Python双下划线(_ _)内置函数

2024-09-06 07:20
文章标签 python 函数 内置 下划线

本文主要是介绍Python双下划线(_ _)内置函数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 问题

Python中‘内部使用’的函数是内置函数吗?还是自定义的?如果是,那么自定义的函数使用了双下划线(_ _)就是内置函数了?


2 方法

  1. 第一步搜索内置函数的定义;
    2eecdecf5b4d56a00f2bf0c8478b264a.jpeg
    即:解释器自带的函数就是内置函数

  2. 第二步查看内置函数;
    4fe896e383c73c2787765cba2738f5bb.png查看方法:Print ( dir ( _ _ builtins _ _ ) )
    Python内置函数有限个。

  3. f8f6cd758b5f8ef97082c1d258f284d8.png第三步尝试自己定义一个加双下划线(_ _)的函数;

  4. 第四步在新的里面使用第三步的函数以及内置函数。

37db397efda57c3fa362af95ad5d10c6.png

通过实验、实践等证明提出的方法是有效的,我们发现:

  1. 内部使用的函数是用户自定义的函数,这些函数是为自己项目的内部逻辑服务的,不打算被外部代码直接调用。为了表示这些函数是“内部使用”的,在函数名前加上两个下划线( _ _ )。

内置函数Python解释器的一部分,无需额外导入即可直接使用。这些函数不是由用户自定义的,而是由Python的开发者编写的。例如,print()、len()、sum()等都是Python的内置函数。

代码清单 1

class Person(object):
def __init__(self,name,age):
self.name=name
self.age=age
one=Person('Amy',18)
two=Person('sam',19)
print(one.name,one.age)


3 结语

针对内部使用函数问题,提出上述方法,通过实验,证明该方法是有效的,总之,Python内置函数是语言本身提供的基础函数,无需导入即可使用,而内部使用的函数是开发者根据需要编写的,用于实现特定功能的函数需要导入后才能使用。

本文的方法考虑不周,未言明内部使用函数的特点,仅仅粗略分析,未来可以继续探讨更详细的区别以及其他使用/导入内部函数的方法。

这篇关于Python双下划线(_ _)内置函数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1141370

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

C++操作符重载实例(独立函数)

C++操作符重载实例,我们把坐标值CVector的加法进行重载,计算c3=c1+c2时,也就是计算x3=x1+x2,y3=y1+y2,今天我们以独立函数的方式重载操作符+(加号),以下是C++代码: c1802.cpp源代码: D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

函数式编程思想

我们经常会用到各种各样的编程思想,例如面向过程、面向对象。不过笔者在该博客简单介绍一下函数式编程思想. 如果对函数式编程思想进行概括,就是f(x) = na(x) , y=uf(x)…至于其他的编程思想,可能是y=a(x)+b(x)+c(x)…,也有可能是y=f(x)=f(x)/a + f(x)/b+f(x)/c… 面向过程的指令式编程 面向过程,简单理解就是y=a(x)+b(x)+c(x)