logger对象配置
import logginglogger = logging.getLogger() # 创建logger对象.fh = logging.FileHandler('高配版logging.log', encoding='utf-8') # 创建文件句柄logger.addHandler(fh) #产生了一个屏幕句柄logging.debug('debug message')logging.info('info message')logging.warning('warning message')logging.error('error message')logging.critical('critical message') import logginglogger = logging.getLogger() # 创建logger对象.fh = logging.FileHandler('高配版logging.log', encoding='utf-8') # 创建文件句柄sh = logging.StreamHandler() #产生了一个屏幕句柄logger.setLevel(logging.INFO) #选择写入及打印级别logger.addHandler(fh) #添加文件句柄logger.addHandler(sh) #添加屏幕句柄logging.debug('debug message')logging.info('info message')logging.warning('warning message')logging.error('error message')logging.critical('critical message') import logginglogger = logging.getLogger() # 创建logger对象.fh = logging.FileHandler('高配版logging.log', encoding='utf-8') # 创建文件句柄sh = logging.StreamHandler() #产生了一个屏幕句柄formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') # 设置写入和打印格式logger.addHandler(fh) #添加文件句柄logger.addHandler(sh) #添加屏幕句柄fh.setFormatter(formatter) # 设置打印格式sh.setFormatter(formatter) # 设置文件的格式 (这两个按照需求可以单独设置) import logginglogger = logging.getLogger() # 创建logger对象.fh = logging.FileHandler('高配版logging.log', encoding='utf-8') # 创建文件句柄sh = logging.StreamHandler() #产生了一个屏幕句柄formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') # 设置写入和打印格式logger.setLevel(logging.INFO) #选择(更改)默认写入及打印级别logger.addHandler(fh) #添加文件句柄logger.addHandler(sh) #添加屏幕句柄fh.setFormatter(formatter) # 设置打印格式sh.setFormatter(formatter) # 设置文件的格式 (这两个按照需求可以单独设置)fh.setLevel(logging.WARNING) # 选择写入级别sh.setLevel(logging.ERROR) # 选择打印级别 六，collections模块
在内置数据类型（dict、list、set、tuple）的基础上，collections模块还提供了几个额外的数据类型：Counter、deque、defaultdict、namedtuple和OrderedDict等。
1.namedtuple: 生成可以使用名字来访问元素内容的tuple
2.deque: 双端队列，可以快速的从另外一侧追加和推出对象
3.Counter: 计数器，主要用来计数
4.OrderedDict: 有序字典
5.defaultdict: 带有默认值的字典
namedtuple
我们知道tuple可以表示不变集合，例如，一个点的二维坐标就可以表示成：
>>> p = (1, 2)
但是，看到(1, 2)，很难看出这个tuple是用来表示一个坐标的。
这时，namedtuple就派上了用场：
>>> from collections import namedtuple>>> Point = namedtuple('Point', ['x', 'y'])>>> p = Point(1, 2)>>> p.x1>>> p.y2 类似的，如果要用坐标和半径表示一个圆，也可以用namedtuple定义：
#namedtuple('名称', [属性list]):Circle = namedtuple('Circle', ['x', 'y', 'r']) deque
使用list存储数据时，按索引访问元素很快，但是插入和删除元素就很慢了，因为list是线性存储，数据量大的时候，插入和删除效率很低。
deque是为了高效实现插入和删除操作的双向列表，适合用于队列和栈：
>>> from collections import deque>>> q = deque(['a', 'b', 'c'])>>> q.append('x')>>> q.appendleft('y')>>> qdeque(['y', 'a', 'b', 'c', 'x']) deque除了实现list的append()和pop()外，还支持appendleft()和popleft()，这样就可以非常高效地往头部添加或删除元素。
OrderedDict
使用dict时，Key是无序的。在对dict做迭代时，我们无法确定Key的顺序。
如果要保持Key的顺序，可以用OrderedDict：
>>> from collections import OrderedDict>>> d = dict([('a', 1), ('b', 2), ('c', 3)])>>> d # dict的Key是无序的{ 'a': 1, 'c': 3, 'b': 2}>>> od = OrderedDict([('a', 1), ('b', 2), ('c', 3)])>>> od # OrderedDict的Key是有序的OrderedDict([('a', 1), ('b', 2), ('c', 3)]) 注意，OrderedDict的Key会按照插入的顺序排列，不是Key本身排序：
>>> od = OrderedDict()>>> od['z'] = 1>>> od['y'] = 2>>> od['x'] = 3>>> od.keys() # 按照插入的Key的顺序返回['z', 'y', 'x']
defaultdict
有如下值集合 [11,22,33,44,55,66,77,88,99,90...]，将所有大于 66 的值保存至字典的第一个key中，将小于 66 的值保存至第二个key的值中。
即： { 'k1': 大于66 , 'k2': 小于66} li = [11,22,33,44,55,77,88,99,90]result = {}for row in li: if row > 66: if 'key1' not in result: result['key1'] = [] result['key1'].append(row) else: if 'key2' not in result: result['key2'] = [] result['key2'].append(row)print(result) from collections import defaultdictvalues = [11, 22, 33,44,55,66,77,88,99,90]my_dict = defaultdict(list)for value in values: if value>66: my_dict['k1'].append(value) else: my_dict['k2'].append(value)
使用dict时，如果引用的Key不存在，就会抛出KeyError。如果希望key不存在时，返回一个默认值，就可以用defaultdict：
>>> from collections import defaultdict>>> dd = defaultdict(lambda: 'N/A')>>> dd['key1'] = 'abc'>>> dd['key1'] # key1存在'abc'>>> dd['key2'] # key2不存在，返回默认值'N/A'
Counter
Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）。Counter类和其他语言的bags或multisets很相似。
c = Counter('abcdeabcdabcaba')print c输出：Counter({ 'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1}) 七，random模块
>>> import random#随机小数>>> random.random() # 大于0且小于1之间的小数0.7664338663654585>>> random.uniform(1,3) #大于1小于3的小数1.6270147180533838#恒富：发红包#随机整数>>> random.randint(1,5) # 大于等于1且小于等于5之间的整数>>> random.randrange(1,10,2) # 大于等于1且小于10之间的奇数#随机选择一个返回>>> random.choice([1,'23',[4,5]]) # #1或者23或者[4,5]#随机选择多个返回，返回的个数为函数的第二个参数>>> random.sample([1,'23',[4,5]],2) # #列表元素任意2个组合[[4, 5], '23']#打乱列表顺序>>> item=[1,3,5,7,9]>>> random.shuffle(item) # 打乱次序>>> item[5, 1, 3, 7, 9]>>> random.shuffle(item)>>> item[5, 9, 7, 1, 3]