比如有1、2、3这三个数字，要进行排列，则一共有以下6种情况：
数字比较少的时候，咱们可以直接手动一一列举出来，如果有n个数字，怎么快速计算排列数呢？咱们可以靠已有的认知，自己写出公式。
综合以上情况，那就是
（数学其实就是这样，并没有什么高深的公式，就是靠一点一点简单的公式累积起来，只要逻辑严谨，推导过程详细，小白也能看得懂）
以上是对给的所有数字进行排列的情况，而更一般的情况是，给n个球，从中选择m个，计算有多少种排列情况，道理和上面一样，下面直接给出计算公式，不再赘述。
通用公式如下所示：
enumerate()说明
enumerate()是python的内置函数
enumerate在字典上是枚举、列举的意思
对于一个可迭代的（iterable）/可遍历的对象（如列表、字符串），enumerate将其组成一个索引序列，利用它可以同时获得索引和值
enumerate多用于在for循环中得到计数
例如对于一个seq，得到：
(0, seq[0]), (1, seq[1]), (2, seq[2])
1
1
enumerate()返回的是一个enumerate对象，例如：
enumerate()使用
如果对一个列表，既要遍历索引又要遍历元素时，首先可以这样写：
list1 = ["这", "是", "一个", "测试"]
for i in range (len(list1)):
print i ,list1[i]123123
上述方法有些累赘，利用enumerate()会更加直接和优美：
list1 = ["这", "是", "一个", "测试"]
for index, item in enumerate(list1):
print index, item
>>>
0 这
1 是
2 一个
3 测试1234567812345678
enumerate还可以接收第二个参数，用于指定索引起始值，如：
list1 = ["这", "是", "一个", "测试"]
for index, item in enumerate(list1, 1):
print index, item
>>>
1 这
2 是
3 一个
4 测试1234567812345678
补充
如果要统计文件的行数，可以这样写：
count = len(open(filepath, 'r').readlines())11
这种方法简单，但是可能比较慢，当文件比较大时甚至不能工作。
可以利用enumerate()：
count = -1
for index, line in enumerate(open(filepath,'r'))：
count += 1
由于Python EOL的发布，许多人开始将他们的Python版本从2切换到3。不幸的是，我发现大多数Python3看起来仍然像Python2，但是要加括号(尽管在我之前的文章《使用Python进行web抓取介绍》中的代码示例也是这样)。下面，我将展示一些令人兴奋的特性示例，你只能在Python3中使用它们，希望它可以让你使用Python解决问题变得更容易。
所有示例都是在Python 3.7中编写的，每个特性都包含该特性所需的最低Python版本。
在任何编程语言中，没有字符串是很难做任何事情的，为了保持理智，你希望有一种结构化的方法来处理字符串。大多数使用Python的人更喜欢使用format方法。
除了format，Python 3还提供了一种通过f-strings进行字符串插值的灵活方法。和上面一样使用f-strings的代码是这样的:
f-strings非常棒，但是有些字符串(比如文件路径)有自己的库，这使得它们的操作更加容易。Python 3提供了pathlib作为一个处理文件路径的方便抽象。如果你不确定为什么你应该使用pathlib，试着阅读这篇优秀的文章——《为什么你应该使用pathlib》——Trey Hunner。
静态和动态类型是软件工程中一个热门的话题，几乎每个人都对此有自己的看法。我将让读者决定何时应该编写类型，但我认为你至少应该知道Python 3支持类型提示。
Python 3提供了一种通过Enum类来编写枚举的简单方法。枚举是封装常量列表的一种方便的方法，因此它们不会在没有太多结构的情况下随机分布在你的代码中。
枚举是一组符号名称(成员)，它们绑定到惟一的常量值。在枚举中，可以通过标识对成员进行比较，并且枚举本身也可以被遍历。https://docs.python.org/3/library/enum.html
缓存存在于我们今天使用的几乎所有水平的软件和硬件中。Python 3通过将LRU(最近最少使用的)缓存公开为一个名为lru_cache的装饰器，使得使用它们变得非常简单。
下面是一个简单的Fibonacci函数，我们知道它将从缓存中受益，因为它通过递归多次执行相同的任务。
现在我们可以使用lru_cache对其进行优化(这种优化技术称为memoization（记忆化）)。执行时间从几秒降到几纳秒。
请查看代码（文档 https://www.python.org/dev/peps/pep-3132/ ）。
Python 3引入了数据类，这些数据类并没有太多限制，可以使用它们来减少样板代码，因为装饰器会自动生成特殊的方法，比如__init__() 和__repr()__。根据官方建议，它们被描述为“具有默认值的可变命名元组”。
使用数据类的Armor的相同实现。
结构化Python代码的一种方法是在包中(带有一个__init__.py文件的文件夹)。下面的示例是由官方Python文档提供的。
在Python2中，上面的每个文件夹都必须有一个__init__.py文件，它会将该文件夹转换为一个Python包。在Python3中，随着隐式命名空间包的引入，这些文件就不再需要了。
编者注:正如一些人所说，这并不像我在本节中指出的那样简单，从官方的PEP 420规范来看——__init__.py对于普通包仍然是必需的，将它从文件夹结构中删除将会把文件夹变成一个带有附加限制的本地命名空间包，关于本机命名空间包的官方文档对此展示了一个很好的例子，以及命名所有的限制。
就像互联网上几乎所有的列表一样，本列表并不完整。我希望这篇文章至少向你展示了一个你以前并不知道的Python 3功能，它将帮助你编写更简洁、更直观的代码。一如既往，所有的代码都可以在GitHub上找到。
（https://github.com/Weenkus/DataWhatNow-Codes/blob/master/things_you_are_probably_not_using_in_python_3_but_should/python%203%20examples.ipynb ）
