1. 注释
python中使用'''或者"""进行文档注释，类似于java中的javadoc
2. 下划线_
_ 常用于临时变量的命名
_name 用于表示私有成员
__name用于避免和派生类变量混淆，也表示私有成员
python下划线的命名规则
name表示一种特殊的成员，如init
3. 高阶函数
- map()
map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。 - reduce()
reduce把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算 - filter()
和map()类似，filter()也接收一个函数和一个序列。和map()不同的时，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。 - sorted()
排序的核心是比较。
Python内置的sorted()函数就可以对list进行排序：
>>> sorted([36, 5, 12, 9, 21])
[5, 9, 12, 21, 36]
sorted()函数也是一个高阶函数，它还可以接收一个比较函数来实现自定义的排序。比如，如果要倒序排序，我们就可以自定义一个reversed_cmp函数：
def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
-
关于lambda表达式的注意点
lambda表达式中lambda x,y : x+y 和 lambda (x,y): x+y表示的意义不一样，前者代表两个参数(x和y)，而后者代表一个参数(即(x,y)元组)
reduce(lambda x,y : x+y, map(lambda (x, w) : x * w, zip(input_vec, self.weights)), 0.0)
如果没有注意到这点，这样写:
reduce(lambda (x,y) : x+y, map(lambda (x, w) : x * w, zip(input_vec, self.weights)), 0.0)
可能会出现以下错误：
TypeError: <lambda>() takes exactly 1 argument (2 given)
这是因为(x,y)代表一个参数，而实际上reduce中传递了两个
