test=range(1,21)while(1): number=input("Enter your number:"
) try: if number in test: print 'yes' except: pass 補充：如果你要對一個序列進行映射，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對象代表兩個時間之間的的時間差，兩個date或datetime對象相減時可以返回一個timedelta對象。
構造函數：
class datetime.timedelta([days[, seconds[, microseconds[, milliseconds[, minutes[, hours[, weeks]]]]]]])
所有參數可選，且默認都是0，參數的值可以是整數，浮點數，正數或負數。
內部只存儲days，seconds，microseconds，其他參數的值會自動按如下規則抓轉換：
1 millisecond（毫秒） 轉換成 1000 microseconds（微秒）
1 minute 轉換成 60 seconds
1 hour 轉換成 3600 seconds
1 week轉換成 7 days
三個參數的取值范圍分別為：
0 <= microseconds < 1000000
0 <= seconds < 3600*24 (the number of seconds in one day)
-999999999 <= days <= 999999999
如果任意參數是float，且小數點后含有microseconds部分，那么microseconds的值為所有參數的微秒部分的總和（四舍五入）
python是相當高級的語言，基本數據類型就很多，不過參考其他語言的，一定要四個的話： 1、整形 int 定義：age=10 #age=int(10) 用于標識：年齡，等級，身份證號，qq號，個數 2、浮點型 float 定義：salary=3.1 #salary=float(3.1) 用于標識：工資，身高，體重 3、字符竄 string #在python中，加了引號的字符就是字符串類型，python并沒有字符類型。 定義：name='egon' #name=str('egon') 用于標識：描述性的內容，如姓名，性別，國籍，種族 4、布爾 bool
每當提到Python就會想起那句“人生苦短，我用Python”，為什么這么說呢？原因是使用Python簡單、直接、方便，使用Python語言可以讓程序員有更多的時間去享受生活，也許這正是Python被廣大開發人員接受的重要原因。
目前Python被廣泛應用在Web開發、大數據開發、人工智能開發（機器學習）、后端開發等領域，隨著近些年大數據和機器學習的廣泛應用，Python語言也得到了快速的發展。
Python在大數據和機器學習領域被廣泛使用的一個重要原因是豐富的庫支持，比如NumPy、Matplotlib、SciPy、Sympy、pandas等庫，有了這些庫支持使得Python在做科學計算、算法設計、數據分析、數據呈現等方面變得非常便利。
Numpy庫可以高效處理大型的矩陣運算，提供了線性代數、傅立葉變換以及隨機數生成等功能，可以說NumPy是一個比較重要的庫。學習并使用NumPy并不復雜，看一個例子：
Matplotlib庫是一個繪制高質量圖形的庫，通過Matplotlib可以建立數據分析的清晰呈現，通常情況下跟NumPy及其他庫進行結合使用，看一個例子：
SciPy庫主要適用于科學計算，是一個功能豐富的“工具箱”，通常采用SciPy可以處理像積分、優化、統計、圖像處理等操作，同時SciPy與NumPy結合比較緊密，因為SciPy可以有效計算NumPy矩陣，看一個例子：
Sympy庫是一個數學符號計算庫，能用來處理積分、微分方程等數學操作，Sympy為Python提供了強大的數學計算支持，而代碼卻比較簡潔，看一個例子：
pandas庫的作用是解決數據分析任務，pandas是基于NumPy創建的，同時pandas提供了大量快速處理數據分析任務的函數，看一個例子：
對于以上庫的學習和使用能夠構建一個比較完善的數據處理知識結構，當然這也需要一個系統的學習過程，最好能結合實際的案例進行深入學習。
我使用Python做機器學習開發的時間比較久，目前也在帶大數據方向的研究生，我會陸續在頭條寫一些關于Python方面的文章，感興趣的朋友可以關注我，相信一定會有所收獲。
如果有Python開發方面的問題，也可以咨詢我，謝謝！