Python-编程高级(部分)

生成器：

列表推导式

这个功能非常的强大，可以快速得到需要的列表

缺点：如果一个列表特别的庞大，这样所有的元素直接初始化到内存中，引起大量无用元素占有内存问题

# 快速生成0——100的列表
>>> [ x for x in range(101)]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62,63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92,93, 94, 95, 96, 97, 98, 99, 100]
# 快速生成0——100的偶数列表
>>> [ i for i in range(101) if i % 2 == 0]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98, 100]
# 快速生成i乘j的结果列表
>>> [ i*j for i in range(10) for j in range(10)]
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 0, 4, 8, 12, 16, 20, 24, 28, 32, 36, 0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 0, 6, 12, 18, 24, 30, 36, 42, 48, 54, 0, 7, 14, 21, 28, 35, 42, 49, 56, 63, 0, 8, 16, 24, 32, 40, 48, 56, 64, 72, 0, 9, 18, 27, 36, 45, 54, 63, 72, 81]

列表生成器（list generator）

列表推导式 转化为 列表生成器

[ 列表推导式 ] —> (列表推导式) # 就会变成一个列表生成器

使用全局函数next，没调用一次next，返回下一个值，直到最后抛出异常

生成器对象也存在一个__next__魔方方法，等价于next全局函数

也可以使用循环迭代generator

好处：节约内存

>>> [ x for x in range(10) ]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# 使用全局函数next，没调用一次next，返回下一个值，直到最后抛出异常
>>> res = ( x for x in range(10) )
>>> res
<generator object <genexpr> at 0x00000215394CF580>
>>> next(res)
0
>>> next(res)
1
>>> next(res)
2
>>> next(res)
3
>>> next(res)
4
>>> next(res)
5
>>> next(res)
6
>>> next(res)
7
>>> next(res)
8
>>> next(res)
9
>>> next(res)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration   # 停止迭代
# 生成器对象也存在一个`__next__`魔方方法，等价于next全局函数
>>> res = ( x for x in range(10) )
>>> res
<generator object <genexpr> at 0x00000215394CF580>
>>> res.__next__()
0
>>> res.__next__()
1
>>> res.__next__()
2
>>> res.__next__()
3
>>> res.__next__()
4
>>> res.__next__()
5
>>> res.__next__()
6
>>> res.__next__()
7
>>> res.__next__()
8
>>> res.__next__()
9
>>> res.__next__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration    # 停止迭代
# 也可以使用循环迭代generator，for循环会自动检测异常
>>> res = ( x for x in range(10) )
>>> res
<generator object <genexpr> at 0x00000215394CF580>
>>> for i in res:
...     print(i)
...
0
1
2
3
4
5
6
7
8
9

函数转换为列表生成器

当列表生成时，需要大量代码来完成时，不可能使用列表推导式，一般使用函数完成，如：（斐波那契数列）

斐波那契数列：从第三个元素开始，每一个元素是前两个元素之和

yield关键字的作用

如果函数中使用yield关键字，那么这个函数的返回值就是一个生成器

具有return的功能，能够返回一个函数的值

当一个函数出现yield，那么这个函数就被调用执行，而是返回值是一个生成器next它返回值，不断地返回被yield的值

yield值之后，会记住当前位置，下一次next函数调用生成器的时候，会在记住的位置继续执行

ls = []


def fibonacci(num):
    """
        使用函数求斐波那契数列
        使用这种方式存在的大量数据直接被加载内存中，
        如果数据很多，就会占据大量内存
    """
    first, second = 1, 2
    index = 0
    while index < num:
        ls.append(first)
        # print(first)
        first, second = second, first + second
        index += 1


def fibonacii2(num):
    first, second = 1, 1
    index = 0
    while index < num:
        first, second = second, first + second
        # 如果函数中使用yield关键字，那么这个函数的返回值就是一个生成器
        yield first
        index += 1


def test_yield(num):
    print("--------start---------")
    index = 0
    while index < num:
        print("-------1------")
        # return 函数直接返回
        # yield就具有return功能
        yield "哈哈"
        print("--------2------")
        index += 1


if __name__ == '__main__':
    # fibonacci(10)
    # print(ls)
    # res = fibonacii2(10)
    # print(res)
    # print(next(res))
    # print(next(res))
    # print(next(res))
    # print(next(res))
    # print(next(res))

    # print(test_yield(10000000))

    # 使用yield关键字装饰的函数，当调用函数时，函数本身并不会调用，而是将函数转换为一个生成器返回
    # result = test_yield(10)
    # print(result)           # <generator object test_yield at 0x0000021B4582B5C8>
    #
    # # 第一次调用
    # print(next(result))
    # print("-----------------开始第二次调用-------------------")
    # #第二次调用生成器
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))
    # print(next(result))

	# 也可以使用循环迭代generator
    res = fibonacii2(10)
    for i in res:
        print(i)

迭代器:

迭代是访问容器元素的一种方式

可迭代对象（Iterable）

以后需要迭代一个对象

from collections.abc import Iterable

t = 对象
if isinstance(t, Iterable):
	for i in t:
		# 迭代对象
else:
	print("对不起，该对象不能迭代")

迭代器

在python，能够被全局函数next调用，并且返回下一个值的对象，就是迭代器。

可迭代对象不一定是迭代器，迭代器都是可迭代对象

结论：

凡是可作用于 for 循环的对象都是 Iterable 类型；

凡是可作用于 next() 函数的对象都是 Iterator 类型

可迭代对象不一定是迭代器，迭代器都是可迭代对象

集合数据类型如 list 、 dict 、 str 等是 Iterable 但不是 Iterator ，不过可以通过iter() 函数获得一个 Iterator 对象。

目的是在使用迭代器的时候，减少内存的占用。

生成器就是一种特殊的迭代器

闭包（closure）

闭包是一种现象，是若数据类型编程语言所特有的现象。

JavaScript（js）时时刻刻在使用闭包

概念：

能够在函数内部调用其他函数变量的现象就闭包，函数包裹函数的现象，就叫做闭包

作用：

缺点：让外层函数常驻内存，则会有可能垃圾无法回收

优点：让局部变量全局化

def outer():
    '''
        这个函数就是一个闭包
    '''
    print("这个是一个闭包")
    a = 10
    def inner():
        print("这个是里面函数的代码")
        b = 20
        print(a + b)

    return inner


res = outer()
print(res)
# 这样调用inner函数呢？
res()

装饰器

OCP原则（open close protocol）

对已有运行（稳定的）代码，不应该修改它，如果你增加新的功能，添加新的功能代码即可。对修改关闭、对增加扩展开放。

什么是装饰器

装饰器就是一个闭包函数，它能够@闭包名称装饰一个原有的函数，是的原有函数的功能更加的强大

如何定义装饰器

1、定义一个闭包，闭包有一个默认的参数，是一个引用，该引用就是需要装饰的函数

2、一个需要在里面函数里面调用引用（函数），在调用之前写的代码就会被装饰在原函数之前调用之后的代码，会被装饰在原函数之后。

装饰器原理

使用了断点调试，追踪了下代码的运行流程，发现装饰器的运行原理

装饰器的功能

1、引入日志

2、函数执行时间统计

3、执行函数前预备处理

4、执行函数后清理功能

5、权限校验等场景

6、异常的处理

7、缓存

装饰器代码示例

1、如果装饰的函数不存在参数：

def test(fn):
    print("test")
    fn()

@test       # 装饰器会自动执行
def a():
    print("a")

def outer(fn):
    def record():
        print("开始记录日志")
        print("新的功能")
        fn()
        print("日志记录结束")
    return record

@outer          # 注解  annotation
def login():
    # 在稳定运行的代码上，不应该修改代码，违背了OCP原则
    # with open("log.log", "w") as f:
    #     f.write("xxxxxxxxxxxxx")
    # record()

    print("用户要开始登录了")
    print("登录成功了")

@outer
def reg():
    print("用户开始注册了")
    print("用户注册成功了")

# reg()
# login()
""" 请在如上代码中加入日志记录 """

2、如果装饰的函数存在了参数

def record(fn):
    print("装饰器开始工作了")
    # 如果装饰的函数存在了参数，请在闭包里面的函数中传递
    def inner(name, password):
        print("开始记录日志")
        fn(name, password)
        print("日志记录结束")
    print("装饰器返回了")
    return inner


@record
def login(name, password):
    print("{} --{} 用户要开始登录了".format(name, password))
    print("登录成功率")


login("任欧巴", "123456")

Python动态语言的特性

动态语言的定义

​ 动态编程语言是高级程序设计语言的一个类别，在计算机科学领域已被广 泛应用。它是一类 在运行时可以改变其结构的语言 ：例如新的函数、对 象、甚至代码可以被引进，已有的函数可以被删除或是其他结构上的变化。 动态语言目前非常具有活力。例如 JavaScript 便是一个动态语言，除此之外 如 PHP 、 Ruby 、 Python 等也都属于动态语言，而 C 、 C++ 等语言则不属于动态语言。

静态语言不允许动态添加或者删除属性和方法

python动态语言允许动态添加或者删除属性和方法

class User(object):
    # __slots__ = ("name", "age")
    def __init__(self):
        self.name = "刘建宏"
        self.age = 16


if __name__ == '__main__':
    u1 = User()
    print(u1.name)
    print(u1.age)
    # 动态语言的特性
    u1.gender = "男"
    print(u1.gender)

    # del u1.name
    print(u1.name)