我在平行宇宙中把车停歪了." ... def message(self, *args): ... print(self.notion) ... if len(args) != 0: ... print("\n".join(args)) ... >>> class Advice(Thought): ... def message(self): ... super(Advice, self).message("警告: 日历里的日期比它们看起来更近!") ... >>> t = Thought() 我是类型Thought的新对象! >>> t.message() 我觉得我在平行宇宙中把车停歪了. >>> a = Advice() 我是类型Thought的子类型的新对象! >>> a.message() 我觉得我在平行宇宙中把车停歪了. 警告: 日历里的日期比它们看起来更近! >>> # 内省一下: >>> [*super.__dict__] ['__repr__', '__getattribute__', '__get__', '__init__', '__new__', '__thisclass__', '__self__', '__self_class__', '__doc__'] >>> [*super(Advice).__thisclass__.__dict__] ['__module__', 'message', '__doc__', 'cls_name'] >>> super(Advice).__thisclass__.__dict__['cls_name'] '类型Thought的子类型' >>> [*super(Advice, a).__self__.__dict__] ['notion'] >>> super(Advice, a).__self_class__.__dict__['cls_name'] '类型Thought的子类型' >>> super(Advice, a).message() 我觉得我在平行宇宙中把车停歪了. >>> super(Advice).__get__(a).message() 我觉得我在平行宇宙中把车停歪了.

在类中采用数据描述器的示例： >>> class RevealAccess: ... """正常的设置和返回值的数据描述器， ... 它还打印记录这次访问的一个消息。 ... """ ... def __init__(self, initval=None, name='var'): ... self.val = initval ... self.name = name ... def __get__(self, obj, objtype): ... print('Retrieving', self.name) ... return self.val ... def __set__(self, obj, val): ... print('Updating', self.name) ... self.val = val ... >>> class MyClass: ... x = RevealAccess(10, 'var "x"') ... y = 5 ... >>> m = MyClass() >>> m.x Retrieving var "x" 10 >>> vars(m) {} >>> MyClass.__dict__['x'].val 10 >>> m.x = 20 Updating var "x" >>> vars(m) {} >>> MyClass.__dict__['x'].val 20 >>> m.y 5 >>> vars(m) {} >>> m.y = 5 >>> vars(m) {'y': 5}

特殊方法、类方法和静态方法（__new__()）示例： >>> from weakref import WeakValueDictionary >>> class D: ... _template = {} ... _obj_dict = WeakValueDictionary() ... def __new__(cls, *args, **kwargs): ... obj = super(D, cls).__new__(cls) ... cls._obj_dict[id(obj)] = obj ... return obj ... @classmethod ... def load(cls, dict): ... cls._template.update(dict) ... @classmethod ... def create(cls, *args, **kwargs): ... return cls(cls._template, *args, **kwargs) ... @classmethod ... def count(cls): ... return len(cls._obj_dict) ... def __init__(self, dict={}, /, *args, **kwargs): ... self.__dict__.update(dict) ... self.__dict__.update(kwargs) ... def __call__(self, *args, **kwargs): ... self.__dict__.update(kwargs) ... return self.__dict__.copy() ... def __len__(self): ... return len(self.__dict__) ... def __getitem__(self, key): ... return self.__dict__[key] ... def __setitem__(self, key, value): ... self.__dict__[key] = value ... >>> a = {'ak': 1, 'bk': 2, 'ck': 3} >>> d = D(a, dk=4) >>> d() {'ak': 1, 'bk': 2, 'ck': 3, 'dk': 4} >>> D.load(a) >>> e = D.create(ck=4) >>> e() {'ak': 1, 'bk': 2, 'ck': 4} >>> f = D(ak=1, bk=2) >>> f(ck=3) {'ak': 1, 'bk': 2, 'ck': 3} >>> f['ak'] 1 >>> f['ak'] = 5 >>> f() {'ak': 5, 'bk': 2, 'ck': 3} >>> len(f) 3 >>> D.count() 3 >>> del f >>> D.count() 2 >>> d.__weakref__ in D._obj_dict.valuerefs() True

在类中调用property()的例子：

>>> class C:... def __init__(self):... self.__x = None... def getx(self):... return self.__x... def setx(self, value):... self.__x = value... def delx(self):... del self.__x... x = property(getx, setx, delx, "I'm the 'x' property.")... >>> c = C()>>> vars(c){'_C__x': None}>>> {*C.__dict__}{'__init__', 'setx', '__weakref__', 'delx', 'x', 'getx', '__doc__', '__module__', '__dict__'}

上述代码可以采用修饰符进一步的书写为：

>>> class C:... def __init__(self):... self.__x = None... @property... def x(self):... """I'm the 'x' property."""... return self.__x... @x.setter... def x(self, value):... self.__x = value... @x.deleter... def x(self):... del self.__x... >>> c = C()>>> vars(c){'_C__x': None}>>> {*C.__dict__}{'__init__', '__weakref__', 'x', '__doc__', '__module__', '__dict__'}

建立列表的特殊语法示例：

a_list = [1, 2, 3, 'a dog']

采用正常的对象创建方式的示例：

a_second_list = list()a_second_list.append(4)a_second_list.append(5)

建立元组的特殊语法示例：

a_tuple = 1, 2, 3, 'four'

建立集合的特殊语法示例：

some_set = {0, (), False}

建立字典的特殊语法示例：

a_dictionary = {'key 1': 'value 1', 2: 3, 4: []}

两个类及元类等的实例关系（蓝色连接）与继承关系（绿色连接）示意图：

r = objectc = typeclass M(c): passclass A(metaclass=M): passclass B(A): passb = B()

>>> type(b)>>> print(type(B), B.__bases__) (,)>>> print(type(A), A.__bases__) (,)>>> print(type(M), M.__bases__) (,)>>> print(type(c), c.__bases__) (,)>>> print(type(r), r.__bases__) ()

数学运算示例。比如：

>>> def mean(seq):... return sum(seq) / len(seq)... >>> mean([3, 4])3.5>>> import math>>> print(math.sin(math.pi/2))1.0