迭代器
可迭代对象:
list,str,tuple,etc. —>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。
如何实现?
- 通过在对象内部定义一个
__iter__
方法。
li=[1,2,3]
sr="abcd"
li_iter=li.__iter__()
print(li.__iter__())
print(sr.__iter__())
print(li_iter.__next__())
print(li_iter.__next__())
print(li_iter.__next__())
sr_iter=sr.__iter__()
print(sr_iter.__next__())
li=[x**2 for x in range(6)]
print(li)
gene=(x**2 for x in range(6))
print(gene)
#
[0, 1, 4, 9, 16, 25]
<generator object <genexpr> at 0x000001D0975B6E08>
from collections import Iterable #使用instance()来判断一个对象是否可迭代
print(isinstance([],Iterable))
print(isinstance(str(),Iterable))
print(isinstance({},Iterable))
print(isinstance(set(),Iterable))
print(isinstance(123,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)
def __iter__(self):
return self.names.__iter__()
my_class=MyClass()
my_class.add("tom")
my_class.add("jack")
my_class.add("lucy")
print("是否为可迭代对象:",isinstance(my_class,Iterable))
for tmp in my_class:
print(tmp,end=" ")
#
是否为可迭代对象: True
tom jack lucy
在访问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,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一次性缓存下来供后续使用。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中的前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()函数来获取下一个数"""
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=FibIterator(10)
for num in fib:
print(num,end=" ")
#
0 1 1 2 3 5 8 13 21 34
生成器
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。但是我们在实现一个迭代器的时,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
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))
print("通过for遍历")
gen = (x**2 for x in range(6))
for i in gen:
print(i, end=" ")
[0, 1, 4, 9, 16, 25]
<generator object <genexpr> at 0x000002740DF31D00>
通过next()函数取得下一个值
0
1
4
9
16
25
通过for遍历
0 1 4 9 16 25
生成器函数
在函数中如果出现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
def foo():
yield 1
yield 2
return
yield 3
f = foo()
print(next(f)) # 程序会停留在yield后的语句
print(next(f))
print(next(f)) # 当程序遇到return,return后的语句不会再执行,报错
next和yield进行匹配,如果遇到return,return后的语句不会再执行,直接抛出异常,终止迭代
在一个生产其中,如果return后有返回值,那么这个值就是异常的说明,而不是函数的返回值
def odd():
n = 1
while True:
yield n
n += 2
odd_num = odd()
count = 0
for i in odd_num:
if count > 5:
break
print(i)
count += 1
print(next(odd_num)) # 1 3 5 7 9 11 15
print(next(odd_num)) # 17
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), end=" ")
1 3 5 7 9 11
- close()
- 手动关闭生成器函数,后面调用会直接引起StopIteration异常
- send()
- x = yield y 语句的含义:send()的作用就是使x赋值为其所传送的值(send的参数),然后让生成器执行到下一个yield
- 如果生成器未启动,则必须在使用send()前启动生成器,而启动的方法可以是gen.next(),也可以使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
- 如果是已启动,则send(para)的作用就是给x赋值 为发生的值(send的参数),然后,让生成器执行到下一个yield
def gen():
value = 0
while True:
receive = yield value
if receive =="e":
break
value = "got: %s" % receive
"""send()的作用就是使receive赋值为其所传送的值,然后让生成器执行到下一个yield"""
g = gen()
print(g.send(None)) # 0
print(g.send('aaa')) # got: aaa
def gen():
i = 0
while i < 5:
temp = yield i
print(temp)
i += 1
obj = gen()
print(next(obj))
print(next(obj))
print(obj.send("city"))
0
None
1
city
2
- throw
- 手动抛出异常
def gen():
i=0
while i<5:
temp =yield i
print(temp)
i+=1
#创建生成器对象
obj=gen()
#使用next()唤醒生成器
print(next(obj))
print(next(obj))
print(obj.throw(Exception,"Method throw called."))
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
- 函数内部的属性,都是有生命周期的,都是在函数执行期间
- 闭包内的闭包函数私有了变量,完成了数据的封装,类似面向对象
deom:
def foo():
print("in foo()")
def bar():
print("in bar()")
#1.直接运行内部函数报错
#bar()
#2.考虑先运行外部函数,再运行内部函数,依然会报错
#foo()
#bar()
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,
再考虑再这段代码,只有调用foo()时,内部的print()及bar()才能存活。
现在我们为了foo()内的bar()存活,就是调用bar(),该怎么做
把 bar()函数返回给函数
def foo():
print("in foo()")
def bar():
print("in bar()")
return bar
var = foo() #in foo()
var() #in bar()
前面说,内部函数对外部函数作用域变量的引用 —> 那如果是变量呢
def foo():
a = 66
print("in foo()")
def bar(num):
print("in bar()")
print(a + num)
return bar
var = foo() # in foo()
var(22) # in bar()
# 88
li = [1, 2, 3, 4, 5]
def foo(obj):
print("foo:", obj)
def bar():
obj[0] += 1
print("bar:", obj)
return bar
# 程序在执行时,foo()函数返回给了内部定义的bar()函数
foo(li) # foo: [1, 2, 3, 4, 5]
foo(li) # foo: [1, 2, 3, 4, 5]
var = foo(li) # foo: [1, 2, 3, 4, 5] 将返回值赋值给var
var() # bar: [2, 2, 3, 4, 5]
var() # bar: [3, 2, 3, 4, 5]
装饰器
@func1
def func():
print('aaa')
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,装饰器就派上用场
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
他是以闭包的方式去实现的
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
形式来进行装饰
demo:
在一个项目中,有很多函数,由于项目越来越大,功能越来越多,导致程序越来越慢
其中一个功能函数的功能,是实现一百万次的累加:
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)
假如要计算函数的运行时间:
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('执行时间为:', (end - start))
# sum: 500000500000
# 执行时间为: 0.10372257232666016
考虑将上述代码中的时间计算封装为函数:
import time
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)
def count_time(func):
start = time.time()
func()
end = time.time()
print('执行时间为:', (end - start))
count_time(my_count)
在不影响原函数的同时
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print('执行时间为:', (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函数返回的函数使用。这样使用my_count时,就和原来的使用方式一样了
实现就用装饰器
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print('执行时间为:', (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,对函数进行扩展的形式,就称为装饰器
在使用时,让my_count函数重新指向count_time函数返回的函数使用。这样使用my_count时,就和原来的使用方式一样了
实现就用装饰器
```python
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print('执行时间为:', (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,对函数进行扩展的形式,就称为装饰器
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