Python内置函数大全：68个built-in函数速查与分类

月亮慢半拍

发布时间：2026-11-11| 7人浏览过

原创

全面梳理Python官方标准命名空间中的全部68个built-in内置函数。按照数学计算、类型转换、容器结构、迭代处理、反射内省等十大核心维度系统分类，提供参数说明、对比解析、使用规范与避坑建议。

Python 标准库中最常用且基础的组件，就是无需任何 import 声明即可直接调用的内置函数（Built-in Functions）。在 Python 官方规范的标准全局命名空间中，完整维护着 68 个核心内置函数。它们直接由底层的 builtins 模块导出，支撑了从最基础的数值运算、集合操作，到高阶迭代、类属性反射与运行时动态代码执行的全套语言特性。本文将这 68 个内置函数按实际工程职责划分为 10 大核心类别，逐一提供签名功能说明、典型实战范例与高频边界避坑指导。

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。

函数签名	返回值与功能简述	典型调用示例
abs(x)	返回数值的绝对值；若为复数则返回其模长	`abs(-15.6)` → `15.6`
divmod(a, b)	同时返回商和余数的二元组 `(a // b, a % b)`	`divmod(100, 30)` → `(3, 10)`
max(arg1, arg2, *args, [key])	返回可迭代对象或多个参数中的最大值，支持自定义 key 函数	`max([-2, 5, -8], key=abs)` → `-8`
min(arg1, arg2, *args, [key])	返回可迭代对象或多个参数中的最小值，支持自定义 key 函数	`min(["apple", "fig"], key=len)` → `"fig"`
pow(base, exp, [mod])	计算 `base exp`；若提供第三个参数，执行高效模幂运算 `(base exp) % mod`	`pow(3, 3, 5)` → `2`
round(number, [ndigits])	执行数值舍入。遵循“四舍六入五成双”（向最接近的偶数舍入）原则	`round(2.5)` → `2`；`round(3.5)` → `4`
sum(iterable, [start])	从 `start`（默认0）开始，将可迭代对象中的元素依次累加	`sum([1, 2, 3], 10)` → `16`

核心细节解析：divmod() 与 round() 的实战要点

1. 翻页与时间计算：divmod() 相比单独写一次 // 和一次 %，只在底层执行一次除法指令，效率更高。常用于秒数拆分为分秒：mins, secs = divmod(total_seconds, 60)。

2. 舍入陷阱：round() 并非学校数学中传统的绝对“四舍五入”，而是 IEEE 754 推荐的银行家舍入法。例如 round(0.5) 为 0，round(1.5) 为 2。如果在财务系统需要严格进位，应使用 decimal 模块。

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。

函数签名	目标数据类型与核心功能	典型调用示例
bool([x])	将对象转换为布尔值，依据标准的真值测试判定	`bool([])` → `False`
int(x, [base=10])	将数值或字符串转换为整数，支持指定 2~36 进制	`int("1010", base=2)` → `10`
float(x)	将字符串或整数转为双精度浮点数，支持科学计数法与 `"inf"`	`float("1e-3")` → `0.001`
complex(real, [imag])	构造形如 `real + imag*j` 的复数对象	`complex(3, -4)` → `(3-4j)`
str(object='')	返回面向用户的可读字符串形式	`str(123)` → `"123"`
bytes([source])	构造不可变字节序列，范围 0~255	`bytes("你好", "utf-8")`
bytearray([source])	构造可变字节数组，支持原地切片与修改赋值	`ba = bytearray(b"abc"); ba[0] = 65`
memoryview(obj)	创建支持缓冲区协议对象的零拷贝（Zero-copy）内存切片视图	`mv = memoryview(b"data")[1:3]`
ord(c)	输入单字符，返回对应的 Unicode 码点整数值	`ord('A')` → `65`；`ord('中')` → `20013`
chr(i)	输入整数码点（0~0x10FFFF），返回对应的 Unicode 字符	`chr(65)` → `'A'`；`chr(20013)` → `'中'`
bin(x)	将整数转换为以 `0b` 为前缀的二进制字符串	`bin(10)` → `'0b1010'`
oct(x)	将整数转换为以 `0o` 为前缀的八进制字符串	`oct(64)` → `'0o100'`
hex(x)	将整数转换为以 `0x` 为前缀的十六进制小写字符串	`hex(255)` → `'0xff'`

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：

函数名称	主要功能	特性说明与代码范例
list([iterable])	构造可变列表	`list((1, 2, 3))` → `[1, 2, 3]`
tuple([iterable])	构造不可变元组	`tuple([1, 2])` → `(1, 2)`
dict(**kwarg)	构造键值对映射表	`dict(a=1, b=2)` → `{{'a': 1, 'b': 2}}`
set([iterable])	构造可变无序去重集合	`set([1, 2, 2, 3])` → `{{1, 2, 3}}`
frozenset([iterable])	构造不可变集合，哈希安全，可作为字典键	`frozenset([1, 2])`
len(s)	返回容器元素个数，内部快速读取 `ob_size` 字段	`len([10, 20, 30])` → `3`
range(stop)	生成不可变等差数列，占用恒定 O(1) 内存	`range(0, 10, 2)` → `0, 2, 4, 6, 8`
enumerate(iterable, start=0)	将序列包装为包含计数索引和原值的元组迭代器	`list(enumerate(['a', 'b'], 1))` → `[(1, 'a'), (2, 'b')]`
zip(*iterables, strict=False)	并行配对聚合多个迭代器元素为元组	`list(zip([1, 2], ['x', 'y']))` → `[(1, 'x'), (2, 'y')]`
reversed(seq)	返回序列的反向反转迭代器，无需拷贝原列表	`list(reversed([1, 2, 3]))` → `[3, 2, 1]`
sorted(iterable, *, key=None, reverse=False)	返回由原序列元素组成的新升序/降序列表（Timsort 算法）	`sorted([3, 1, 2])` → `[1, 2, 3]`
slice(start, stop, step)	生成切片对象，可在自定义类或对复杂数组重复应用	`s = slice(1, 4, 2); [0, 1, 2, 3, 4][s]` → `[1, 3]`
format(value, [format_spec])	依据格式化规范转换字符串，底层委派给 `__format__`	`format(1234.567, ",.2f")` → `"1,234.57"`

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：

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。
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。
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。
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。

函数签名	运作模式	关键边界与注意事项
all(iterable)	若所有元素皆为真则返回 `True`，遇到首个 `False` 立即短路	空真规则：`all([])` 返回 `True`（空集合中不存在任何假元素）
any(iterable)	只要存在任意一个元素为真则返回 `True`，遇到首个 `True` 短路	`any([])` 返回 `False`；支持任意迭代器
filter(function, iterable)	过滤序列，仅保留满足 `function(item) == True` 的元素迭代器	若 `function` 传入 `None`，则自动移除所有假值元素
map(function, *iterables)	将函数依次作用于可迭代对象的每项元素，返回惰性迭代器	传入多个序列时，以最短序列的终点为结束条件
iter(object, [sentinel])	返回对象的迭代器。若传入 `sentinel`，则持续调用 `object()` 直至返回值等于哨兵	读取文件块典型范式：`iter(lambda: f.read(1024), b'')`
next(iterator, [default])	调用迭代器的 `__next__()` 方法取出下一项	当迭代耗尽时，若未提供 `default` 则抛出 `StopIteration`，提供则安全返回该值

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"))

示例运行输出

处理后的平方降序序列: [484, 225, 144, 64] Step 1: Task-A Step 2: Task-B Step 3 (安全越界): 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。

函数签名	功能定义	防错与安全调用规范
getattr(object, name, [default])	获取对象属性值。若属性不存在且有 `default` 则返回默认值	务必提供第三参数 `default`，避免抛出 `AttributeError`
hasattr(object, name)	判断对象是否包含指定名称的属性或方法	底层通过尝试 `getattr` 并捕获异常实现，频繁调用有微小开销
setattr(object, name, value)	动态为对象添加或重设指定属性值	等价于 `object.name = value`，适用于配置项批量灌入
delattr(object, name)	删除对象的指定属性，等价于 `del object.name`	若属性不存在将抛出 `AttributeError`
isinstance(object, classinfo)	检查对象是否为指定类或元组中任一类的实例（考虑继承链）	推荐的多态检查手段，子类实例会被认定属于父类
issubclass(class, classinfo)	检查第一个类是否是第二个类（或元组中类）的直接/间接子类	两个参数必须都是类对象，否则抛出 `TypeError`
type(object) / type(name, bases, dict)	单参数时返回对象精确类型；三参数时为元类工厂，动态创建新类	精准单类型判断，不考虑继承链；支持动态创建类
object()	返回所有 Python 类的最底层基类无状态新实例	常作为单例哨兵对象，占用内存最小且唯一不可伪造

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

机制比对剖析：isinstance() 与 type() 的根本区别

从底层实现来看，type(obj) is Cls 仅核验对象指针直接指向的类型描述符；而 isinstance(obj, Cls) 会遍历实例所属类的整个 __mro__（方法解析顺序元组）。

在 Python 中，bool 是 int 的直接子类。因此 isinstance(True, int) 为 True，但 type(True) is int 为 False。在编写业务代码时，绝大多数情况下应该使用 isinstance() 保证面向对象多态兼容性。

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：

函数签名	主要功能	实用参数与生产最佳实践
print(*objects, sep=' ', end=' ', file=sys.stdout, flush=False)	将对象格式化后输出至指定流，默认输出到控制台	• `sep`：设置多参数间的分隔字符 • `flush=True`：在终端实时刷新进度条，避免标准I/O行缓冲阻塞
input([prompt])	暂停程序，在控制台打印提示符并读取用户的一行输入，返回纯字符串	读取结果始终为 `str` 类型，数值需显式强转，如 `int(input())`
open(file, mode='r', buffering=-1, encoding=None...)	打开系统文件，返回对应的文件流迭代器	必须显式指定 `encoding='utf-8'`，配合 `with` 上下文管理器确保句柄按时关闭
help([object])	唤起内置交互式帮助系统，或直接输出指定对象、模块的 docstring 文档	调试与终端排查利器，如 `help(dict.setdefault)`

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。

函数签名	执行机制	风险等级与防范策略
eval(expression, [globals], [locals])	对单个 Python 表达式字符串求值并直接返回计算结果	高危：若传入包含恶意指令的字符串（如 `__import__('os').system(...)`）将导致系统被接管。解析字面量必须改用 `ast.literal_eval`。
exec(object, [globals], [locals])	动态执行任意多行 Python 代码块、语句与类/函数定义，固定返回 `None`	高危：务必严格传入受限的 `globals` 字典沙箱环境，隔离内置命名空间。
compile(source, filename, mode, flags=0, dont_inherit=False)	将源码字符串预编译为可供 `exec()` 或 `eval()` 执行的内部代码对象	适合循环体内重复执行的动态模板。预编译只需进行一次，能显著消除重复词法语法分析开销。
__import__(name, [globals], [locals], [fromlist], [level])	由 `import` 语句底层直接调用的原始挂钩函数	普通工程中动态引入模块应使用官方推荐的标准库 `importlib.import_module()`，而非直接调用 `__import__`。

安全防范警告：eval() 的危险性与安全替代方案

永远不要对来自 Web 请求、用户提交表单或未经校验的配置文件执行 eval()。如果仅仅需要将字符串转换为列表、字典或数字，应使用标准库中的安全解析器：

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：

函数签名	核心功能与底层机制	关键结论与使用准则
id(object)	返回对象的唯一内存标识整数（CPython 中即对象内存首地址）	在对象的整个生命周期中唯一且恒定；`a is b` 等价于 `id(a) == id(b)`
hash(object)	返回对象的整数哈希值，用于字典键与集合元素的哈希桶快速定位	仅不可变类型（数字、字符串、元组、frozenset）是可哈希的；列表与字典调用抛出 `TypeError`
callable(object)	检查对象是否可以被调用（是否包含 `__call__` 槽位）	函数、方法、类对象及实现了 `__call__` 的自定义类实例均返回 `True`
repr(object)	返回对象的官方规范字符串形式，尽可能满足 `eval(repr(obj)) == obj`	优先供开发者排错、日志记录和 REPL 输出使用，保留类型信息和引号细节
ascii(object)	类似于 `repr()`，但会自动将非 ASCII 字符转义为 `\x`、`\u` 或 `\U` 前缀	常用于向仅支持纯 ASCII 的遗留通信协议或日志系统安全输出文本

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。