1.装饰器
遵循开放封闭原则,在不改变原函数的情况下,扩展了函数的功能 。
如果原函数有参数则装饰器内部函数也要有参数
原函数有返回值,则装饰器的内部函数也要有返回值
1.1装饰器的定义
格式:
#定义装饰器
def aaa(func)
def ccc (参数,...)
...
func()
...
return yyy
return xxx
#装饰
@装饰器名
1.2装饰器举例
#定义装饰器
def decorate(func):
def wrapper():
func()
print('刷漆')
print('铺地板')
print('精装修房子')
return wrapper
#装饰
@decorate
def house():
print('毛坯房。。。')
#调用
house()
输出结果
毛坯房。。。
刷漆
铺地板
精装修房子
1.3装饰器功能
1.引入日志
2.函数执行时间统计
3.执行函数前预备处理功能
4.执行函数后清理功能
5.权限校验等场景
6.缓存
2.推导式
2.1列表推导式
旧的列表———》新的列表
格式 : [表达式 for i变量 in 旧列表] 或者[表达式 for 变量 in 旧列表 if 条件]
例如:找出1-20之间的所有偶数
list1 = [i for i in range(1,21) if i%2==0]
print(list1)
输出结果为
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
2.2集合推导式
类似列表推导式,在列表推导式的基础上添加了一个去除重复项。
例如:
list1 = [1, 2, 3, 4, 5, 2, 7, 5, 4, 7, 4, 8, 5, 9, 6, 7]
set1 = {i for i in list1 if i > 5}
print(set1)
输出结果
{8, 9, 6, 7}
2.3字典推导式
dict1 = {'a':'A','b':'B','c':'C','d':'C'}
new_dict = {value:key for key,value in dict1.items()}
print(new_dict)
输出结果
{'A': 'a', 'B': 'b', 'C': 'd'}
3.生成器
通过列表生成式(列表推导式),我们可以直接创建一个列表。
但是,受到内存限制,列表容量肯定是有限的。 而且创建一个包含100万个元素的列表,不仅占用很大的存储空间, 如果我们仅仅需要需要访问前面几个元素,那后面的绝大多数元素占用的空间就白白浪费了。
所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环过程中不断推算出后续的元素呢?
这样就不必创建完整的List,从而节省大量的空间,在python中,这种一边循环一边计算的机制,称为生成器:generator
3.1生成器的定义
得到生成器的方式
1.通过列表推导式得到生成器。
不同的是,列表推导式用的是方括号,而生成器用的是圆括号。
#列表推导式
new_list = [x * 3 for x in range(20)] # list
print(type(new_list))
#生成器
new_list = (x * 3 for x in range(20)) # generator
print(type(new_list))
输出结果为
<class 'list'>
<class 'generator'>
2.借助函数完成
只要函数中出现了yield关键字,说明函数不再是函数了,而是生成器。
步骤:
1.定义一个函数,函数中使用yield关键字
2.调用函数,接受调用的结果
3.得到的结果就是生成器
4.借助于next(),__next__()得到元素
例如:
def math():
n = 1
while n < 5:
yield n # 相当于return + 暂停
n += 1
r = math()
print(r.__next__())
print(next(r))
运行结果
1
2
3.2使用生成器
1.通过调用__next__()方式得到元素
2.next(生成器对象) builtins内置函数 每调用一次next生成一个元素
new_list = (x * 3 for x in range(20)) # generator
print(new_list.__next__())
print(new_list.__next__())
print(new_list.__next__())
print(next(new_list))
print(next(new_list))
print(next(new_list))
运行结果
0
3
6
9
12
15
3.3用生成器实现斐波那契额数列
#定义生成器
def fib(n):
a = 0
b = 1
i=0
while i < n:
yield b # 相当于return + 暂停
a, b = b, a + b
i += 1
return '没有数了'
g = fib(5)
for i in g:
print(i)
结果:
1
1
2
3
5
3.4生成器的方法
__next__(): 获取下一个元素
send(value):向每次生成器调用中传值,注意:第一次调用send(None)
4.迭代器
迭代是访问集合元素的一种方式。
迭代器是一个可以记住所有遍历的位置的对象
迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束
迭代器只能往前不会后退
可以被next()函数调用并不断返回下一个值的对象称为迭代器: Iterator.
可迭代的
1.生成器 2.元组 3.列表 集合 字典 字符串
# 判断一个对象是否可迭代
用isinstance()函数来判断
from collections import Iterable
list1 = [1, 2, 3, 4, 5, 6, 7, 8]
f = isinstance(list1, Iterable)
print(f)
运行结果
True
在导入包的时候,如果是报错
from collections import Iterable
ImportError: cannot import name 'Iterable' from 'collections'
是因为Iterable以及以下collections的方法都在3.10版本后被取消了。所以需要用
from collections.abc import Iterable来导入包。
注意:
生成器是可迭代的,也是迭代器。
list是可迭代的,但不是迭代器。
可以用iter函数可以让可迭代的变成迭代器。
例如:
list1 = (1, 2, 3, 4, 5, 6, 7, 8)
iter1 = iter(list1)
print(type(iter1))
运行结果:
<class 'tuple_iterator'>