1. 特性
1. 特性的引入和实现
存取方法用于获取或设置属性(这些属性可能是私有的)。如果访问给定属性时必须采取固定的措施,那么像这样封装状态变量(属性)很重要。
class Rectangle:
def __init__(self):
self.width = 0
self.height = 0
def set_size(self, size):
self.width, self.height = size
def get_size(self):
return self.width, self.height
>>>r = Rectangle()
>>>r.width = 10
>>>r.height = 5
>>>r.get_size()
(10, 5)
>>>r.set_size((150, 100))
>>>r.width
150
get_size和set_size是假想属性size的存取方法,这个属性是一个由width和height组成的元组。
Python能够替你隐藏存取方法,让所有的属性看起来都一样。
class Rectangle:
def __init__(self):
self.width = 0
self.height = 0
def set_size(self, size):
self.width, self.height = size
def get_size(self):
return self.width, self.height
size = property(get_size, set_size)
>>>r = Rectangle()
>>>r.width = 10
>>>r.height = 5
>>>r.size
(10, 5)
>>>r.size = 150, 100
>>>r.width
150
2. 迭代器
本节涉及到2个方法,__iter__和__next__:
__iter__返回一个迭代器(对象),它是包含方法__next__的对象;实现了该方法的对象是可迭代的,可直接用于for循环中(下面用例子说明)
__next__返回迭代器的下一个值(如果没有返回StopIteration异常),还可以使用内置函数next替换,即next(it)和it.__next__()等效;仅实现了该方法的对象是迭代器,不可直接用于for循环中
class Fibs:
def __init__(self):
self.a = 0
self.b = 1
def __next__(self):
self.a, self.b = self.b, self.a + self.b
return self.a
def __iter__(self):
return self
>>>fibs = Fibs()
>>>fibs.__next__()
1
>>>next(fibs)
1
>>>next(fibs)
2
>>>for f in fibs:
... if f > 1000:
... print(f)
... break
1597
可以发现在实现了__iter__和__next__方法的Fibs类对象fibs上,__next__/next()和for循环都是可以使用的。
下面删除__iter__方法的实现:
class Fibs:
def __init__(self):
self.a = 0
self.b = 1
def __next__(self):
self.a, self.b = self.b, self.a + self.b
return self.a
>>>fibs = Fibs()
>>>fibs.__next__()
1
>>>next(fibs)
1
>>>next(fibs)
2
>>>for f in fibs:
... if f > 1000:
... print(f)
... break
...
Traceback (most recent call last):
File "D:\PyCharm Community Edition 2020.3\plugins\python-ce\helpers\pydev\_pydevd_bundle\pydevd_exec2.py", line 3, in Exec
exec(exp, global_vars, local_vars)
File "<string>", line 1, in <module>
TypeError: 'Fibs' object is not iterable
可以看出,删除了__iter__实现以后,fibs对象不能直接在for循环中使用,提示Fibs对象是不可迭代的。
注:对a, b = b, a + b的解析
a, b = b, a + b 相当于a = b和b = a + b是同时计算的,例如a为3,b为5,那么a = 5和b = 3 + 5同时计算a为5,b为8
对于不同时计算(假设初始时均a为3,b为5)
顺序1)
a = b#a = 5
b = a + b#此时a已经是5不是3,b = 5 + 5 = 10
顺序2)
b = a + b#b = 3 + 5 = 8
a = b#此时b已经是8不是5,a = b = 8
通过对可迭代对象调用内置函数iter,可获得一个迭代器。
>>>it = iter([1, 2, 3])
>>>next(it)
1
>>>next(it)
2
使用构造函数list显式地将迭代器转换为列表
class TestIterator:
value = 0
def __next__(self):
self.value += 1
if self.value > 10: raise StopIteration
return self.value
def __iter__(self):
return self
>>>ti = TestIterator()
>>>list(ti)
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
3. 生成器yield(了解:相对较新的Python概念,在编码过程中完全可以不使用)
1. 基本概念
包含yield语句的函数都被称为生成器,生成器可以生成多个值,每次一个。每次使用yield生成一个值后,函数都将冻结,即在此终止执行,等待被重新唤醒。被重新唤醒后,函数将从停止的地方开始继续执行。
唤醒的方法是使用next()
在for … in …中默认会执行next()函数
def yield_test1(n):
while n > 0:
yield n
n -= 1
if __name__ == '__main__':
a = yield_test1(4)
print(next(a))
print(next(a))
print(next(a))
print(next(a))
# 输出
# 4
# 3
# 2
# 1
# 再添加一个print(next(a))将报错
def yield_test1(n):
while n > 0:
yield n
n -= 1
if __name__ == '__main__':
for i in yield_test1(4):
print(i)
# 输出
# 4
# 3
# 2
# 1
2. 生成器推导(也叫生成器表达式,类似于第5章的列表推导)
其工作原理与列表推导相同,但不是创建一个列表(即不立即执行循环),而是返回一个生成器,让你能够逐步执行运算。
>>>g = ((i + 2) ** 2 for i in range(2, 27))
>>>next(g)
16
直接在一个既有圆括号内(如在函数调用中)使用生成器推导时,无需再添加一对圆括号。例如:
>>>sum(i ** 2 for i in range(10))
285