列出目录下所有文件
os.listdir('dirname')：列出指定目录下的所有文件和子目录，包括隐藏文件，并以列表方式返回。
创建文件夹:
os.mkdir('文件夹') 创建文件夹
os.makedirs('文件夹1/文件夹2') 递归创建文件夹
删除文件夹:
os.rmdir('文件夹路径') 删除文件夹（只能删除空目录，有文件不能删除）
os.removedirs('文件夹路径') 递归删除到根目录（只能删除空目录，目录里不能有文件）
和文件相关
os.remove() 删除一个文件
os.rename("oldname","newname") 重命名文件/目录
os.stat('path/filename') 获取文件/目录信息
和操作系统差异相关
os.sep 输出操作系统特定的路径分隔符，win下为"\\",Linux下为"/"
os.linesep 输出当前平台使用的行终止符，win下为"\r\n",Linux下为"\n"
os.pathsep 输出用于分割文件路径的字符串 win下为;,Linux下为:
os.name 输出字符串指示当前使用平台。win->'nt'; Linux->'posix'
和执行系统命令相关
os.system("bash command") 运行shell命令，直接显示
os.popen("bash command).read() 运行shell命令，获取执行结果
os.environ 获取系统环境变量
path系列，和路径相关
os.path.abspath(path) 返回path规范化的绝对路径
os.path.split(path) 将path分割成目录和文件名组成的元组。
os.path.dirname(path) 返回path的目录。其实就是os.path.split(path)的第一个元素。
os.path.basename(path) 返回path文件名。如果path以／或\结尾表示在这个目录或文件下，那么就会返回空值，即os.path.split(path)的第二个元素为空。
os.path.exists(path) 如果path存在，返回True；如果path不存在，返回False
os.path.isabs(path) 如果path是绝对路径，返回True
os.path.isfile(path) 如果path是一个存在的文件，返回True。否则返回False
os.path.isdir(path) 如果path是一个存在的目录，则返回True。否则返回False
os.path.join(path1[, path2[, ...]]) 将多个路径组合后返回，第一个绝对路径之前的参数将被忽略。
os.path.getatime(path) 返回path所指向的文件或者目录的最后访问时间
os.path.getmtime(path) 返回path所指向的文件或者目录的最后修改时间
os.path.getsize(path) 获取文件大小.对目录不准
os.getcwd() 获取当前工作目录，即当前python脚本工作的目录路径
os.chdir("dirname") 切换目录
os.curdir 返回当前目录: ('.')
os.pardir 获取当前目录的父目录字符串名：('..')
sys模块
sys.argv 命令行参数List，第一个元素是程序本身路径
sys.exit(n) 退出程序，正常退出时exit(0),错误退出sys.exit(1)
sys.version 获取Python解释程序的版本信息
sys.path 返回模块的搜索路径，初始化时使用PYTHONPATH环境变量的值
sys.platform 返回操作系统平台名称
hashlib模块
摘要算法，摘要算法又称哈希算法、散列算法。它通过一个函数，把任意长度的数据转换为一个长度固定的数据串（通常用16进制的字符串表示）。
摘要算法就是通过摘要函数f()对任意长度的数据data计算出固定长度的摘要digest，目的是为了发现原始数据是否被人篡改过。
摘要算法之所以能指出数据是否被篡改过，就是因为摘要函数是一个单向函数，计算f(data)很容易，但通过digest反推data却非常困难。而且，对原始数据做一个bit的修改，都会导致计算出的摘要完全不同。
我们以常见的摘要算法MD5为例，计算出一个字符串的MD5值：
import hashlib
md5 = hashlib.md5() # 创建_hashlib.HASH的对象
md5.update("md5".encode("utf-8")) # 字符串md5是要被加密的数据
md5_hex = md5.hexdigest() # 获取md5加密后的数据
print(md5_hex)
# 打印内容如下
1bc29b36f623ba82aaf6724fd3b16718如果数据量很大，可以分块多次调用update()，最后计算的结果是一样的：
MD5是最常见的摘要算法，速度很快，生成结果是固定的128 bit字节，通常用一个32位的16进制字符串表示。
另一种常见的摘要算法是SHA1，调用SHA1和调用MD5完全类似：
import hashlib
sha1 = hashlib.sha1()
sha1.update("sha1".encode("utf-8"))
sha1_hex = sha1.hexdigest()
print(sha1_hex)
# 打印内容如下
415ab40ae9b7cc4e66d6769cb2c08106e8293b48SHA1的结果是160 bit字节，通常用一个40位的16进制字符串表示。
SHA1的安全系数比MD5还要高一些，而且摘要的长度要比MD5长。
比SHA1更安全的算法是SHA256和SHA512，不过越安全的算法越慢，而且摘要长度更长。用法与SHA1一样。
collections模块
Python内置模块，在内置数据类型（dict、list、set、tuple）的基础上，collections模块还提供了几个额外的数据类型：Counter、deque、defaultdict、namedtuple和OrderedDict等。
1、namedtuple: 生成可以使用名字来访问元素内容的tuple。
2、deque: 双端队列，可以快速的从头或尾追加和删除元素。
3、Counter: 计数器，主要用来计数。
4、OrderedDict: 有序字典。
5、defaultdict: 带有默认值的字典。
namedtuple：命名元组。
我们知道元组是不可被修改的容器，如元组（10，2），单从这个元组的元素来看，我们不知道这个元组的元素到底表示的是什么。它可以表示一对普通数字，亦可以表示一个坐标轴的两个坐标，还可以表示10的2次幂等，为了解决这个问题namedtuple应运而生。下面是基础示例：
我们假设（10，2）是一个坐标：
from collections import namedtuple
# 创建命名元组对象命名，并指定元组长度
point = namedtuple("point",["x","y"])
# 创建命名元组
tuple_1 = point(10,2)
# 以x,y的形式打印元素
print(tuple_1.x,tuple_1.y)
# 打印内容如下
10 2下面以计算长方体体积为例：
from collections import namedtuple
# 创建命名元组对象命名，并指定元组长度
Cuboid = namedtuple("Cuboid",["len","width","height"])
# 创建命名元组
tuple_1 = Cuboid(10,8,6)
# 对比两种打印方式我们就可以看出
# 第一种明显比第二种打印方式更容易理解
print(tuple_1.len * tuple_1.width * tuple_1.height)
print(tuple_1[0] * tuple_1[1] * tuple_1[2])
# 打印内容如下
480
480由上面的示例可以知道有时候利用命名元组引用元素的时候，我们可以更容易理解元素所表示的是什么。这样对代码的理解会更好。
deque：双端队列
deque与列表类似都是线性存储，但是队列只支持在队列的头部和尾部追加和删除元素，属于列表的特殊版。在插入元素和删除元素的效率上比列表更快。因为列表不仅可以在头部和尾部追加和删除元素，还可以在任意位置追加和删除元素。每当列表删除一个非头部和尾部元素的时候，列表就要重新进行排序以保证列表的线性存储。如下图所示：
由上图我们知道元素30对应的内存地址是3，删除元素30后，为保证列表的线性，元素40和元素50内存地址都向前移了一位，元素40的内存地址由原来的4变成3，元素50的内存地址由原来的5变成4。如果把列表的第一个元素删除了，后面的整个列表都会依次向前补齐位置。而双端队列不会，无论是删除队列的头还是尾队列的整体不会进行补位的操作。
from collections import deque
deque_list = deque([1,2,3,4])
deque_list.appendleft("a") # 向头部追加元素
deque_list.append("z") # 向尾部追加元素
print("追加后的数据是：",deque_list)
deque_list.pop() # 删除尾部元素
deque_list.popleft() # 删除头部元素
print("删除后的数据是：",deque_list)
# 打印内容如下
追加后的数据是： deque(['a', 1, 2, 3, 4, 'z'])
删除后的数据是： deque([1, 2, 3, 4])OrderedDict：有序字典，有序字典是按照键插入顺序进行排列的（Python3.X的字典是按着键插入顺序进行排序的，Python2.X的字典键是按照ASCII表的顺序进行排序。）
如下：Python2.7中进行测试。
dict_1 = {}
dict_1["z"] = 1
dict_1["c"] = 3
dict_1["a"] = 2
dict_od = OrderedDict() # 有序字典
dict_od["z"] = 1
dict_od["c"] = 3
dict_od["a"] = 2
print(dict_1)
print(dict_od) # 打印有序字典
# 打印内容如下
{'a': 2, 'c': 3, 'z': 1}
OrderedDict([('z', 1), ('c', 3), ('a', 2)])defaultdict：默认字典，我感觉这个还是有些用的。
1、如果默认字典的键不存在，不会报错。
2、在定义默认字典时可以指定值的类型。
示例：将列表中大于3的元素保存到字典的“a”键中，将小于3的元素保存到字典的“b”键中。
如下：使用普通字典的方法。
list_1 = [1,2,3,4,5,6]
dict_1 = {}
for i in list_1:
if i > 3:
if "a" in dict_1:
dict_1["a"].append(i)
else:
dict_1["a"] = [i]
else:
if "b" in dict_1:
dict_1["b"].append(i)
else:
dict_1["b"] = [i]
print(dict_1)
# 打印内容如下
{'b': [1, 2, 3], 'a': [4, 5, 6]}如下：使用默认字典的方法。
from collections import defaultdict
list_1 = [1,2,3,4,5,6]
dict_d = defaultdict(list) # 定义默认字典
for i in list_1:
if i > 3:
dict_d["a"].append(i)
else:
dict_d["b"].append(i)
print(dict_d)
# 打印内容如下
defaultdict(<class 'list'>, {'b': [1, 2, 3], 'a': [4, 5, 6]})对比两个代码段可以发现使用默认字典的方式代码更加简洁，结构更加清晰明了。
Counter：统计可迭代对象中每个元素出现的次数。
from collections import Counter
list_1 = ["a","b","a",1,2,3,1]
print(Counter(list_1))
# 打印内容如下
Counter({'a': 2, 1: 2, 'b': 1, 2: 1, 3: 1})
来源：oschina
链接：https://my.oschina.net/u/4277049/blog/3638176