class A(object): def foo(self,x): #类实例方法 print "executing foo(%s,%s)"%(self,x) @classmethod def class_foo(cls,x): #类方法 print "executing class_foo(%s,%s)"%(cls,x) @staticmethod def static_foo(x): #静态方法 print "executing static_foo(%s)"%x调用方法：
a = A() a.foo(1) //print : executing foo(<__main__.A object at 0xb77d67ec>,1) a.class_foo(1)//executing class_foo(<class '__main__.A'>,1) A.class_foo(1)//executing class_foo(<class '__main__.A'>,1)a.static_foo(1)//executing static_foo(1) A.static_foo(1) //executing static_foo(1)类方法和静态方法都可以被类和类实例调用，类实例方法仅可以被类实例调用。
类方法的隐含调用参数是类，而类实例方法的隐含调用参数是类的实例，静态方法没有隐含调用参数。
python内置关于排序的工具主要有两个一个是列表自带的 sort() 方法，另外一个是 sorted() 函数。Python 列表内置方法可以直接修改列表。而 sorted() 内置函数从一个可迭代对象（列表，元组等都可以）构建一个新的排序列表。其函数原型分别如下：
对列表进行默认排序
从函数原型来看，可以看到两者都具有两个可选参数，它们都必须指定为关键字参数。
key 指定带有单个参数的函数，用于从 iterable 的每个元素中提取用于比较的键 (例如 key=str.lower)。默认值为 None (直接比较元素)。 key 形参的值应该是个函数（或其他可调用对象），它接受一个参数并返回一个用于排序的键。
假设有其他类型的变量，比如一个自定义的类或者列表中又是一个列表。以官网例子为例有这样一个列表，其元素为元组，
可以用以下方式按照年龄排序
类似的有自定义类
可以用如下方式进行排序
也可以显示定义一个函数，且只有一个参数，返回用于排序的键，比如
总之就是定义一个函数返回一个用于排序的键，可以用lambda函数或者 def 定义都可以。
上面实现的简单函数实际就是实现了返回一个有序结构的第 n 的元素，或者某个类中的某个属性，因此 Python 提供了便利功能，使访问器功能更容易，更快捷。operator 模块有 itemgetter() 、 attrgetter() 函数。分别完成返回第 n 个元素，某个属性功能。上面的排序可以用如下方式进行实现
在python2中，sort有一个 cmp 参数，即用一个函数来自定义比较，在python3中这种方式被取消。为了继承类似的用法，在 Python 3.2 中， functools.cmp_to_key() 函数被添加到标准库中的 functools 模块中。
这种作用先定义如何比较两个变量，以上面的学生列表按照年龄排序为例
这种做法自定义比较函数接收两个形参，返回比较结果（bool），而新式方法接受一个参数，返回的是比较的键。
假设有字典 d = {'b':2, 'a':1,'c':8,'d':4} ，则可以通过以下方式对字典按照键和值进行排序
在 pandas 中，存储文本主要有两种方式
但一般建议使用 StringDtype 类型存储文本数据。都是由于各种原因，现在字符串数据的默认存储类型还是 object 。
要存储为 string 类型，需要显式的设置 dtype 参数
或者在创建 Series 或 DataFrame 之后，使用 astype 转换类型
也可以使用 StringDtype/"string" 转换其他非字符串类型的数据
转换现有数据的类型
StringDtype 类型对象与 object 类型之间存在一些差异
两个结果的输出都是 Int64 类型。将其与 object 类型比较
当存在 NA 值时，输出为 float64 。类似地，对于返回布尔值的方法
Series 和 Index 有一套字符串处理方法，可以方便地对数组的每个元素进行操作，最重要的是，这些方法会自动忽略缺失值。
这些方法可以通过 str 属性访问，通常具有与内置字符串方法相匹配的名称
Index 上的字符串方法对于清理或转换 DataFrame 的列特别有用。
例如，您可能有带有前导或后置空格的列
因为 df.columns 是一个 Index 对象，所以我们可以使用 .str 访问器
我们可以根据需要对列名进行处理，然后重新设置列名。
例如，我们删除列名的前后空格，并将其改为小写字母，同时用 _ 替换剩余的空格
split 方法会返回一个值为 list 的 Series
可以使用 get 或 [] 访问拆分后的列表中的元素
更简单的方法是设置 expand 参数，返回一个 DataFrame
当原来的 Series 包含 StringDtype 类型的数据时，输出列也将全部为 StringDtype
当然，也可以设置切割次数
它还有个对应的 rsplit 方法，从右边起始对字符串进行拆分
replace 参数支持使用正则表达式，前两个参数是 pat (匹配模式) 和 repl (替换字符串)
如果只是想要替换字符串字面值，可以将 regex 参数设置为 False ，而不需要对每个特殊字符进行转义。此时 pat 和 repl 参数必须是字符串
此外， replace 方法还接受一个可调用的替换函数，会使用 re.sub() 方法在每个匹配的模式上调用该函数
该函数需要传入一个正则对象作为位置参数，并返回一个字符串。例如
replace 方法的 pat 参数还接受 re.compile() 编译的正则表达式对象。所有的 flags 需要在编译正则对象时设置
如果在 replace 中设置 flags 参数，则会抛出异常
有几种方法可以将一个 Series 或 Index 与自己或其他的 Series 或 Index 相连接，所有这些方法都是基于 cat() 方法
可以连接一个 Series 或 Index 的内容
如果未指定 sep 参数，则默认为空字符串
默认会跳过缺失值，也可以使用 na_rep 指定缺失值的表示方式
cat() 的第一个参数 others 可以是类似列表的对象，但是其长度需要和调用对象一致
只要两个对象中存在缺失值，对应的结果中也是缺失值，除非指定了 na_rep
others 参数也可以是二维的，但是得保证其行数必须与调用的对象一致
对于 Series 或 DataFrame 的连接，可以通过设置 join 参数指定对齐方式
通常 join 可选范围为： 'left' , 'outer' , 'inner' , 'right' 。此时，不再要求两个对象长度一致
当 others 参数是 DataFrame 时，也可以使用
可以将一些类似数组的对象（如 Series ， Index 等）放在一个类似列表的容器中，然后传递给 cat
对于没有索引的对象，其长度必须与调用 cat 的对象相同。但是 Series 和 Index 可以是任意的，除非设置了 json=None 。
如果在 others 参数上包含不同索引的对象，且设置了 join='right' ，则最后的结果将会是这些索引的并集
