Python内置函数大全：68个built-in函数速查与分类

一、68个内置函数十大分类矩阵总览

为了让查询与记忆更具条理性，本文摒弃按照首字母顺序罗列的机械方式，而是根据它们在 Python 开发任务中的底层角色，将 68 个函数解构成 10 个功能明确的模块。

图 1：Python 68 个内置函数十大功能分类全景架构矩阵

每一个分类都对应着 Python 语言机制的一个专门侧面：

• 数学与数值计算（7个）：处理算术取值、除法余数、极值定位与精度四舍六入。
• 数据类型与构造转换（13个）：负责标量类型构建、进制转换与字节缓冲区内存视图。
• 数据结构与容器操作（13个）：包含列表、元组、字典、集合构造及序列切片、重组与格式化。
• 迭代器与高阶流处理（6个）：提供惰性流式计算、全称/存在性条件判断及哨兵迭代。
• 作用域与命名空间内省（4个）：用于动态排查局部、全局及对象内部符号表。
• 面向对象与反射机制（8个）：实现类与实例类型判定、动态增删改查属性与元类基类定义。
• 类方法与属性装饰器（4个）：提供描述符封装、类方法绑定与多继承 MRO 链式委托。
• 输入输出与交互控制（4个）：标准输入输出管道、操作系统物理文件操作及文档帮助检索。
• 动态编译与代码执行（4个）：将字符串源码动态编译为 AST 字节码并按需在指定沙箱执行。
• 运行时底层与对象标识（5个）：获取对象内存物理唯一地址、哈希值计算及对象调用契约检验。

二、数学与数值计算函数（7个）

这 7 个函数用于处理基本数值逻辑。与 math 模块相比，内置数学函数覆盖的是所有数值类型通用的基础算术操作。

三、数据类型与构造转换函数（13个）

Python 中每个基本类型名称本质上都是其内置类的构造方法，负责将其他对象安全转换为目标格式。

四、数据结构与容器操作函数（13个）

Python 高效操作的关键在于对基础集合容器的娴熟运用。以下 13 个内置函数覆盖了容器的声明、排序、切片和打包：

五、迭代器与高阶流处理函数（6个）

Python 支持函数式编程的核心内置工具就是这一组高阶函数。它们以惰性求值为核心，在处理千万级数据集时不会发生内存暴涨。

图 2：内置函数数据流处理与高阶迭代调用管线（步骤流）

标准处理管线通常分为四个步骤：

1. 数据源输入：通过 range()、文件读取句柄 open() 或集合类获取基础数据流。
2. 转换与匹配：使用 map() 进行逐项运算变换，使用 filter() 剔除不合规元素，使用 zip() 与 enumerate() 进行组合对齐。
3. 状态迭代消费：通过 iter() 获取迭代器，使用 next() 在循环中单步推进并设置默认兜底值。
4. 终端聚合：使用 sorted() 输出结构化结果，或利用 all()、any()、sum() 进行逻辑决断和标量计算。

实战高阶流处理代码示例：

# 环境：Python 3.8+ 任意环境
numbers = [12, -7, 0, 15, 8, -3, 22]

# 组合管线：过滤负数 -> 平方变换 -> 降序排序
pipeline = sorted(map(lambda x: x ** 2, filter(lambda x: x > 0, numbers)), reverse=True)
print("处理后的平方降序序列:", pipeline)

# 安全迭代推进示例
iterator = iter(["Task-A", "Task-B"])
print("Step 1:", next(iterator, "已无任务"))
print("Step 2:", next(iterator, "已无任务"))
print("Step 3 (安全越界):", next(iterator, "已无任务"))

六、作用域与命名空间内省函数（4个）

Python 程序在执行时，所有变量名均存储在对应的符号表字典中。以下 4 个函数允许开发者在运行时内省命名空间：

• dir([object])：若不带参数，返回当前局部作用域内的全部变量名列表；若带参数，返回该对象的所有有效属性和方法名（包含特殊双下划线方法）。
• globals()：返回当前全局命名空间的真实字典引用。修改该字典内的键值会直接更改全局变量。
• locals()：返回当前局部命名空间的字典。在函数内部，Python 字节码优化了局部变量存储（FAST 局部数组），因此 locals() 仅返回一份快照字典，修改该字典不会影响实际的局部变量。
• vars([object])：返回对象的 __dict__ 属性。若不带参数，等同于 locals()。如果目标对象未定义 __dict__（如使用了 __slots__ 的类），调用将抛出 TypeError。

七、面向对象与属性反射函数（8个）

反射（Reflection）是指程序在运行状态中，能够探知任意一个对象的内部属性和方法，并且能够动态调用与修改。

图 3：高频混淆内置函数底层机制对比（isinstance vs type 与 str vs repr）

八、类方法与属性装饰器函数（4个）

虽然在现代 Python 中开发者习惯以 @property 的语法糖形式使用，但它们在语言底层均为纯正的 built-in 函数。

• property(fget=None, fset=None, fdel=None, doc=None)： 构建托管属性描述符。通过拦截属性读取、赋值和删除行为，在不改变原有属性访问语法的外部前提下，于内部嵌入数据校验、懒加载或只读保护逻辑。
• classmethod(function)： 将普通函数转换为类方法。被修饰的方法在调用时，第一个隐式参数不再是实例 self，而是所属类对象 cls。常用于编写自定义工厂方法。
• staticmethod(function)： 将普通函数转换为静态方法。静态方法不再隐式接收任何 self 或 cls 参数，本质上是挂载在类命名空间内的独立通用工具函数。
• super([type, [object-or-type]])： 返回代理对象，用于委托调用父类或兄弟类的方法。在多重继承体系中，super() 会严格遵循 C3 线性化算法生成的 MRO 顺序推进，防止菱形继承（Diamond Problem）导致的基类方法重复执行。

九、输入输出与交互控制函数（4个）

作为程序与外部环境打交道的门户，这 4 个函数支撑了终端交互与文件系统读写：

十、动态编译与代码执行函数（4个）

这组函数提供了直接操纵 Python 虚拟机编译器和运行时执行引擎的底层能力。由于它们具有极高的灵活性，在获得强大元编程能力的同时，也伴随着安全风险。

import ast

# 安全解析字符串形式的配置容器
user_input = "{'host': '127.0.0.1', 'port': 8080}"
safe_config = ast.literal_eval(user_input)
print("安全解析成功:", safe_config["port"])

十一、运行时底层与对象标识函数（5个）

这 5 个函数与 CPython 底层对象模型密切相关，负责内存唯一性检验、哈希定位与准确文本表征：

十二、综合总结与避坑速查全景路线

掌握全部 68 个内置函数并不意味着要在每一个场景强行使用它们。遵循良好的工程直觉，明确它们在开发生命周期中的频率分布与边界限制，才是提升代码可靠性与性能的关键。

图 4：68 个内置函数实用频率与避坑指南知识全景总结

在日常开发与代码重构中，请重点遵循以下四条核心实践法则：

• 法则 1：优先使用原生内置函数代替手写循环。 像 sum()、any()、enumerate() 等函数均由底层 C 代码高度优化并支持短路机制，无论在执行速度还是代码简洁度上都优于手写 for 循环计数。
• 法则 2：理解惰性迭代与立即求值的开销界限。 range()、map()、filter() 和 zip() 生成的是惰性迭代器，单次遍历时内存开销恒为 O(1)。若需要对结果进行多次索引访问、长度测量或重复遍历，才需要通过 list() 显式具象化。
• 法则 3：面向对象设计牢记多态优先。 使用 isinstance() 进行参数类型断言，允许用户传入衍生子类；只在必须排他隔离的序列化与类型注册中心，才使用 type(obj) is cls。
• 法则 4：安全底线坚决不让步。 涉及字符串代码求值时，坚决抵制 eval() 的随意调用，对配置字典字符串优先使用 ast.literal_eval()，确保业务系统远离注入安全漏洞。