Python内置函数大全：按功能分类的完整清单与速查

山海之间

发布时间：2026-11-10| 13人浏览过

原创

全面系统的Python内置函数速查清单与使用指南，覆盖数学计算、类型转换、序列迭代、对象自省、文件IO与动态执行等全部分类，配详实代码示例与核心避坑要点。

适用版本：Python 3.10 / 3.11 / 3.12+ 分类大纲：7大核心功能域 · 70+ 原生函数 特性：零外部依赖 · 底层 C 优化 · 开箱即用

图 0：Python 官方内置函数全景知识图谱与核心功能域分布

在编写 Python 代码或审查已有项目时，很多开发者常会手写冗长逻辑去实现元素去重、多序列配对、类型校验或安全提取对象属性，却忽略了 Python 运行环境中开箱即用的内置函数（Built-in Functions）。Python 解释器在启动时会将 builtins 模块中的函数直接注入全局命名空间，调用时无需编写任何 import 语句，且底层主要由 C 语言原生实现，具备显著的速度优势。掌握这些函数的完整体系不仅能够减少重复造轮子，更能写出符合 Pythonic 规范的高效程序。本文将 Python 官方内置函数按功能划分为七大维度，提供系统清单、代码示例与进阶避坑说明，方便开发日常速查与选型参考。

一、数学运算与极值计算

数学计算类内置函数覆盖了基础绝对值、求商与余数、幂运算、浮点舍入以及集合元素求和与最值检索。此类函数性能经过底层高精度优化，远比自行在 Python 层遍历累加或比较更加快速。

函数原型	核心功能与参数说明	典型调用范式
`abs(x)`	返回数值的绝对值；若入参为复数，则返回该复数的模长。	`abs(-5) # 5 abs(3 + 4j) # 5.0`
`divmod(a, b)`	同时计算商与余数，返回元组 `(a // b, a % b)`。非常适合用于分页逻辑计算与时间秒数换算。	`divmod(100, 30) # (3, 10)`
`pow(base, exp[, mod])`	计算 `base exp`。若提供第三个参数 `mod`，则执行快速模幂运算 `(base exp) % mod`，效率远高于手动求模。	`pow(2, 3) # 8 pow(2, 3, 5) # 3`
`round(number[, ndigits])`	对浮点数进行舍入保留 `ndigits` 位小数。注意其遵循“四舍六入五成双”（Banker's Rounding）原则。	`round(2.5) # 2 round(3.5) # 4`
`sum(iterable[, start])`	计算可迭代对象中所有数值元素的总和，可指定起始累加底数 `start`（默认为 0）。	`sum([1, 2, 3], 10) # 16`
`min(iterable, [, key, default])` `min(arg1, arg2, args[, key])`	求一个或多个参数中的最小值。支持自定义比较键函数 `key` 以及空序列兜底值 `default`。	`min([], default=0) # 0 min(['a', 'bbb'], key=len) # 'a'`
`max(iterable, [, key, default])` `max(arg1, arg2, args[, key])`	求一个或多个参数中的最大值。规则与 `min()` 对称。	`max([12, 45, 9]) # 45`

⚠️ 避坑提醒：round() 的银行家舍入行为

Python 3 的 round() 并非传统数学上的“四舍五入”，而是采用 IEEE 754 标准推荐的“偶数舍入”策略：当遇到末尾刚好为 5 时，舍入到最近的偶数（例如 round(2.5) == 2，而 round(3.5) == 4）。若业务要求严格的商业四舍五入，应使用标准库中的 decimal 模块。

二、数据类型转换与基础容器构造

Python 提供了丰富的内置类型构造器。它们既可以用于将现有对象显式转换为指定类型，也可以作为空容器或默认实例的初始化函数。理清标量数据与容器之间的转换拓扑，是编写整洁数据流的关键。

图 1：Python 基础数据类型与容器互转关系拓扑图

1. 标量基元与布尔型

int(x=0, base=10)：将数字或字符串转为整数。支持指定进制基数（如 int("1f", 16) 输出 31）。
float(x=0.0)：将字符串或数值转为双精度浮点数，支持科学计数法字符串（如 float("1e-3")）。
complex(real=0, imag=0)：构造复数对象（如 complex(2, 3) 得到 (2+3j)）。
bool(x=False)：根据 Python 官方真值测试规则判断真伪。注意：任何非空字符串转换后均为 True，例如 bool("False") 的返回值是 True。
str(object='')：将对象转化为适合人类阅读的 Unicode 字符串形式。

2. 序列、哈希集合与字典容器

list(iterable=())：由任意可迭代对象构建可变列表。常用作消耗迭代器并一次性缓存数据。
tuple(iterable=())：构建不可变元组。常用于作为字典的复合键或不可变入参。
set(iterable=())：构建无序且不重复的可变哈希集合。是实现集合求交（&）、并（|）、差（-）及高频去重的最佳选择。
frozenset(iterable=())：构建不可变的冻结集合。因为不可变且具备哈希值，因此可以作为集合元素或字典的 Key。
dict(**kwargs) / dict(mapping, **kwargs) / dict(iterable, **kwargs)：构造键值字典。可直接接收二元组键值对列表或与 zip 联合使用。

3. 底层二进制缓冲区与类型根节点

bytes(source=b'')：不可变二进制字节序列（如 bytes([65, 66]) == b'AB'）。
bytearray(source=b'')：可变二进制字节数组，支持原地切片与修改，适用于高性能网络通信与协议解析。
memoryview(obj)：创建共享底层内存的缓冲区切片视图，避免大数据块在大内存处理时产生冗余数据拷贝（零拷贝技术）。
type(object)：单参数时返回对象所属类型；三参数 type(name, bases, dict) 时可动态元编程创建类。
object()：Python 所有类的基类，生成一个没有任何属性的纯净空对象，常用于多线程加锁哨兵或单例占位符。

# 容器快速组装与去重实战
raw_tags = ["python", "ai", "web", "python", "backend", "ai"]
unique_tags = list(set(raw_tags))  # 快速去重（不保序）
print("去重标签:", unique_tags)

# 双序列对齐构建映射字典
field_keys = ["id", "username", "role"]
row_values = [1001, "dev_admin", "maintainer"]
user_record = dict(zip(field_keys, row_values))
print("用户记录:", user_record)
# 示例输出：用户记录: {'id': 1001, 'username': 'dev_admin', 'role': 'maintainer'}

三、序列操作与迭代流处理

序列和迭代是 Python 语言设计的核心精髓。熟练运用内置的迭代函数，能够以优雅、声明式的语法完成复杂的数据流转换，而无需深层嵌套的 for 循环与下标计数器。

图 2：集合与序列处理内置函数选择决策流程图

函数原型	功能描述与关键特性	典型场景示例
`len(s)`	返回对象的元素个数。内部直接读取 C 结构体中的 `ob_size` 字段，时间复杂度为 \(O(1)\)。	`len([1, 2, 3]) # 3`
`range(stop)` `range(start, stop[, step])`	生成不可变的等差整数序列。占用恒定的小内存，只在按需迭代时生成对应数值。	`list(range(0, 10, 2)) # [0, 2, 4, 6, 8]`
`enumerate(iterable, start=0)`	将可迭代对象包装为生成 `(index, item)` 元组的枚举迭代器，彻底避免手写递增索引。	`for i, v in enumerate(seq, 1): print(i, v)`
`zip(*iterables, strict=False)`	并行聚合多个可迭代对象。在 Python 3.10+ 中推荐加入 `strict=True`，当长度不等时抛出 `ValueError`，防止静默丢弃尾部数据。	`list(zip([1, 2], ['a', 'b'])) # [(1, 'a'), (2, 'b')]`
`sorted(iterable, *, key=None, reverse=False)`	使用稳定的 Timsort 算法返回排序后的全新列表，原数据保持不变。	`sorted([-3, 1, -2], key=abs) # [1, -2, -3]`
`reversed(seq)`	返回序列的反向迭代器。要求对象实现 `__reversed__()` 或具有索引与 `__len__()`。	`for x in reversed([1, 2, 3]): ...`
`filter(function, iterable)`	构造迭代器，仅保留使 `function(item)` 为真的元素。若函数为 `None`，则过滤掉所有假值。	`list(filter(None, [0, 1, False, "ok"])) # [1, 'ok']`
`map(function, *iterables)`	对一个或多个输入序列逐项应用 `function` 并生成新值的惰性迭代器。	`list(map(str.upper, ['a', 'b'])) # ['A', 'B']`
`all(iterable)`	判断所有元素是否均为真值。支持短路特性（遇到 False 即停）。注意：空可迭代对象返回 True。	`all([x > 0 for x in [1, 2, 3]]) # True`
`any(iterable)`	只要有一个元素为真值即返回 `True`，同样具备短路特性。空可迭代对象返回 `False`。	`any([False, 0, "has"]) # True`
`iter(object[, sentinel])`	获取迭代器。双参数形式时，会反复调用无参函数 `object()` 直到返回值等于哨兵值 `sentinel`。	`iter(file_obj.readline, '')`
`next(iterator[, default])`	从迭代器中拉取下一项。若已无元素且提供了 `default` 则返回默认值，避免抛出 `StopIteration`。	`val = next(it, None)`
`slice(stop)` `slice(start, stop[, step])`	创建切片对象，可用于在自定义类中统一提取或在多个序列中复用切片规则。	`s = slice(1, 4) [0, 1, 2, 3, 4][s] # [1, 2, 3]`
`aiter(async_iterable)` `anext(async_iterator[, default])`	Python 3.10+ 新增的异步内置函数，用于提取异步迭代器与异步拉取下一项。	`item = await anext(async_it)`

四、对象自省与动态属性管理

自省（Introspection）是指程序在运行时探知对象的类型、状态、方法和属性的能力。Python 通过内置函数提供了完备的反射支持，这构成了众多主流框架（如 FastAPI、Django、Pytest）动态调度与依赖注入的基础。

图 3：Python 运行时对象自省与属性反射机制三层架构

class ServiceEndpoint:
    def __init__(self, host: str, port: int):
        self.host = host
        self.port = port

    def run(self):
        return f"Listening on {self.host}:{self.port}"

# 实例化对象
endpoint = ServiceEndpoint("127.0.0.1", 8080)

# 1. 探测与反射检查
print("是否包含 run 属性:", hasattr(endpoint, "run"))  # True
print("对象是否可调用:", callable(getattr(endpoint, "run")))  # True

# 2. 安全读取与动态赋值
timeout_val = getattr(endpoint, "timeout", 30)  # 默认回退 30
setattr(endpoint, "timeout", timeout_val)
print("动态设置后的 timeout:", endpoint.timeout)  # 30

# 3. 类型判定对比
print("isinstance 判定:", isinstance(endpoint, ServiceEndpoint))  # True
print("type 直接对比:", type(endpoint) is ServiceEndpoint)  # True

💡 关键准则：为何务必使用 isinstance 而非 type 进行类型判断？

type(obj) is ExpectedClass 仅做精确指针比对，无法识别派生子类；而 isinstance(obj, ExpectedClass) 支持面向对象的多态性，能够正确识别继承链上的所有子类。此外，isinstance 允许传入类型元组（如 isinstance(val, (int, float))），代码更为灵活健壮。

五、输入输出与环境交互

I/O 类内置函数负责与终端用户、外部文件系统以及内置帮助文档体系进行交互。合理利用参数能极大精简文本格式化与文件读写逻辑。

print(*objects, sep=' ', end=' ', file=sys.stdout, flush=False)：格式化输出对象至文本流。通过指定 sep 可以改变元素间分隔符，指定 file 可以直接重定向输出到已打开的文件或日志句柄中。
input([prompt])：挂起程序等待标准输入，读取一行内容并以去除末尾换行符的 str 形式返回。
open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True)：打开本地文件。强烈建议在读写文本文件时显式声明 encoding='utf-8'，规避跨平台（Windows / Linux）默认编码不一致引发的乱码崩溃。
format(value[, format_spec])：格式化单项数据，是 str.format() 和 f-string 的底层调用基础（如 format(1234.56, ",.1f") 返回 "1,234.6"）。
repr(object)：返回面向开发者的规范字符串表示形式，通常尽可能满足 eval(repr(obj)) == obj 的约定。
ascii(object)：与 repr() 类似，但将非 ASCII 字符转义为 \x、\u 或 \U 序列。
breakpoint(*args, **kws)：Python 3.7+ 引入的标准断点函数。调用时默认调用 sys.breakpointhook() 唤起 PDB 调试器，可通过环境变量 PYTHONBREAKPOINT 全局开启或禁用。
help([object])：唤起内置的交互式帮助系统或输出目标对象的详细 docstring 使用文档。

六、作用域、命名空间与动态执行

此类函数直接操作解释器的符号表与底层执行引擎。它们具有强大的表达力，但在生产系统中必须极其谨慎地使用，防止产生隐蔽的作用域副作用与代码执行漏洞。

函数名	功能原理与运行细节	使用边界与安全警告
`globals()`	返回当前模块全局符号表的真实字典。在全局作用域修改此字典会直接影响全局变量。	适合用于框架中动态注册全局路由或查找已导入组件。
`locals()`	返回当前局部作用域的符号字典。注意：在函数内部修改 `locals()` 字典不会改变局部变量本身（因为 CPython 局部变量优化为数组槽位存储）。	仅用于只读调试或模板参数上下文解包。
`eval(expression[, globals[, locals]])`	解析并求值单个 Python 表达式并返回计算结果。	严禁对不受信任的外部用户输入调用 eval，极易造成远程代码执行漏洞。纯数据解析优先使用 `ast.literal_eval`。
`exec(object[, globals[, locals]])`	动态执行任意合法的 Python 代码块或语句（无返回值）。	常用于插件载入器与动态代码编译器，必须配合受限的沙箱作用域字典使用。
`compile(source, filename, mode)`	将源代码字符串预先编译为代码对象（Code Object），供后续多次调用 `eval()` 或 `exec()` 复用，大幅摊平语法解析耗时。	高频动态计算任务的核心优化手段。
`__import__(name, ...)`	被 `import` 语句底层调用的原生钩子函数。在标准应用开发中，更推荐使用官方推荐的 `importlib.import_module()`。	底层实现定制加载器时使用。

七、面向对象与描述符辅助

这些内置函数属于 Python 面向对象高级特性的语法糖与底层构建原语，用于组织清晰的类继承与属性访问控制。

super([type[, object-or-type]])：返回代理对象，用于委托调用父类或兄弟类的实现方法。在 Python 3 中支持零参数调用 super().method()，解释器会自动绑定当前类与当前实例，严格遵循方法解析顺序（MRO）。
property(fget=None, fset=None, fdel=None, doc=None)：将类方法包装为受控属性访问的描述符对象。通常以 @property 装饰器语法使用，实现只读字段、参数校验和动态计算。
staticmethod(function)：将函数声明为静态方法。静态方法脱离实例绑定，不隐式接收 self 或 cls 参数，逻辑上归属于该类的命名空间。
classmethod(function)：将函数声明为类方法，隐式接收当前类本身作为第一个参数 cls，常用于定义工厂构造方法（Alternative Constructors）。

八、高频场景选型矩阵与综合速查

为帮助读者在实际业务开发中迅速定夺最佳函数，下表总结了高频开发场景中内置函数的选型对比与关键规避原则。

图 4：Python 内置函数工程实践选型与避坑要点速查图

🎯 核心答疑：日常开发中高频混淆的四大问题

Q1：什么时候用 sorted()，什么时候用列表自带的 .sort()？
list.sort() 是原地修改（In-place mutation），不占用额外内存空间，但仅适用于列表对象且返回值为 None；而 sorted() 可以接受任何可迭代对象（如元组、字典键、生成器），并返回全新的排序列，原数据不受任何影响。

Q2：为什么 all([]) 返回 True，而 any([]) 返回 False？
这是数学逻辑中的“空真”（Vacuous Truth）原则：all() 的语义是“不存在任何元素为假”，在空序列中自然没有假元素，故为 True；any() 的语义是“至少存在一个元素为真”，空序列无法满足该条件，故为 False。在编写动态断言时务必注意边界判定。

Q3：zip() 在两个列表长度不一致时会怎样？
默认情况下，zip() 采取短板原则，以最短的序列耗尽为准，静默截断较长序列的后续元素。如果在业务上要求数据严格成对匹配，请务必传入 strict=True（Python 3.10+）或使用 itertools.zip_longest 显式指定填充默认值。

Q4：id() 返回的地址在变量生命周期内一定唯一吗？
id() 仅保证在对象的生命周期重叠期间具备唯一性。一旦对象被垃圾回收（GC），其占用的内存地址可能被新创建的对象复用。因此不可将已经析构的对象 id 作为长期跨周期的全局唯一标识符。

总结而言，Python 内置函数是标准库皇冠上的明珠。在编写每一个循环、条件过滤或数据转换前，先对照本文的功能分类清单查看是否有原生内置函数能够胜任。善用这 70 余个内置原语，不仅能让你的代码更精简、可读性更高，更能直接享受到 CPython 底层 C 代码带来的极致运行效能。