看例子，学 Python（三）
包
创建一个目录 myutil，把 mymath.py 挪到里面，再添加一个空文件 __init__.py：
myutil/ __init__.py mymath.py
myutil 便是一个包（package）。
import
最直接的用法：
>>> import myutil.mymath>>> myutil.mymath.fac(4)24
缺点是调用 fac 时太长，包和模块作为前缀都要写全。但是写成 import myutil.mymath.fac 也是不对的。
import 的语法（syntax）： import <包> . <包> . <包|模块>
可以看出：
最后一项（item）可以是包也可以是模块，前面的必须是包；
最后一项不可以是类、函数或变量的定义。
根据语法来看，可以 import 一个包：
>>> import myutil>>> help(myutil)...
但是这样并没有什么实际用处，因为无法就此调用具体的函数（类、变量）：
>>> myutil.mymath.fac(4)Traceback (most recent call last): File "", line 1, in AttributeError: module 'myutil' has no attribute 'mymath'
from...import
如果要避免调用时带着一串前缀，可以用 from...import：
>>> from myutil.mymath import fac>>> fac(4) # 不再需要前缀24
一次 import 多个时以逗号分割：
>>> from myutil.mymath import fib, fac
一次 import 所有：
>>> from myutil.mymath import *
from...import... 避免了前缀，但是也污染了名字，使用时需权衡。
高阶函数
高阶函数（higher-order）就是操作或返回其它函数的函数。
下面是几个经典的高阶函数，其它稍微函数式一点的语言里一般也有。reduce（规约）
用 reduce 重写阶乘：
import operator, functoolsdef fac(n): return functools.reduce(operator.mul, range(1, n+1))
用 reduce 求和:
def sum(n): return functools.reduce(operator.add, range(1, n+1))
Python 的 reduce 就相当于 C++ 的 accumulate（C++17 已经新增 reduce）。
std::vector v{1, 2, 3, 4, 5, 6, 7, 8, 9, 10};int sum = std::accumulate(v.begin(), v.end(), 0); // 求和int product = std::accumulate(v.begin(), v.end(), 1, std::multiplies ()); // 求积 map（映射）
>>> list(map(bool, [None, 0, "", u"", list(), tuple(), dict(), set(), frozenset()]))[False, False, False, False, False, False, False, False, False]
None、0、空字符串、以及没有元素的容器对象都可视为 False，反之为 True。
filter（过滤）
>>> list(filter(bool, [None, 0, "", 1]))[1]
数据模型
== vs. is
== 判断值是否相等，is 判断两个变量是否为同一个对象。
== 和 equals 一样。下面是一些例子： >>> a, b = 1, 1>>> a == bTrue>>> a is bTrue
a == b 比较好理解，a is b 是因为 Python 对整数做了优化，a 和 b 都指向同一个预先分配的对象（其值为 1）。
is 比较的是对象的内存地址。内建函数 id() 返回对象的唯一标识，可以理解为内存地址。 >>> id(a), id(b)(35169392, 35169392)
甚至可以拿到一个对象的引用计数（reference count）：
>>> import sys>>> sys.getrefcount(a)99>>> sys.getrefcount(b)99
引用计数为 99 有点意外，其实是因为很多装载的内建模块都用到了整数 1。
不妨看看其它整数如何：>>> sys.getrefcount(0)169>>> sys.getrefcount(255)4
对 Python 来说，变量只是名字，它的类型和值取决于它所绑定的对象。我们可以把 a b 绑定到其它对象：
>>> a, b = "hello", "hello">>> a is bTrue
同样，a is b 是因为 Python 对字符串做了优化。
值得一提的是，这种优化（也即引用计数）可能只针对 CPython，对于 Python 的其它实现可能就不是这样了。你的程序不该依赖于这些特定于解释器的实现。
整数和字符串有一个共同点，即它们都是不可变的（immutable），现在来看看可变对象，比如列表：
>>> c, d = [a, b], [a, b]>>> c == dTrue>>> c is dFalse
可见虽然 c 和 d 具有相等的值，但对象是不同的两个。
这些就是 Python 的数据模型（Data Model），虽然不是全部。
对象
Python 的每一个对象（object）都有以下三个部分：
身份（identity）
类型（type）
值（value）
身份：
不可改变（unchangeable）（一旦对象创建了就不会改变）
对应于内存地址
通过操作符
is进行比较: a is b函数
id()返回对象唯一的整形标识（内存地址)
类型：
不可改变（unchangeable）
函数
type()返回对象类型
值：
可变的（mutable）：字典，列表
不可变的（immutable）：数字，字符串，元组
最后，对象不会被显式地销毁（explicitly destroyed）。
对 CPython 来说，对象由引用计数管理，计数为 0 时对象会自动销毁。练习
最后留一道练习。
给定：
>>> c = []>>> d = []>>> c is dFalse
请问：
>>> e = f = []>>> e is f???