0730_迭代器、生成器、装饰器、闭包

迭代器

可迭代对象：

list，str，tuple，etc. —> for … in … 遍历 （迭代）

迭代器协议

对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么引起StopIteration 异常，以终止迭代（只能往下走，不可以回退）

现在，我们就可以说，实现了迭代器协议的对象就是可迭代对象

实现

• 通过在对象内部定义一个__iter__方法

li = [1, 2, 3]
li_iter = li.__iter__()
sr = "joe"
print(li_iter.__next__())  # 1
print(next(li_iter))       # 2
print(sr_iter.__next__())  # j   ---> 等价于 print(next(sr_iter))

• 使用isinstance()来判断一个对象是否可迭代

from collections import Iterable

print(isinstance([], Iterable))         # True
print(isinstance(str(), Iterable))      # True
print(isinstance({}, Iterable))         # True
print(isinstance(set(), Iterable))      # True
print(isinstance(123, Iterable))        # False

__iter__方法，其可以为我们提供一个迭代器

在迭代一个可迭代对象的时候，实际上就是获取该对象提供的一个迭代器。如何通过该迭代器一次获取对象的每一个数据

from collections import Iterable

class MyClass:

    def __init__(self):
        self.names = []

    def add(self, name):
        self.names.append(name)

    def __iter__(self):               # 如果没这行，则报错，不可迭代
        return self.names.__iter__()  # 'MyClass' object has no attribute '__next__'

my_class = MyClass()
my_class.add("Tom")
my_class.add("link")
my_class.add("joe")

print("是否为可迭代对象：", isinstance(my_class, Iterable))
for i in my_class:
    print(i, end=" ")
    
# 是否为可迭代对象： True
# Tom link joe 

for … in … 循环的本质

就是通过itre（）函数获取可迭代对象的Iterable的迭代器，然后对获取到的迭代器不断调用next（）方法来获取下一个值并将其赋值，当遇到StopIteration的异常后，退出

应用场景

迭代器的核心就是通过next（）函数调用返回下一个数据值。如果每次返回的数值不是在一个已有的数据集合中读取的，而是通过程序按照一定规律计算生成的。那么也就意味着可以不用依赖一个已有的数据集合，namely，

无需将所有的迭代对象数据一次性缓存下来供后续使用。这样，可以节省大量的存储（内存）空间

demo：

斐波那契数列

class FibIterator(object):
    """斐波那契数列迭代器"""
    def __init__(self, n):
        """记录生成的斐波那契数列的个数"""
        self.n = n
        self.current_index = 0
        self.num1 = 0
        self.num2 = 1

    def __next__(self):
        """调用next函数来获取下一个数"""
        if self.current_index < self.n:
            num = self.num1
            self.num1, self.num2 = self.num2, self.num1 + self.num2
            self.current_index += 1
            return num
        else:
            raise StopIteration

    def __iter__(self):
        return self

fib = FibIterator(10)
for num in fib:
    print(num, end=" ")
    
# 0 1 1 2 3 5 8 13 21 34 

class test:
    def __init__(self, data=1):
        self.data = data

    def __iter__(self):
        return self

    def __next__(self):
        if self.data > 5:
            raise StopIteration
        else:
            self.data += 1
            return self.data

for i in test(2):
    print(i, end=" ")
3 4 5 6

生成器

生成器，利用迭代器，我们可以在每次迭代获取数据时（通过next（）方法）按照特定的规律进行生成。但是我们在实现一个迭代器的时，关于当前迭代的状态需要我们自己记录，进而才能根据当前的状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，可以采用更简便的语法

即生成器（generator），生成器是一种特殊的迭代器

创建一个生成器

列表[] —> ()

li = [x**2 for x in range(6)]
print(li)

gen = (x**2 for x in range(6))
print(gen)

print("通过next（）函数取得下一个值")
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))

print("通过for遍历")

gen = (x**2 for x in range(6))
for i in gen:
    print(i, end=" ")

[0, 1, 4, 9, 16, 25]
<generator object <genexpr> at 0x000002740DF31D00>
通过next（）函数取得下一个值
0
1
4
9
16
25
通过for遍历
0 1 4 9 16 25 

生成器函数

在函数中如果出现yield关键字，那么该函数就不再是一个普通函数而是一个生成器

def foo():
    yield 1
    yield 2
    return 
    yield 3

f = foo()
print(next(f))   # 程序会停留在yield后的语句
print(next(f))
print(next(f))   # 当程序遇到return，return后的语句不会再执行，报错

next和yield进行匹配，如果遇到return，return后的语句不会再执行，直接抛出异常，终止迭代

在一个生产其中，如果return后有返回值，那么这个值就是异常的说明，而不是函数的返回值

def odd():
    n = 1
    while True:
        yield n
        n += 2

odd_num = odd()
count = 0
for i in odd_num:
    if count > 5:
        break
    print(i)
    count += 1

print(next(odd_num))    # 1 3 5 7 9 11 15
print(next(odd_num))    # 17

class OddIter:

    def __init__(self):
        self.start = -1

    def __iter__(self):
        return self

    def __next__(self):
        self.start += 2
        return self.start
    
odd = OddIter()
for i in range(6):
    print(next(odd), end=" ")
    
1 3 5 7 9 11

• close()
  • 手动关闭生成器函数，后面调用会直接引起StopIteration异常
• send()
  • x = yield y 语句的含义：send（）的作用就是使x赋值为其所传送的值（send的参数），然后让生成器执行到下一个yield
  • 如果生成器未启动，则必须在使用send（）前启动生成器，而启动的方法可以是gen.next()，也可以使gen.send(None)执行到第一个yield处。之后就可以使用send(para)不断的传入值
  • 如果是已启动，则send（para）的作用就是给x赋值 为发生的值（send的参数），然后，让生成器执行到下一个yield

def gen():
    value = 0
    while True:
        receive = yield value
        if receive =="e":
            break
        value = "got: %s" % receive
        
"""send()的作用就是使receive赋值为其所传送的值，然后让生成器执行到下一个yield"""

g = gen()
print(g.send(None))    # 0
print(g.send('aaa'))   # got: aaa

def gen():
    i = 0
    while i < 5:
        temp = yield i
        print(temp)
        i += 1
        
obj = gen()
print(next(obj))
print(next(obj))
print(obj.send("city"))

0
None
1
city
2

• throw
  • 手动抛出异常

def gen():
	i=0
	while i<5:
		temp =yield i
		print(temp)
		i+=1

#创建生成器对象
obj=gen()
#使用next()唤醒生成器
print(next(obj))
print(next(obj))
print(obj.throw(Exception,"Method throw called."))

闭包

闭是封闭（函数中的函数），包是包含（该内部函数对外部函数作用域而非全局作用域变量的引用）

闭包：

• 内部函数对外部函数作用域里的变量的引用
• 函数内部的属性，都是有生命周期的，都是在函数执行期间
• 闭包内的闭包函数私有了变量，完成了数据的封装，类似面向对象

deom：

def foo():
	print("in foo()")

	def bar():
		print("in bar()")
#1.直接运行内部函数报错
#bar()

#2.考虑先运行外部函数，再运行内部函数，依然会报错
#foo()
#bar()

由于作用域的问题，函数内的属性，都是有生命周期的，只有在函数执行期间，

再考虑再这段代码，只有调用foo（）时，内部的print（）及bar（）才能存活。

现在我们为了foo（）内的bar（）存活，就是调用bar（），该怎么做

把 bar（）函数返回给函数

def foo():
    print("in foo()")

    def bar():
        print("in bar()")
    return bar

var = foo()    #in foo()
var()          #in bar()

前面说，内部函数对外部函数作用域变量的引用 —> 那如果是变量呢

def foo():
    a = 66
    print("in foo()")

    def bar(num):
        print("in bar()")
        print(a + num)
    return bar

var = foo()   # in foo()
var(22)       # in bar()
              # 88

li = [1, 2, 3, 4, 5]

def foo(obj):
    print("foo:", obj)

    def bar():
        obj[0] += 1
        print("bar:", obj)
    return bar
# 程序在执行时，foo（）函数返回给了内部定义的bar（）函数

foo(li)          # foo: [1, 2, 3, 4, 5]
foo(li)          # foo: [1, 2, 3, 4, 5]
var = foo(li)    # foo: [1, 2, 3, 4, 5]  将返回值赋值给var
var()            # bar: [2, 2, 3, 4, 5]
var()            # bar: [3, 2, 3, 4, 5]

装饰器

@func1
def func():
    print('aaa')

装饰器存在的意义

• 不影响原有函数的功能
• 可以添加新功能

一般常见的，比如拿到第三方的API接口，第三方不允许修改这个接口，这个时候，装饰器就派上用场

装饰器本身也是一个函数，作用是为现有存在的函数，在不改变函数的基础上，增加一些功能进行装饰

他是以闭包的方式去实现的

在使用装饰器函数时，在被装饰的函数的前一行，使用@装饰器函数名形式来进行装饰

demo：

在一个项目中，有很多函数，由于项目越来越大，功能越来越多，导致程序越来越慢

其中一个功能函数的功能，是实现一百万次的累加：

def my_count():
    s = 0
    for i in range(1000001):
        s += i
    print("sum:", s)

假如要计算函数的运行时间：

import time
def my_count():
    s = 0
    for i in range(1000001):
        s += i
    print("sum:", s)
    
start = time.time()
my_count()
end = time.time()

print('执行时间为:', (end - start))

# sum: 500000500000
# 执行时间为: 0.10372257232666016

考虑将上述代码中的时间计算封装为函数：

import time
def my_count():
    s = 0
    for i in range(1000001):
        s += i
    print("sum:", s)


def count_time(func):
    start = time.time()
    func()
    end = time.time()
    print('执行时间为:', (end - start))

count_time(my_count)

在不影响原函数的同时

import time
def count_time(func):
    def wrapper():
        start = time.time()
        func()
        end = time.time()
        print('执行时间为:', (end - start))
    return wrapper

def my_count():
    s = 0
    for i in range(1000001):
        s += i
    print("sum:", s)

my_count = count_time(my_count)
my_count()

在使用时，让my_count函数重新指向count_time函数返回的函数使用。这样使用my_count时，就和原来的使用方式一样了

实现就用装饰器

import time

def count_time(func):
    def wrapper():
        start = time.time()
        func()
        end = time.time()
        print('执行时间为:', (end - start))
    return wrapper

@count_time
def my_count():
    s = 0
    for i in range(1000001):
        s += i
    print("sum:", s)

my_count()

这样实现的好处，定义闭包函数后，只需要通过@装饰器函数名形式的装饰器语法，就可以将@装饰器函数名加到要装饰的函数前即可

这种不改变原有函数功能，对函数进行扩展的形式，就称为装饰器

在执行@装饰器函数名时，就是将原函数传递到闭包中。然后，原函数的引用指向闭包返回的装饰过的内部函数的引用

'''闭包实现棋子的移动'''
# 定义一个外部函数
def outer():   # 在外部函数中定义一个保存坐标的列表
    position = [0, 0]
    # 定义一个内部函数，参数为移动方式和步长
    # 移动方式为列表 [x，y] x，y分别只能去-1，0，1三个值，表示反向，不动，正向
    def inner(direction, step):
        #计算坐标值
        position[0] = position[0] + direction[0] * step
        position[1] = position[1] + direction[1] * step
        # 返回内部函数
        return position
    return inner

# 获取内部函数
move = outer()

#移动
print(move([1, 0], 10))
print(move([0, 1], 10))
print(move([-1, 0], 10))

程序执行结果：

[10, 0]
[10, 10]
[0, 10]