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]
for i in li:
print(i,end=" ")
sr = "abcd"
print(li.__iter__())
li_iter = iter(li)
print(li_iter.__next__())
print(next(li_iter))
1
2
可迭代对象测试
使用isinstance()来判断一个对象是否可迭代
from collections import Iterable
print(isinstance(set(),Iterable))
True
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.name = []
def add(self,name):
self.name.append(name)
def __iter__(self):
return self.name.__iter__()
myclass = MyClass()
myclass.add("Tom")
myclass.add("Jack")
myclass.add("Lucy")
print(isinstance(myclass,Iterable))
for tmp in myclass:
print(tmp)
True
Tom
Jack
Lucy
回顾之前说的__iter__
方法,其可以为我们提供一个迭代器。
在访问一个可迭代对象的时候,获取一个迭代器。然后通过该迭代器依次获取对象的每一个数据。
#通过迭代器迭代
print(myclass)
myclass_iter = iter(myclass)
print(myclass_iter)
print(next(myclass_iter))
print(next(myclass_iter))
print(next(myclass_iter))
print(next(myclass_iter))
for item 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给item,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新缓存下来供后续使用。这样,可以节省大量的储存(内存)
demo:
斐波那契数列
class Fib:
def __init__(self,n):
#记录生成的斐波那契数列个数
self.n = n
#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):
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 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(next(gen))
# print(next(gen))
# print(next(gen))
# print(next(gen))
# print(next(gen))
# print(next(gen))
for i in gen:
print(i,end=" ")
[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。
demo:
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,因此报错
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StopIteration,终止迭代。
在一个生成器中,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。
构造一个产生无穷奇数的生成器
def odd():
n = 1
while True:
yield n
n += 2
odd_num = odd()
print(odd_num)
for i in range(0,6):
print(next(odd_num))
通过类手动编写迭代器,实现相同的功能
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))
生成器支持的方法:
Help on generator object:
odd = class generator(object)
| Methods defined here:
|
| __del__(...)
|
| __getattribute__(self, name, /)
| Return getattr(self, name).
|
| __iter__(self, /)
| Implement iter(self).
|
| __next__(self, /)
| Implement next(self).
|
| __repr__(self, /)
| Return repr(self).
|
| close(...)
| close() -> raise GeneratorExit inside generator.
|
| send(...)
| send(arg) -> send 'arg' into generator,
| return next yielded value or raise StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]]) -> raise exception in generator,
| return next yielded value or raise StopIteration.
|
| ----------------------------------------------------------------------
| Data descriptors defined here:
|
| gi_code
|
| gi_frame
|
| gi_running
|
| gi_yieldfrom
| object being iterated by yield from, or None
- 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()
print(next(g))
1
2
Traceback (most recent call last):
File "D:/python/PycharmProjects/chenhan/day11.py", line 184, in <module>
print(next(g))
StopIteration
- send()
- send()的作用相当于使生成器继续运行,并且传递的参数为yield的返回值(程序中即receive的值)
- 如果生成器未启动,则必须在使用send()前启动,启动方法可以是gen.next()/gen.send(None)
- 如果已启动,则send(para)的作用就是给receive赋值为发送的值(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
g = gen()
print(g.send(None))
print(g.send("aaa"))
print(g.send(123))
print(g.send('e'))
0
Traceback (most recent call last):
got:aaa
got:123
File "D:/python/PycharmProjects/chenhan/day11.py", line 198, in <module>
print(g.send('e'))
StopIteration
- throw()
- 手动抛出异常
def gen():
i = 0
while i < 5:
temp = yield i
print(temp)
i += 1
obj = gen()
print(obj.throw(Exception,"Method throw called"))
Traceback (most recent call last):
File "D:/python/PycharmProjects/chenhan/day11.py", line 221, in <module>
print(obj.throw(Exception,"Method throw called"))
File "D:/python/PycharmProjects/chenhan/day11.py", line 207, in gen
def gen():
Exception: Method throw called
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
- 函数内的属性,都有生命周期,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,类似面对对象
demo:
def foo():
print("in foo()")
def bar():
print("in bar()")
#直接运行内部函数报错
# bar()
#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。
现在我们为了让foo()内的bar()存活,就是调用bar(),我们该怎么做?
**把bar()函数返回给函数**
def foo():
print("in foo()")
def bar():
print("in bar()")
return bar
var = foo()
var()
前面说,内部函数对外部函数作用域变量的引用 —> 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() #将bar返回给var,此时var相当于bar函数
var(10)
in foo()
in bar()
76
装饰器
首先,看一个demo:
@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。
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
形式来进行装饰。
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,功能也越来越多,导致程序越来越慢。
其中一个函数的功能,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)
#假如我们要计算函数的运行时间,该如何做?
start = time.time()
my_count()
end = time.time()
print("执行时间为:",end - start)
sum: 500000500000
执行时间为: 0.1130983829498291
假如有成千上万个函数。每个函数这么写一遍,非常麻烦,代码量也凭空增加很多。明显不符合开发原则,代码泰国冗余。
考虑将上述代码中的时间计算封装为函数:
def count_time(func):
start = time.time()
func()
end = time.time()
print("执行时间为:", end - start)
count_time(my_count)
经过修改,定义一个函数来实现时间计算功能,只是在使用时,需要将对应的函数传入到时间计算函数中,仍然影响了使用。
能不能再使用时不影响函数原来的使用方式,同时计算时间?
#考虑闭包
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 = count_time(my_count)仍然更改了调用方式
my_count()
sum: 500000500000
执行时间为: 0.11408686637878418
使用装饰器不更改原有函数的调用方式,在使用时让my_count函数重新指向count_time函数返回的函数引用。这样使用my_count时,就和原来的使用方式一样了
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。
装饰器的几种形式
1.无参无返回值
def setFunc(func):
def wrapper():
print("Start")
func()
print("end")
return wrapper
@setFunc
def show():
print("show")
show()
#setFunc(show)()
Start
show
end
2.无参有返回值
def setFunc(func):
def wrapper():
print("Start")
func()
print("end")
return wrapper
@setFunc
def show():
return "show"
print(show())
Start
end
None
3.有参数无返回值
def setFunc(func):
def wrapper(s):
print("Start")
func(s)
print("end")
return wrapper
@setFunc
def show(s):
print("Hello %s" % s)
show("City College")
Start
Hello City College
end
4.有参数有返回值
def setFunc(func):
def wrapper(x,y):
print("Start")
return func(x,y)
print("end")
return wrapper
@setFunc
# def show(s):
# print("Hello %s" % s)
def myAdd(x,y):
return x+y
print(myAdd(2,3))
Start
5
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?
通过可变参数(*args/**kwargs)来接收不同的参数类型。
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,"Student")
@setFunc
def demo(a,b,*c,**d):
print((a,b))
print(c)
print(d)
demo("City","College",1999,1,1,school = "Zhejiang University")
Wrapper context.
Tom 18 Student
Wrapper context.
('City', 'College')
(1999, 1, 1)
{'school': 'Zhejiang University'}
函数被多个装饰器所装饰
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。
考虑用多个装饰器进行装饰
#装饰器1
def setFunc1(func):
def wrapper1(*args,**kwargs):
print("Wrapper Context 1 Start.".center(40,"-"))
func(*args,**kwargs)
print("Wrapper Context 1 End.".center(40,"-"))
return wrapper1
#装饰器2
def setFunc2(func):
def wrapper2(*args,**kwargs):
print("Wrapper Context 2 Start.".center(40,"-"))
func(*args,**kwargs)
print("Wrapper Context 2 End.".center(40,"-"))
return wrapper2
@setFunc1 # --->F
@setFunc2 # --->g
def show(*args,**kwargs): # --->f
print("Show Run.".center(40,'-'))
show() #F(g(f))
--------Wrapper Context 1 Start.--------
--------Wrapper Context 2 Start.--------
---------------Show Run.----------------
---------Wrapper Context 2 End.---------
---------Wrapper Context 1 End.---------
从下往上去装饰(程序语句运行来看)
从内往外去装饰(函数的调用来看)
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,装饰器就是用闭包来实现的。
6.装饰器的作用,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
的形式来给已有函数进行装饰,添加功能。
8.装饰器四种形式,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/**kwargs)来实现。
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。(了解)
12.通过类实现装饰器,重写__init__
和__call__
函数。
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。