码农学技术————六个月学习python全栈【Day17】

最新推荐文章于 2024-03-19 11:06:38 发布

絵飛的

最新推荐文章于 2024-03-19 11:06:38 发布

阅读量144

点赞数

分类专栏： Python基础知识点文章标签： python 学习开发语言

本文链接：https://blog.csdn.net/fonnt/article/details/123710885

版权

Python基础知识点专栏收录该内容

18 篇文章 0 订阅

订阅专栏

本文详细介绍了Python中的生成器对象，强调其作为自定义迭代器的角色，通过实例展示了生成器如何工作，包括yield语句的使用和send方法。此外，还探讨了模块的概念，解释了模块在提高开发效率和组织代码方面的重要性，并阐述了模块的来源、类型和导入方式。文章最后对比了yield和return的区别，并提供了模块导入的实践示例。

摘要由CSDN通过智能技术生成

今日学习目标：

学习生成器对象、模块简介

今日学习内容：

内容简要：

生成器对象(自定义迭代器)
模块简介

内容详细：

生成器对象(自定义迭代器)

生成器本质是一个使用了yield返回值的函数，支持使用next()函数不断返回下一个值，同时支持使用send函数向生成器发送消息。

生成器对象也是节省存储空间的特性与迭代器对象一致,所以也可以说是特殊的迭代器。

特点
1. 当函数体代码中含有yield关键字,第一次调用函数并不会执行函数体代码,而是将函数变成了生成器
2. yield执行并返回值后，不会退出函数体，而是挂起，待下次next时，再从挂起点恢复运行，如果没有了再执行也会报错 StopIteration。
3. yield语句可以接受通过生成器send方法传入的参数并赋值给一个变量，以动态调整生成器的行为表现

举例

def index():
	yield 123
	yield 666
# 没有调用之前 就是一个普通的函数
print(index)  # <function index at 0x0000021C768AD5E0>
# 加括号调用并接收结果:不执行代码 而是变成生成器对象(迭代器)
res = index()
print(res)  # <generator object index at 0x0000021C768A3E40>
# 变成生成器对象之后调用__next__就会开始执行函数体代码
print(res.__next__())  # 123  yield有点像return的功能
print(res.__next__())  # 666  yield有点像return的功能
# print(res.__next__())  # 报错

运行结果 在这里插入图片描述

实际应用案例
需求:通过生成器模拟range方法

def my_range(start, end=None, step=1):
	if not end:  
    	end = start
    	start = 0
	while start < end:
    	yield start
    	start += step
for i in my_range(1,10):
	print(i)

yield详解及与return对比
1. 相同点:
  1. 均在函数体内使用，并且向调用方返回结果
  2. 均可返回一个值或多个值，如果是多个值，则是以元组格式返回
2. 不同点：
  1. 包含yield的函数，调用时最终返回的是一个生成器，单纯的return函数，调用时返回的是一个值。
  2. return 执行并返回值后，便会直接退出函数体，该函数内存空间即回收释放
  3. yield执行并返回值后，不会退出函数体，而是挂起，待下次next时，再从挂起点恢复运行
  4. yield语句可以接受通过生成器send方法传入的参数并赋值给一个变量，以动态调整生成器的行为表现
3. return在生成器中的作用：
  在一个生成器函数中，如果没有 return，则默认执行至函数完毕，如果在执行过程中 return，则直接抛出 StopIteration 终止迭代
```
#1、yield和return共存
def gene(maxcount):
	a,b=0,1
	count=1
	while True:
    	if count>maxcount:
        	#直接退出函数体
        	return 
    	else:
        	#返回值后，函数在该处挂起，下次再从该处恢复运行
        	yield a+b
        	a,b=b,a+b
        	count+=1

#2、yield接受通过send传入的参数并动态调整生成器行为
def gene(maxcount):
	a,b=0,1
	count=1
	while True:
    	if count>maxcount:
        	return 
    	else:
        	msg=yield a+b
        	if msg=='stop':
            	return
        	a,b=b,a+b
        	count+=1
g=gene(10)
next(g)
g.send('msg') #生成器终止，并抛出一个StopIteration异常
```

模块简介

什么是模块?
模块就是一系列功能的结合体可以直接使用，实际上就是以.py为结尾的文件（注意点：自定义的模块尽量不要和系统模块重名）
为什么要用模块?
极大地提升开发效率，因为它是一些功能的集合体，所以在程序编写的过程中，一些别人已经写好的功能就可以用调用替代繁重的自我编写。
模块的三种来源
1. 内置的模块
  无需下载解释器自带直接导入使用即可
2. 自定义模块
  自己写的代码封装成模块自己用或者发布到网上供别人使用
3. 第三方模块
  别人写的发布到网上的可以下载使用的模块
模块的四种表现形式
1. 使用python代码编写的py文件
2. 多个py文件组成的文件夹(包)
3. 已被编译为共享库或DLL的c或C++扩展
4. 使用C编写并链接到python解释器的内置模块
模块的两种导入方式

方式1>>>:import...句式
方式2>>>:from...import...句式
详细语法
1. improt 模块名
  调用：模块名.功能名
2. import 模块名 as 别名
  调用：别名.功能名
3. from 模块名 import 功能名
  调用：直接功能名
4. from 模块名 import 功能名 as 别名
  调用：直接拿别名来用
5. from 模块名 import * （用 * 号一次性导入所有功能）
  调用：直接功能名
  注意点：* 号没法用别名
import...句式

前提:在研究模块的时候一定要分清楚谁是执行文件谁是被导入文件(模块)
- 导入模块内部到底发送了什么事情
1. 执行当前文件产生一个当前文件的名称空间
2. 执行import句式导入模块文件(即执行模块文件代码产生模块文件的名称空间)
3. 在当前文件的名称空间中产生一个模块的名字指向模块的名称空间
4. 通过该名字就可以使用到模块名称空间中的所有数据
- import句式的特点
  
  可以通过import后面的模块名点的方式使用模块中所有的名字，并且不会与当前名称空间中的名字冲突
from...import...句式

前提:在研究模块的时候一定要分清楚谁是执行文件谁是被导入文件(模块)
- 导入模块内部到底发送了什么事情
1. 执行当前文件产生一个名称空间
2. 执行导入语句运行模块文件产生名称空间存放运行过程中的所有名字
3. 将import后面的名字直接拿到当前执行文件中
- from…import…句式
1. 重复导入也只会导入一次
2. 使用模块名称空间中的名字不需要加模块名前缀直接使用即可
3. 但是from…import的句式会产生名字冲突的问题，在使用的时候一定要避免名字冲突
4. 使用from…import的句式只能使用import后面出现的名字