迭代器
可迭代对象:list、str、tuple、—>for…in…遍历
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
如何实现:
-通过在对象内部定义一个__iter__方法
li=[1,2,3]
li_iter=li.__iter__() #创建一个迭代器
print(li_iter.__next__()) #一个一个将元素取出,这样可以节省内存,但li_iter中的元素将会减少
print(li_iter.__next__())
print(li_iter.__next__())
print(li_iter.__next__())
输出:
1
2
3
StopIteration
可迭代对象测试
from collections import Iterable #使用instance()来判断一个对象是否可迭代
print(isinstance([],Iterable))
输出:True
from collections import Iterable
class MyClass:
def __init__(self):
self.names=[]
def add(self,name):
self.names.append(name)
my_class=MyClass()
my_class.add('tom')
my_class.add('jim')
print('是否为可迭代对象:',isinstance(my_class,Iterable))
输出:是否为可迭代对象: False
使用__iter__方法,可以为我们提供一个迭代器。然后通过该迭代器依次获取对象的每一个数据
class MyClass:
def __init__(self):
self.names=[]
def add(self,name):
self.names.append(name)
def __iter__(self):
return self.names.__iter__()
my_class=MyClass()
my_class.add('tom')
my_class.add('jim')
print('是否为可迭代对象:',isinstance(my_class,Iterable))
输出:是否为可迭代对象:True
应用场景
迭代器的核心就是通过调用next()函数返回下一个数据值。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的。那么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缓存下来供后续使用。这样,可以节省大量的存储(内存)空间。
demo:
斐波那契数列
通过for …in…的方式来遍历斐波那契数列中的前n个数,通过迭代来实现
class Fib:
'斐波那契数列迭代器'
def __init__(self,n):
'记录生成的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函数获取下一个数'
if self.current_index<self.n:
num=self.num1
self.num1,self.num2=self.num2,self.num1+self.num2
self.current_index+=1
return num
else:
raise StopIteration
def __iter__(self):
return self
fib=Fib(10)
for i in fib:
print(i,end=' ')
输出: 0 1 1 2 3 5 8 13 21 34
for…in…循环本质
就是通过iter()函数获取可迭代对象的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item,当遇到StopIteration的异常后,退出。
iter() 方法返回一个特殊的迭代器对象, 这个迭代器对象实现了 next() 方法并通过 StopIteration 异常标识迭代的完成。
next() 方法会返回下一个迭代器对象。
生成器
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次数据。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))
for i in gen:
print(i)
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 'a'
yield 'b'
return Error
yield 'c'
f=foo()
print(next(f))
print(next(f))
print(next(f)) #next和yield进行匹配。如果遇到return,return后的语句不再执行
输出:
a
b
StopIteration: Error
构造一个产生无穷奇数的生成器
通过类手动编写迭代器,实现类似效果
class OddIter:
def __init__(self):
self.start=1
def __iter__(self):
return self
def __next__(self):
self.start+=2
return self.start
odd=OddIter()
for i in range(6):
print(next(odd))
close()关闭生成器,若后面再调用,会报错
def gen():
yield 1
yield 2
yield 3
g=gen()
print(next(g))
g.close()
print(next(g)) #回溯
def gen():
i=0
while i<5:
temp = yield i
print(temp)
i+=1
g=gen()
print(next(g)) #next与yield的值匹配
print(next(g))
print(g.send('bb')) #'bb'直接赋值给temp
输出:
0
None
1
bb
2
https://blog.csdn.net/mieleizhi0522/article/details/82142856 #解释
**throw()**手动抛出异常
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引起)
闭包:
-内部函数对外部函数作用域里的变量的引用
-函数内的属性,都是有生命周期,都是在函数执行期间
-闭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
def foo():
print('in foo()')
def bar():
print('in bar()')
由于作用域的问题,函数内的属性,都是有生命周期,只有在函数执行期间才能存活
若想在外部调用bar()
li = [1,2,3]
def foo(obj):
print('foo:',obj)
def bar():
obj[0]+=1
print('bar:',obj)
return bar
foo(li)
var=foo(li)
var()
输出:
foo: [1, 2, 3]
foo: [1, 2, 3]
bar: [2, 2, 3]
装饰器
装饰器的意义:
-不影响原函数的功能
-可以添加新功能
-一般常见的,比如拿到第三方API接口,第三方不允许修改这个接口。这时候就用到装饰器
-装饰器也是一个函数,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
-它是以闭包的形式是实现的
-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 形式进行装饰
Demo:
现在在一个项目中,有很多函数,由于我们的项目越来越多,功能也越来越多,就导致程序越来越慢。
其中有一个功能函数是实现一百万次的累加
import time
def my_count():
s = 0
for i in range(1000001):
s += i
print('sum:',s)
start = time.time()
my_count()
end = time.time()
print('执行时间:',(end - start))
成功的实现时间的计算。But,加入有成千上万个函数,每个函数这么写一遍非常麻烦。
import time
def my_count():
s = 0
for i in range(1000001):
s += i
print('sum:',s)
# start = time.time()
# my_count()
# end = time.time()
#将上述代码改写成一个函数
def count_time(func1):
start = time.time()
func1()
end = time.time()
print('执行时间:',(end - start))
count_time(my_count)
经过修改后,定义一个函数来实现时间计算功能。
初看上去,比之前好很多。只是我们在使用的时候,需要将我们对应的函数传入到时间计算函数中。
但任然影响了原来的使用。
接下来思考,能不能在不影响函数的原来的使用方式下实现时间计算?
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print('执行时间:', (end - start))
return wrapper
def my_count():
s = 0
for i in range(1000001):
s += i
print('sum:', s)
my_count = count_time(my_count)
my_count()
在使用时,让my_count函数重新指向count_time函数返回的函数引用。这样我们在使用my_count时,就和原来的使用方式一样了。
实现就是采用装饰器。
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print('执行时间:', (end - start))
return wrapper
@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,只需要通过@装饰器函数名
形式的装饰器语法,就可以将@装饰器函数名
加到要装饰的函数前即可。
这种不改变原有函数功能,对函数进行拓展的形式,就成为装饰器
在执行@装饰器函数名
时,就是将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。
装饰器的几种形式
1.无参数无返回值(被装饰的函数)
def setfunc(func):
def wrapper():
print('Start')
func()
print('end')
return wrapper
@setfunc
def show():
print('show')
show()
输出:
start
show
end
2.无参数有返回值
def setfunc(func):
def wrapper():
print('Start')
return func()
print('end')#遇到return,此句不再执行
return wrapper
@setfunc
def show():
return 'show'
print(show())
#Start
#show
3.有参数无返回值
def setfunc(func):
def wrapper(a):
print('Start')
func(a)
print('end')#遇到return,此句不再执行
return wrapper
@setfunc #setfunc(show())
def show(s):
print('Hello %s'%s)
show('city college')
4.有参数有返回值
def setfunc(func):
def wrapper(x,y):
print('Start')
return func(x,y)
# print('end') # 遇到return,此句不再执行
return wrapper
@setfunc
def myAdd(x, y):
return x + y
print(myAdd(3,3))
万能装饰器
根据被装饰函数的定义不同,分出了四种形式。
能不能实现一种适用于任何形式函数定义的装饰器
def setFunc(func):
def wrapper(*args,**kwargs):
print('wrapper context')
return func(*args,**kwargs)
return wrapper
@setFunc
def func(name,age,job='IT'):
print(name,age,job)
func('tom',18)
@setFunc
def demo(a,b,*c,**d):
print((a,b))
print(c)
print(d)
demo('city','college',1,2,3,school='zucc')
输出:
wrapper context
tom 18 IT
wrapper context
('city', 'college')
(1, 2, 3)
{'school': 'zucc'
函数被多个装饰器装饰
一个函数在使用时,通过一个装饰器来拓展,可能并不能达到预期
一个函数被多个装饰器装饰
def setFunc1(func):
def wrapper1(*args,**kwargs):
print('wrapper context 1 start')
func(*args,**kwargs)
print('wrapper context 1 end')
return wrapper1
def setFunc2(func):
def wrapper2(*args, **kwargs):
print('wrapper context 2 start')
func(*args, **kwargs)
print('wrapper context 2 end')
return wrapper2
@setFunc1 #--->F
@setFunc2 #--->g
def show(*args,**kwargs): #--->f
print('show run')
show()
输出:
wrapper context 1 start
wrapper context 2 start
show run
wrapper context 2 end
wrapper context 1 end
#从下往上装饰(从程序运行顺序来看)
#从内往外去装饰(函数的调用来看) F(g(f))
总结:
1.函数可以像普通变量一样,作为函数的参数或者返回值进行传递
2.函数的内部可以定义另外一个函数。目的:隐藏函数功能的实现
3.闭包实际上也是函数定义的一种形式
4.闭包定义的规则,在外部函数内定义一个内部函数,内部函数使用外部函数的变量,并返回内部函数的引用
5.python中装饰器就是用闭包实现的
6.装饰器的作用,在不改变现有函数的基础上,为函数增加功能
7.装饰器的使用,通过’@装饰器函数名’的形式给已有函数进行装饰,添加功能
8.装饰器的四种形式,根据参数的不同以及返回值的不同
9.万能装饰器,通过可变参数(*args和**kwargs)实现
10.一个装饰器可以为多个函数提供装饰功能
11.一个函数也可以被多个装饰器所装饰(作为了解)
12.通过类实现装饰器,重写_init_和_call_
13.类装饰器在装饰函数后,原来的引用不再是函数,而是装饰类的对象