迭代器、生成器、闭包和装饰器

迭代器

可迭代对象：

list,str,tuple…—>for … in …遍历—> 遍历（迭代）

迭代器协议：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么引起StopIteration异常,以终止迭代（只能往下走，不可以回退）

现在，我们就可以说，实现了迭代器协议的对象就是可迭代对象。

实现：

• 通过在对象内部定义一个__iter__方法

li=[1,2,3]
sr='abcd'
li_iter=iter(li)
sr_iter=sr.__iter__()
print(li_iter.__next__())
print(li_iter.__next__())
print(next(li_iter))
print(sr_iter.__next__())
print(sr_iter.__next__())
print(next(sr_iter))
print(next(sr_iter))

测试是否可迭代

for i in 10:
    print(i)
#报错
from  collections import Iterable
print(isinstance([],Iterable))
print(isinstance('',Iterable))
print(isinstance({},Iterable))
print(isinstance(set(),Iterable))
print(isinstance(1,Iterable))
print(isinstance(True,Iterable))
----------
True
True
True
True
False
False

自定义一个类，其可以容纳数据，测试该类的可迭代性

from  collections import Iterable
class Myclass:
    def __init__(self):
        self.names=[]

    def add(self,name):
        self.names.append(name)

myclass=Myclass()
myclass.add(2)
myclass.add('sleep')
myclass.add({'nemu1':'fish'})
print(isinstance(myclass,Iterable))
print(isinstance(myclass.names,Iterable))
for i in myclass:
    print(i,end=' ')
----------
False
True
TypeError: 'Myclass' object is not iterable

对Myclass类内最后增加一个

    def __iter__(self):
        return self.names.__iter__()
#接着再运行
print(isinstance(myclass,Iterable))
print(isinstance(myclass.names,Iterable))
for i in myclass:
    print(i,end=' ')
--------
True
True
2 sleep {'nemu1': 'fish'} 

回顾之前说的__iter__方法，其可以为我们提供一个迭代器

在迭代一个可迭代对象的时候，实际上就是获取该对象提供的一个迭代器。然后通过该迭代器依次获取对象的每一个数据

for…in…循环的本质

就是通过iter()函数获取可迭代对象地Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值，当遇到StopIteration的异常后，退出。

应用场景

迭代器的核心就是通过next()函数调用返回下一个数据值。如果每次返回的数据值不是在一个已有的数据集合中读取的，而是通过程序按照一定规律计算生成。那么也就意味着可以不用依赖一个已有的数据集合，namely，无需将所有的迭代对象数据一次性全部缓存下来。这样就可以节省大量的存储空间。

demo:

斐波那契数列

现在我们希望通过for…in…的方式来遍历斐波那契数列的前n个数。

通过迭代来实现，每次迭代都可以通过数学计算来生成下一个数

class FibIterator(object):
    '''斐波那契数列迭代器'''
    def __init__(self,n):
        #记录生成斐波那契数列的个数
        self.n=n
        #记录当前记录的索引
        self.current_index=0
        #记录两个初始值
        self.num1=0
        self.num2=1

    def __next__(self):
        '''调用next()函数来获取下一个数'''
        if self.current_index<self.n:
            self.num1, self.num2 = self.num2, self.num1 + self.num2
            num = self.num1
            self.current_index+=1
            return  num
        else:
            raise StopIteration
    def __iter__(self):
        return self

fib=FibIterator(10)
for num in fib:
    print(num,end=' ')

生成器

生成器是利用迭代器，我们可以在每次迭代获取数据时(通过next()方法)按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代的状态需要我们自己记录，进而才能根据当前的状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，可以采用更简便的语法。

即生成器（generator），生成器是一种特殊的迭代器，它比迭代器更优雅。

创建一个生成器

列表[]—>()

li=[x**2 for x in range(6)]
print(li)
gen=(x**2 for x in range(6))
print(gen)
print("通过next()函数取得下一个值")
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
gen=(x**2 for x in range(6)) #如果没有这个重新赋值，没有输出
print("通过for遍历")		   #for...in..本质就是next()
for i in gen:
    print(i,end=' ')
----------------
[0, 1, 4, 9, 16, 25]
<generator object <genexpr> at 0x0000022DE6553E08>
通过next()函数取得下一个值
0
1
4
9
16
25
0 1 4 9 16 25 

生成器函数

在函数中如果出现了yield关键字，那么该函数就不再是一个普通函数而是一个生成器函数

def foo():
    yield 1
    yield 2
    yield 3
f=foo()
print(next(f),end=' ')#程序会停留在对应yield后的语句
print(next(f),end=' ')
print(next(f),end=' ')
---
1 2 3

next和yield进行匹配，如果函数中有return，return后的yield也不会再执行，因此报错

def foo():
    yield 1
    return 
    yield 2  #在IDE中很明显看到这里就报错了.

用来输出奇数，函数:

def odd():
    n=1
    while 1:
        yield n
        n+=2
o=odd()
for i in range(5):
    print(next(o))

生成器:

class Odd:
    def __init__(self):
        self.num=-1
    def __next__(self):
        self.num+=2
        return self.num
    def __iter__(self):
        return self
o=Odd()
for i in range(5):
    print(next(o))

close()

• 手动关闭生成器函数，后面调用会直接引起StopIteration异常

def gen():
    yield 1
    yield 2
    yield 3
    yield 4
g=gen()
print(next(g))
print(next(g))
g.close()  #这行存在就返回StopIteration，而注释这行，下面能正常运行。
print(next(g))

send()

• 传送一个值赋给生成器里的值，让生成器继续执行到下一个yield。
• 如果生成器未启动，则必须在使用send()前启动生成器，启动方法可以是gen.next(),也可以是gen.send(None)执行到第一个yield处，之后就可以使用send(para)不断的传入值
• 如果已启动，则send(para)的作用就是给receive赋值为发送的值(para)，然后让生成器执行到下一个yield.

def gen():
    value=0
    while 1:
        receive =yield value
        if receive =="e":
            break
        value="got:%s"%receive
g=gen()
print(g.send(None))
print(g.send("aaa"))
print(g.send("e88"))
print(g.send("e"))

闭包

什么是闭包

闭是封闭(函数中的函数),包是包含(该内部函数对外部函数作用域而非全局作用域变量的引用)

闭包:

• 内部函数对外部函数作用域里的变量的引用
• 函数内的函数，都是有生命周期，都是在函数执行期间
• 比包内的闭包函数私有化了变量，完成了数据的封装，类似面向对象

demo:

def foo():
    print("in foo()")
    def bar():
        print("in bar")
#1.直接运行 
bar()   #报错
#2.考虑先运行外部函数，再运行内部函数
foo()
bar()  #依然报错

由于作用域的问题，函数内的属性，都是有生命周期的，只有在函数执行期间才存活，
现在我们为了让foo()内的bar()存活，就是调用bar(),我们该则么做？

在foo函数中返回bar函数

def foo():
    print("in foo()")
    def bar():
        print("in bar()")
    return bar
vas = foo()
vas()#程序再执行时，foo()函数返回内部定义的bar()函数
----
in foo()
in bar()

已经能返回函数，那么里面的变量呢？

def foo():
    a=66
    print("in foo()")
    def bar(num):
        print("in bar()")
        print(a+num)
    return bar
vas = foo()
vas(22)
print(a)
---
in foo()
in bar()
88
NameError: name 'a' is not defined

同样遵循上面的原则

装饰器

装饰器存在的意义：

• 不影响原有函数的功能
• 可以添加新功能

一般常见的，比如拿到第三方的API接口，第三方不允许修改这个接口。这个时候，装饰器就派上用处

装饰器本身也是一个

函数，作用是为现有存在的函数，在不改变函数的基础上，增加一些功能进行装饰。

它是以闭包的形式去实现的。

在使用装饰器函数时，在被装饰的函数的前一行，使用@装饰器函数名来进行装饰。

demo：

现在在一个项目中，有很多函数，由于我们的项目越来越大，功能越来越多，就会导致程序运行越来越慢。其中一个函数的功能，是实现一百万的累加。

def my_cout():
    s=0
    for i in range(1000001):
        s+=i
    print("sum:",s)

想知道他的运行时间，按原先的做法是这样：

import time
start=time.time()
my_cout()
end=time.time()
print("执行时间为:",(end-start))

虽然成功的实现了时间的计算。但是，假如有成千上万个函数，每个函数写一遍，非常麻烦，代码冗余。运用我们以前所学的函数封装这个过程来实现这个功能。

import time
def count_time(func):
    start = time.time()
    func()
    end = time.time()
    print("执行时间为:", (end - start))
count_time(测量的函数)

经过修改后，比之前好一点点，只是要在使用时，需要将对应的函数传入到时间计算函数中。但是仍然影响原来的使用，使用装饰器来装饰它

import time
def count_time(func):
    start = time.time()
    func()
    end = time.time()
    print("执行时间为:", (end - start))
@count_time
def my_count():
    s = 0
    for i in range(1000001):
        s += i
    print("sum:", s)
my_count()

这样实现的好处，定义闭包函数后，只需通过@装饰器函数名形式的装饰器语法，就可以将@装饰器函数名加到要装饰的函数上。

在执行@装饰器函数名时，就是讲原函数传递到闭包中。然后，原函数的引用指向闭包返回的装饰过的内部函数的引用