9 迭代器、生成器与装饰器
9.1 迭代器
凡是使用for语句，本质上都迭代器的应用
9.1.1 迭代器概述
__iter__() 返回对象本身，for语句使用迭代器的要求
__next__() 用于返回容器中下一个元素或数据，必须加StopIteration引发异常
任何一个类，只要它实现了上述两个方法，就称为迭代器，就可以rof来遍历它
for item in iterator
pass9.1.2 自定义迭代器
In [4]:
class MyIterator:
def __init__(self,x=2,xmax=100):
self.__mul,self.__x=x,x
self.__xmax=xmax
def __iter__(self):
return self
def __next__(self):
if self.__x and self.__x !=1:
self.__mul *= self.__x
if self.__mul <= self.__xmax:
return self.__mul
else:
raise StopIteration
else:
raise StopIteration
if __name__ == '__main__':
myiter = MyIterator()
for i in myiter:
print('迭代的数据元素为：',i)
迭代的数据元素为： 4 迭代的数据元素为： 8 迭代的数据元素为： 16 迭代的数据元素为： 32 迭代的数据元素为： 64
9.1.3 内置迭代器工具
1、内建迭代器函数iter()
iter(iterable) iterable为可迭代的类型。
iter(callable,sentinel) callable可调用的类型，一般为函数；sentine称为‘哨兵’，即当第一个参数调用返回值等于第二个参数的值时，迭代或遍历停止。In [14]:
class Counter:
def __init__(self,x=0):
self.x = x
counter = Counter()
def used_iter():
counter.x += 2
return counter.x
#print(used_iter())
for i in iter(used_iter,8):
print('本次遍历的数值：',i)
本次遍历的数值： 2 本次遍历的数值： 4 本次遍历的数值： 6
2、itertools
无限迭代器：
count(start,[step]) 从start开始，以step为步长
cycle(seq) 无限循环迭代seq
repeat（elem，[n]) 循环迭代elem
迭代短序列：
chain（p，q，...) 链接迭代
compress(data,selectors) 依据selectors中的值选择迭代data序列中的值
filterfalse(pred,seq) 当pred处理为假的元素
dropwhile(pred,seq) 依据pred对序列元素处理为假时开始迭代seq后所有的值
takewhile(pred,seq) 与dropwhile向反
tee(it,n) 将it重复n次进行迭代
zip_logest(p,q,...)
组合迭代序列：
product(p,q,...[,n]) 迭代排列出所有的排列
permuations(p,r) 迭代序列中r个元素的排列
combinations(p,r) 迭代序列中r个元素的组合In [28]:
import itertools
for i in itertools.count(1,3):
print(i)
if i >= 6:
break
print('------------------------------------')
x = 0
for i in itertools.cycle(['a','b']):
print(i)
x += 1
if x >= 6:
break
print('------------------------------------')
print(list(itertools.repeat(3,3)))
print('------------------------------------')
print(list(itertools.chain([1,3],[2,3])))
print('------------------------------------')
print(list(itertools.dropwhile(lambda x:x>6,[8,9,1,2,8,9])))
print('------------------------------------')
print(list(itertools.takewhile(lambda x:x>10,[18,19,1,21,8,9])))
print('------------------------------------')
for its in itertools.tee([0,1],2):
for it in its:
print(it)
print('------------------------------------')
print(list(itertools.permutations('abc',2)))
print('------------------------------------')
print(list(itertools.combinations('abc',2)))
1
4
7
------------------------------------
a
b
a
b
a
b
------------------------------------
[3, 3, 3]
------------------------------------
[1, 3, 2, 3]
------------------------------------
[1, 2, 8, 9]
------------------------------------
[18, 19]
------------------------------------
0
1
0
1
------------------------------------
[('a', 'b'), ('a', 'c'), ('b', 'a'), ('b', 'c'), ('c', 'a'), ('c', 'b')]
------------------------------------
[('a', 'b'), ('a', 'c'), ('b', 'c')]
9.2 生成器
9.2.1 生成器创建
生成器对象是通过yield关键字定义的函数对象，生成器也是一个函数。In [27]:
def myYield(n):
while n > 0:
print('开始生成：')
yield n #yield用于返回给调用者其后表达式的值，组成一个序列
print('完成一次。。。')
n -= 1
if __name__ == '__main__':
for i in myYield(4): #遍历生成器
print('遍历得到的值：',i)
print('---------------------------')
my_yield = myYield(3) #实例化类
print('实例化生成器对象',my_yield.__next__()) #调用迭代器中的__next__方法
print('第二次调用__next__方法：',my_yield.__next__())
print('第三次调用__next__方法：',my_yield.__next__())
print(type(my_yield)) #查看数据类型，generator生成器的意思
开始生成： 遍历得到的值： 4 完成一次。。。 开始生成： 遍历得到的值： 3 完成一次。。。 开始生成： 遍历得到的值： 2 完成一次。。。 开始生成： 遍历得到的值： 1 完成一次。。。 --------------------------- <generator object myYield at 0x0417E030> 开始生成： 实例化生成器对象 3 完成一次。。。 开始生成： 第二次调用__next__方法： 2 完成一次。。。 开始生成： 第三次调用__next__方法： 1 <class 'generator'>
9.2.2 深入生成器
In [29]:
def myYield(n):
while n > 0:
rcv = yield n #定义了一个rcv来接收调用者传过来的值
n -= 1
if rcv is not None:
n = rcv
if __name__ == '__main__':
my_yield = myYield(3)
print(my_yield.__next__())
print(my_yield.__next__())
print('传给生成器一个值，重新初始化生成器。')
print(my_yield.send(10)) #使用send方法传递值，也称为协程，看下一小节
print(my_yield.__next__())
3 2 传给生成器一个值，重新初始化生成器。 10 9
还可以使用一个类似列表推导的生成器表达式In [35]:
a = (i for i in range(5)) a print(type(a)) list(a) #注意可以使用list()将其转化为列表，主句量太大和无序，不建议转化，会导致死机
<class 'generator'>
Out[35]:
[0, 1, 2, 3, 4]
9.2.3 生成器与协程
协程是一种解决程序并发的方法。In [38]:
def consumer():
print('等待接收处理任务')
while True:
data = (yield)
print('收到任务：',data)
def producer():
c = consumer()
c.__next__()
for i in range(3):
print('发送一个任务...','任务%d' % i)
c.send('任务%d' % i)
producer() #if __name__ == '__main__'这段其实可以不用写，忘记什么时候写请参看之前内容
等待接收处理任务 发送一个任务... 任务0 收到任务： 任务0 发送一个任务... 任务1 收到任务： 任务1 发送一个任务... 任务2 收到任务： 任务2
9.3 装饰器
9.3.1 装饰器概述
为了个不同的函数或类插入相同的功能
‘@’符号来实现
使用装饰器装饰对象，必须要先定义装饰器，装饰器的定义与普通函数的定义在形式上完全一致，只不过装饰器函数的参数必须要有函数或类对象，然后再装饰器函数中重新定义一个新的函数或类，并在其中执行某些功能前后或中间来使用被装饰的函数或类，最后返回这个新定义的函数或类。In [39]:
def demo_decorater(fun):
def new_fun(*args,**kwargs):
pass
fun(*args,**kwargs)
pass
return new_fun #完全摸不到头脑，看下例
9.3.2 装饰函数
In [43]:
#这个列子好看的多了
def abc(fun):
def wrapper(*args,**kwargs):
print('开始...')
fun(*args,**kwargs)
print('结束')
return wrapper
@abc
def demo_decoration(x):
a = []
for i in range(x):
a.append(i)
print(a)
@abc
def hello(name):
print('hello ',name)
demo_decoration(5)
print()
hello('默天')
开始... [0] [0, 1] [0, 1, 2] [0, 1, 2, 3] [0, 1, 2, 3, 4] 结束 开始... hello 默天 结束
9.3.3 装饰类
In [70]:
def abc(myclass):
class InnerClass:
def __init__(self,z=0):
self.z = 0
self.wrapper = myclass()
def position(self):
self.wrapper.position()
print('z axis:',self.z)
return InnerClass
@abc
class coordination:
def __init__(self,x=0,y=0):
self.x = x
self.y = y
def position(self):
print('x axis:',self.x)
print('y axis:',self.y)
if __name__ == '__main__':
coor = coordination()
coor.position()
x axis: 0 y axis: 0 z axis: 0
149
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
