Python之装饰器
在python这个国家里,装饰器以及后面讲到的迭代器,生成器都是十二分重要的高级函数。
如果将装饰器比作取经路上的一个大boss,那么想干掉它必须拿到三件法宝。
装饰器是一个函数,是为了其他函数增加功能使用的。
法宝一:作用域
'''
L_E_G_B: 从内到外,B是python内置变量
L: a = 7
E: a = 5
G: x = 3
B: python内置变量
'''
x = 3
def f():
a = 5
def inner():
a = 7
return a
法宝二:高阶函数
函数名可以作为参数输入
函数名可以作为返回值
法宝三:闭包
'''
关于闭包
闭包 = 函数块 + 定义函数时的环境
定义
如果在一个内部函数里,对在外部作用域(但不是在全局作用域)的变量进行引用,那么内部函数就被认为是闭包(closure)
'''
def outer():
x = 10
def inner(): # 条件1:inner就是内部函数
print(x) # 条件2:外部环境的一个变量
return inner() # 结果:内部函数就是一个闭包
outer()
# inner()# 局部变量,全局无法调用
# x # 局部变量,全局无法调用
一、列表生成式、生成器&迭代器
1.1 列表生成式
两种创建方式
方式一:列表生成式可以是变量
方式二:列表生成式也可以是函数
********列表生成式可以是变量***********
a = [x * 2 for x in range(10)]
print(a)
********列表生成式也可以是函数***********
def func(n):
return n ** 3
a = [func(x) for x in range(10)]
print(a)
print(type(a))
1.2 生成器
1.2.1 定义
生成器就是一个可迭代对象(Iterator)
什么是可迭代对象:对象拥有"iter()"方法的成为可迭代对象
1.2.2 生成器出现的原因
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。
所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。在Python中,这种一边循环一边计算的机制,称为生成器:generator。
1.2.3 generator创建(方式一)
通过小括号生成(把一个列表生成式的[]改成(),就创建了一个generator
(next(a)) # 等价于a.next()
a = (x * 2 for x in range(10))
# print(a.__next__())
print(next(a)) # 等价于a.__next__()
a = (x * 2 for x in range(10))
for i in a:
print(i)
1.2.4 generator创建(方式二)
通过yield实现在单线程的情况下实现并发运算的效果
def foo():
print('ok')
yield 1
print('ok2')
yield 2
return None
# print(foo()) # <generator object foo at 0x000001CAA7430E60>
# print(foo) # <function foo at 0x000001CAA7312E18>
# next(foo()) # ok
# for i in foo():
# print(i)
def fibo(max):
n, before, after = 0, 0, 1
while n < max:
print(after)
before, after = after, before + after
n = n + 1
fibo(10)
吃包子的方式
import time
# 吃包子
def consumer(name):
print("%s 准备吃包子啦!" % name)
while True:
baozi = yield
print("包子[%s]来了,被[%s]吃了!" % (baozi, name))
# 做包子
def producer(name):
c = consumer('A')
c2 = consumer('B')
c.__next__()
c2.__next__()
print("allure开始准备做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2个包子!")
c.send(i)
c2.send(i)
producer("allure")
1.3 迭代器
1.3.1 定义(满足迭代器协议)
(1)内部有next方法
(2)内部有iter()方法
我们已经知道,可以直接作用于for循环的数据类型有以下几种:
一类是集合数据类型,如list、tuple、dict、set、str等;
一类是generator,包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象:Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象:
from collections import Iterable
print(isinstance([], Iterable)) # True
print(isinstance({}, Iterable)) # True
print(isinstance('abc', Iterable)) # True
print(isinstance((x for x in range(10)), Iterable)) # True
print(isinstance(100, Iterable)) # False
而生成器不但可以作用于for循环,还可以被next()函数不断调用并返回下一个值,直到最后抛出StopIteration错误表示无法继续返回下一个值了。
*可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象:
这是因为Python的Iterator对象表示的是一个数据流,Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
1.4 小结
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,它们表示一个惰性计算的序列;
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。
Python的for循环本质上就是通过不断调用next()函数实现的,例如
for x in [1, 2, 3, 4, 5]:
pass
完全等价于
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break