) try: if number in test: print 'yes' except: pass 补充：如果你要对一个序列进行映射，可以用map：>>> x=range(1,21)>>> y=map(int,x)>>> y[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20]
datetime.timedelta对象代表两个时间之间的的时间差，两个date或datetime对象相减时可以返回一个timedelta对象。
构造函数：
class datetime.timedelta([days[, seconds[, microseconds[, milliseconds[, minutes[, hours[, weeks]]]]]]])
所有参数可选，且默认都是0，参数的值可以是整数，浮点数，正数或负数。
内部只存储days，seconds，microseconds，其他参数的值会自动按如下规则抓转换：
1 millisecond（毫秒） 转换成 1000 microseconds（微秒）
1 minute 转换成 60 seconds
1 hour 转换成 3600 seconds
1 week转换成 7 days
三个参数的取值范围分别为：
0 <= microseconds < 1000000
0 <= seconds < 3600*24 (the number of seconds in one day)
-999999999 <= days <= 999999999
如果任意参数是float，且小数点后含有microseconds部分，那么microseconds的值为所有参数的微秒部分的总和（四舍五入）
python是相当高级的语言，基本数据类型就很多，不过参考其他语言的，一定要四个的话： 1、整形 int 定义：age=10 #age=int(10) 用于标识：年龄，等级，身份证号，qq号，个数 2、浮点型 float 定义：salary=3.1 #salary=float(3.1) 用于标识：工资，身高，体重 3、字符窜 string #在python中，加了引号的字符就是字符串类型，python并没有字符类型。 定义：name='egon' #name=str('egon') 用于标识：描述性的内容，如姓名，性别，国籍，种族 4、布尔 bool
每当提到Python就会想起那句“人生苦短，偶用Python”，为什么这么说呢？原因是使用Python简单、直接、方便，使用Python语言可以让程序员有更多的时间去享受生活，也许这正是Python被广大开发人员接受的重要原因。
目前Python被广泛应用在Web开发、大数据开发、人工智能开发（机器学习）、后端开发等领域，随着近些年大数据和机器学习的广泛应用，Python语言也得到了快速的发展。
Python在大数据和机器学习领域被广泛使用的一个重要原因是丰富的库支持，比如NumPy、Matplotlib、SciPy、Sympy、pandas等库，有了这些库支持使得Python在做科学计算、算法设计、数据分析、数据呈现等方面变得非常便利。
Numpy库可以高效处理大型的矩阵运算，提供了线性代数、傅立叶变换以及随机数生成等功能，可以说NumPy是一个比较重要的库。学习并使用NumPy并不复杂，看一个例子：
Matplotlib库是一个绘制高质量图形的库，通过Matplotlib可以建立数据分析的清晰呈现，通常情况下跟NumPy及其他库进行结合使用，看一个例子：
SciPy库主要适用于科学计算，是一个功能丰富的“工具箱”，通常采用SciPy可以处理像积分、优化、统计、图像处理等操作，同时SciPy与NumPy结合比较紧密，因为SciPy可以有效计算NumPy矩阵，看一个例子：
Sympy库是一个数学符号计算库，能用来处理积分、微分方程等数学操作，Sympy为Python提供了强大的数学计算支持，而代码却比较简洁，看一个例子：
pandas库的作用是解决数据分析任务，pandas是基于NumPy创建的，同时pandas提供了大量快速处理数据分析任务的函数，看一个例子：
对于以上库的学习和使用能够构建一个比较完善的数据处理知识结构，当然这也需要一个系统的学习过程，最好能结合实际的案例进行深入学习。
偶使用Python做机器学习开发的时间比较久，目前也在带大数据方向的研究生，偶会陆续在头条写一些关于Python方面的文章，感兴趣的朋友可以关注偶，相信一定会有所收获。
如果有Python开发方面的问题，也可以咨询偶，谢谢！