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)