首先，阅读原文。

其次，使用dir()函数。

如果这是为了探究发生了什么，我建议查看IPython。这增加了获取对象文档、属性甚至源代码的各种快捷方式。例如，在函数后附加一个"?"将为对象提供帮助(有效地为"help(obj)"提供快捷方式)，而使用两个"?" ("func??")将在可用时显示源代码。

还有很多额外的便利，如制表符补全、结果打印、结果历史记录等，这对于这种探索性编程非常方便。

对于内省的更多编程使用，基本的内置程序，如dir()， vars()， getattr等将是有用的，但值得您花时间检查inspect模块。要获取一个函数的源，使用inspect。例如，将其应用到自身:

>>> print inspect.getsource(inspect.getsource)
def getsource(object):
    """Return the text of the source code for an object.

    The argument may be a module, class, method, function, traceback, frame,
    or code object.  The source code is returned as a single string.  An
    IOError is raised if the source code cannot be retrieved."""
    lines, lnum = getsourcelines(object)
    return string.join(lines, '')

检查。如果处理包装或操作函数，Getargspec通常也很有用，因为它将给出函数参数的名称和默认值。

Pprint和dir一起工作效果很好

首先，阅读原文。

其次，使用dir()函数。

其他人已经提到了dir()内置，这听起来像是您正在寻找的，但这里有另一个很好的提示。许多库——包括大多数标准库——都是以源代码形式发布的。这意味着您可以很容易地直接阅读源代码。诀窍在于找到它;例如:

>>> import string
>>> string.__file__
'/usr/lib/python2.5/string.pyc'

*。Pyc文件已编译，因此删除后面的'c'，并在您最喜欢的编辑器或文件查看器中打开未编译的*.py文件:

/usr/lib/python2.5/string.py

我发现这对于发现从给定API引发哪些异常等事情非常有用。这种细节在Python世界中很少有良好的文档。

有一个很酷的工具叫objexplore。下面是一个简单的例子，关于如何在pandas数据框架上使用它的探索功能。

import pandas as pd
df=pd.read_csv('https://storage.googleapis.com/download.tensorflow.org/data/heart.csv')

from objexplore import explore
explore(df)

将在你的shell中弹出以下内容: