编写python代码的PEP8标准（http://www.python.org/dev/peps/pep-0008/）
- 每个缩进层次使用4个空格。
- 每行最多79个字符
- 顶层的函数或类的定义之间空两行
- 采用ASCII或UTF-8编码文件
- 在文件顶端，注释和文档说明下面，每行每条import导入一个模块，同时按照标准库，第三方库和本地库导入顺序分组
- 小括号，中括号，大括号，逗号之前没有额外空格
- 类命名采用驼峰命名发
完了以后可以使用pep8来检查python文件是否符合PEP8标准。
1. python中的变量不需要先定义在使用，可以直接使用，重新使用可以付给不同类型的值。
2. 变量命名遵循C语言命名规则。
3. 大小写敏感。
4. 变量引用计数。
5. del语句可以直接释放资源，变量名删除，引用计数减一。
6. 变量内存自动管理回收，垃圾收集。
7. 指定编码在文件开头加入 #--coding:UTF-8-- 或者#coding=UTF-8
python">In [6]: a=12 #无需定义，直接使用，python解释器根据右侧决定左侧类型
In [7]: print a
12
In [8]: id(a) #变量a在内存中的编码，
Out[8]: 25014352
In [9]: type(a) #变量a的类型
Out[9]: int
In [10]: b=12.33333
In [11]: id(b) #变量b在内存中所占用的内存编码
Out[11]: 25360264
In [12]: type(b)
Out[12]: float
In [13]: a="zhangsan" #变量a重新指向一个新的字符串
In [14]: print a
zhangsan
In [15]: id(a）#变量a在内存中的编码为保存“zhangsan”的地方，原来a指向的内存编码里的内容并没有立即释放
Out[15]: 139844847653680
In [16]: type(a)
Out[16]: str #变量a现在指向一个字符串
python是动态类型语言，“引用”和“对象”分离，如下几个python内置函数可以帮我我们理解python的内存存储：
id（） ： 返回对象的内存地址
type（） ： 返回对象的类型
is 关键字 ： 用于判断两个引用所指的对象是否相同
sys.getrefcount() ：查看对象的引用计数
globals（） ：查看词典
python缓存了整数和短字符串，因此每个对象只存了一份，长的字符串和其他字符串可以有多个相同的对象。
python">In [18]: a="zhangsan is beijing"
In [19]: b="zhangsan is beijing"
In [20]: print(a is b)
False
In [21]: a=[]
In [22]: b=[]
In [23]: print(a is b)
False
在python中，每个对象都存有指向该对象的引用总数，即引用计数（reference count），当使用某个引用作为参数，传递给getrefcount（）时，参数实际上创建了一个临时的引用，因此getrefcount（）所得到的结果会比期望值多1.
python">In [25]: import sys
In [26]:
In [26]: print(sys.getrefcount(a))
2
In [27]:
In [27]: from sys import getrefcount
In [28]:
In [28]: print(getrefcount(b))
2
python的容器对象（container），例如表，词典等等的，可以包含多个对象，容器对象中包含的并不是元素对象本身，是指向各个元素对象的引用，对象应用对象。
引用减少
python">In [43]: a=1
In [44]: b=a
In [45]: print(getrefcount(b))
1558
In [46]: del a
In [47]: print(getrefcount(b))
1557
del也可以删除容器中的元素
python">In [48]: x=[1,2,3]
In [49]: del x[0]
In [50]: print(x)
[2, 3]
当某个引用指向对象A，当这个引用重新指向其他对象时，对象A的引用计数减少1个。
python">In [51]: y=[1,2,3]
In [52]: l=y
In [53]: print(getrefcount(l))
3
In [54]: y=7
In [55]: print(getrefcount(l))
2
python的垃圾回收
简而言之，当python的某个对象引用计数将为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾了。然而垃圾回收时，python不能进行其他的任务了，频繁的垃圾回收将大大的降低python的工作效率，如果内存中的对象不多，就没有必要哦，python只会在特定条件下自动启动垃圾回收。当python运行时，会记录其中分配对象（object allocation）和取消对象（object deallocation）的次数，当两者的差值高于某个阀值时，垃圾回收会自动启动。
查看阀值：
python">In [56]: import gc
In [57]: print(gc.get_threshold())
(700, 10, 10)
后面的两个10是分代回收相关的阀值，700是垃圾回收启动的阀值。可以通过set_threshold()重新设置阀值。
也可以手动启动垃圾回收gc.collect()
分代回收
python也有分代回收的策略（generation），这个策略的基本假设是存活时间越久的对象，我们的程序往往会产生大量的对象，许多对象很快产生和消失，但也有一些对象长期被使用。出于信任和效率，对于这样一些“长寿”对象，我们相信它们的用处，所以减少在垃圾回收中扫描它们的频率。
Python作为一种动态类型的语言，其对象和引用分离。这与曾经的面向过程语言有很大的区别。为了有效的释放内存，Python内置了垃圾回收的支持。Python采取了一种相对简单的垃圾回收机制，即引用计数，并因此需要解决孤立引用环的问题。Python与其它语言既有共通性，又有特别的地方。对该内存管理机制的理解，是提高Python性能的重要一步
简单函数
1. def是定义函数的关键字。
2. 下面的x和y为形参，不需要类型修饰。
3. 函数的定义行需要“：”
4. 函数体整体缩进。
5. 函数可以拥有返回值，若无返回值，返回None，相当于C中的NULL。
python">def add(x,y):
z=x+y
return z
res=add(3,5)
print(res)
局部变量和全局变量
局部变量的作用域覆盖全局变量（当局部变量定义了和全局变量一样的值的时候，全局变量就失效了。）
def p_num(): num=5 print num num=10 p_num() print(num)
结果为
5
10
函数内有局部变量定义，解释器不使用局部变量，局部变量的定义晚于被引用，就报错。（就是在编译阶段就出错了）
python">def p_num():
print(num)
num=5
print(num)
num=10
p_num()
print(num)
Traceback (most recent call last):
File "/home/jiefy/work/2.py", line 6, in <module>
p_num()
File "/home/jiefy/work/2.py", line 2, in p_num
print(num)
UnboundLocalError: local variable 'num' referenced before assignment
函数内部可以直接访问全局变量
python">def p_num():
print(num)
num=10
p_num()
print(num)
10
10
[Finished in 0.1s]
函数内部修改全局变量，使用global关键字。
