python函数-进阶

大纲概览

1. 闭包与装饰器

• • 闭包：一个内部函数，它包含了对外部函数作用域（非全局作用域）中变量的引用。
  • 装饰器：一种在不修改原函数代码的情况下，给函数增加额外功能的技术。

1. 生成器

• • 生成器是迭代器的一种，但它只在迭代到该元素时才计算该元素的值，而不是一次性生成所有元素。
  • 使用yield关键字创建生成器。

1. 序列化

• • 序列化：将数据结构或对象状态转换为可以存储或传输的形式的过程。
  • 反序列化：是序列化的逆过程，即将序列化后的形式转换回数据结构或对象状态。

闭包与装饰器

1. 闭包示例

• • f1()函数是闭包函数，它调用了func()并将func()的返回值加1后返回。
  • f2()函数用于创建闭包，接受一个函数作为参数并返回一个新的函数。

1. 装饰器

• • 装饰器使用@符号将装饰器函数与被装饰函数联系起来。
  • 示例中，f2是一个装饰器函数，它接受一个函数作为参数并返回一个新函数f1，f1会调用原函数func并添加额外功能。

1. 装饰器改进

• • 使用@符号使得装饰器更加简洁和易于使用。

生成器

1. 生成器基础

• • 使用yield关键字定义生成器函数。
  • 调用生成器函数时，它不会立即执行函数体，而是返回一个生成器对象。
  • 使用next()函数或for循环来迭代生成器对象，每次迭代执行到yield语句时，会暂停并返回yield后面的值。

1. 示例

def func():  
    print("111")  
    yield 222  
 
gener = func()  # 获取生成器对象  
ret = gener.__next__()  # 执行生成器，获取第一个yield的值  
print(ret)  # 输出: 222

文档提及

1. JSON

• • json.dumps(obj)：将Python对象转换为JSON字符串。
  • json.loads(s)：将JSON字符串转换为Python对象。
  • json.dump(obj, file)：将Python对象写入文件，并转换为JSON格式。
  • json.load(file)：从文件中读取JSON数据，并转换为Python对象。

1. Pickle

• • 用于Python特有的类型（如自定义类）和Python数据类型间的转换。
  • 与JSON相比，pickle支持更多Python数据类型，但生成的序列化数据不可读，且不是跨语言的。

函数进阶

1. 间接调用函数

• 直接调用函数：直接使用函数名加参数列表调用函数。
• 间接调用函数：

• • 将函数名赋值给变量，再通过变量名加形参列表调用。
  • 一个函数作为另一个函数的参数。
  • 函数名作为其他数据类型的元素（如列表、字典等）。

2. 匿名函数

• 匿名函数：没有函数名称的临时微函数，使用lambda表达式声明。
• 语法格式：lambda [arg1, arg2, ..., argn]: expression
• 应用场景：当函数只有一个返回值且只有一句代码时，使用lambda简化。
• 注意：lambda表达式只能包含一个表达式，且必须有返回值，但可以调用其他函数。

3. 生成器

• 生成器与函数的区别：在函数中使用yield代替return，函数就变成了生成器函数。
• 执行生成器函数时，不会立即执行函数体，而是返回一个生成器对象。
• 使用next()方法或迭代访问生成器中的元素，每次调用next()或迭代时，生成器会执行到下一个yield语句并返回其值。
• 生成器是惰性求值的，即按需生成数据，不会一次性加载所有数据到内存中，节省内存。

4. send()与next()方法

• send()和next()方法都可以使生成器执行到下一个yield语句。
• send()可以向上一个yield的位置传递值（但不能给最后一个yield发送值），next()则没有此功能。
• 第一次执行生成器代码时，不能使用send()方法，应使用next()启动生成器。

示例代码

# 示例1：匿名函数  
sum_func = lambda x, y: x + y  
print(sum_func(3, 5))  # 输出：8  
  
# 示例2：生成器  
def fibonacci():  
    a, b = 0, 1  
    while True:  
        yield a  
        a, b = b, a + b  
  
fib = fibonacci()  
print(next(fib))  # 输出：0  
print(next(fib))  # 输出：1  
  
# 示例3：send()与next()  
def eat():  
    print("我吃什么？")  
    a = yield "馒头"  
    print("a=", a)  
    b = yield "大饼"  
    print("b=", b)  
    c = yield "韭菜盒子"  
    print("c=", c)  
    yield "GAME OVER"  
  
gen = eat()  
print(next(gen))  # 输出："我吃什么？" 和 "馒头"  
print(gen.send("胡辣汤"))  # 输出："a=胡辣汤" 和 "大饼"  
print(gen.send("狗粮"))  # 输出："b=狗粮" 和 "韭菜盒子"

1. 生成器与迭代器

• 生成器：通过yield关键字定义的函数，称为生成器函数。执行生成器函数时，不会立即执行函数体中的代码，而是返回一个生成器对象。这个对象是一个迭代器，可以通过next()方法或for循环逐个获取其中的值。
• 迭代器：迭代器是一种可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

2. 生成器的使用

• 使用next()方法：调用生成器对象的__next__()方法（通常简写为next()）可以获取生成器中的下一个值。如果生成器已经遍历完所有的值，再次调用next()会抛出StopIteration异常。
• 使用for循环：由于生成器是一个迭代器，因此可以直接使用for循环遍历生成器中的值，无需手动调用next()方法。

3. send()方法

• send()方法是生成器特有的一个方法，它的功能与next()类似，都可以让生成器执行到下一个yield语句。但send()方法可以向生成器发送一个值，这个值会被上一个yield表达式接收。
• 注意：在第一次执行生成器代码时，不能使用send()方法，应使用next()或for循环来启动生成器。

4. 生成器表达式与列表推导式

• 生成器表达式：使用圆括号()包围的推导式，它返回的是一个生成器对象，而不是列表。生成器表达式在需要时才计算生成值，因此更加节省内存。
• 列表推导式：使用方括号[]包围的推导式，它返回的是一个列表。列表推导式会一次性生成所有的值，因此会占用更多的内存。

5. 示例代码

• 生成器函数示例：

def eat():  
    print("我吃什什么啊")  
    a = yield "馒头"  
    print("a=", a)  
    b = yield "大饼"  
    print("b=", b)  
    c = yield "韭菜盒子"  
    print("c=", c)  
    yield "GAME OVER"  
  
gen = eat()  
print(next(gen))  # 输出: 馒头  
print(gen.send("胡辣汤"))  # 输出: 大饼  
print(gen.send("狗粮"))  # 输出: 韭菜盒子

• 生成器表达式示例：

# 生成一个从1到5的平方的生成器  
squares = (x**2 for x in range(1, 6))  
for square in squares:  
    print(square)  # 输出: 1, 4, 9, 16, 25

6. 总结

• 生成器提供了一种高效的方式来处理大量数据，它们只会在需要时才生成值，从而节省了大量的内存空间。
• 迭代器和生成器是Python中处理序列数据的重要工具，它们提供了一种灵活的方式来遍历和操作数据。
• send()方法为生成器提供了与上一个yield位置交互的能力，使得生成器在处理数据时更加灵活。
• 生成器表达式和列表推导式在语法上非常相似，但它们在内存使用和处理方式上有着显著的区别。