Debug操作:
程序出问题的时候可以用debug来看一下代码运行轨迹,然后找找问题在哪里
1.先给即将debug的代码打上断点:
2.打完断点之后右键点击debug:
3.然后依次点击开始按钮让程序开始一步步运行:
函数的装饰器:
定义:装饰器为其他函数添加附加功能,本质上还是一个函数
原则:①不修改被修饰函数的源代码
②不修改被修饰函数的调用方式
有这样一个函数:demo()
先导入时间模块,然后函数执行时先睡两秒,在执行打印
1 import time
2 def demo():
3 time.sleep(2)
4 print("welcome sir")
5 demo()
现在想为demo()函数添加一个统计函数运行时间的功能,但是要遵循开放封闭原则
初步思想:
1 import time
2 def demo():
3 start_time = time.time()
4 time.sleep(2)
5 print("welcome sir")
6 end_time = time.time()
7 print("运行时间%s" %(end_time-start_time))
8 demo()
这样就完美解决了,但是,我们要用可持续发展的眼光来看,假如有十万个代码,我们这样一个一个添加,你不加班谁加班?
这个时候我们可以用函数的思维来解决
进步思想:
1 import time
2 def demo():
3 time.sleep(2)
4 print("welcome sir")
5 def timmer(func_name):
6 def inner():
7 start_time = time.time()
8 func_name()
9 end_time = time.time()
10 print("运行时间%s" %(end_time-start_time))
11 return inner
12 res = timmer(demo)
13 res()
这样看起来非常Nice,用到了高阶函数,嵌套函数,函数闭包,但是我们违反了开放封闭原则,这个时候把res 改成 demo 就可以了
在这里有一个命令,可以直接略过这个赋值,让代码看起来更美观,执行效率更高
1 import time
2 def timmer(func_name):
3 def inner():
4 start_time = time.time()
5 func_name()
6 end_time = time.time()
7 print("运行时间%s" %(end_time-start_time))
8 return inner
9 @timmer
10 def demo():
11 time.sleep(2)
12 print("welcome sir")
13 demo()
ok,代码完成,这其实就是一个函数装饰器,我们来解释一下代码运行顺序
为装饰器加上返回值:
1 import time
2 def timmer(func_name):
3 def inner():
4 start_time = time.time()
5 res = func_name()
6 end_time = time.time()
7 print("运行时间%s" %(end_time-start_time))
8 return res
9 return inner
10 @timmer
11 def demo():
12 time.sleep(2)
13 return '函数demo的返回值'
14 val = demo()
15 print(val)
有参数的装饰器:
1 import time
2 def timmer(func_name):
3 def inner(*args,**kwargs):
4 start_time = time.time()
5 res = func_name(*args,**kwargs)
6 end_time = time.time()
7 print("运行时间%s" %(end_time-start_time))
8 return res
9 return inner
10 @timmer
11 def demo(name,age):
12 time.sleep(2)
13 return '函数demo的返回值,姓名:%s,年龄:%s' %(name,age)
14 val = demo('zrh',20)
15 print(val)
图示流程:
迭代器:
可迭代协议:只要包括了"_iter_"方法的数据类型就是可迭代的
1 print([1,2,3].__iter__()) #打印结果:<list_iterator object at 0x000002E7F803DE88>
iterable 形容词 可迭代的
1 from collections import Iterable #检测一个对象是否可迭代
2 print(isinstance('aaa',Iterable))
3 print(isinstance(123,Iterable))
4 print(isinstance([1,2,3],Iterable))
迭代器协议:迭代器中有 __next__ 和 __iter__方法
iterator 名词 迭代器,迭代器 就是实现了能从其中一个一个的取出值来
检测参数是不是个迭代器:
1 from collections import Iterator
2 print(isinstance(lst_iterator,Iterator))
3 print(isinstance([1,2,3],Iterator))
在python里,目前学过的所有的可以被for循环的基本数据类型都是可迭代的,而不是迭代器。
迭代器包含可迭代对象
可迭代对象转换为迭代器:
可迭代对象._iter_() 这样就变成可一个迭代器
lise_case = [1,2,3].__iter__()
迭代器存在的意义:
1.能够对python中的基本数据类型进行统一的遍历,不需要关心每一个值分别是什么
2.它可以节省内存 —— 惰性运算
for循环的本质:
1 lst_iterator = [1,2,3].__iter__()
2 while True:
3 try:
4 print(lst_iterator.__next__())
5 except StopIteration:
6 break
只不过for循环之后如果参数是一个可迭代对象,python内部会将可迭代对象转换成迭代器而已。
生成器:
Iterator 迭代器
Gerator 生成器
生成器其实就是迭代器,生成器是用户写出来的
1 def generator_func(): #生成器函数
2 print(123)
3 yield 'aaa'
4 generate = generator_func()
5 print(generate)
6 print(generate.__next__())
7 # 打印结果:
8 # <generator object generator_func at 0x0000018F3942E8C8>
9 # 123
10 # aaa
带yield关键字的函数就是生成器函数,包含yield语句的函数可以用来创建生成器对象,这样的函数也称为生成器函数。
yield语句与return语句的作用相似,都是用来从函数中返回值,return语句一旦执行会立刻结束函数的运行
而每次执行到yield语句并返回一个值之后会暂停或挂起后面的代码的执行,下次通过生成器对象的__next__()、for循环或其他方式索要数据时恢复执行
生成器具有惰性求值的特点
生成器运行顺序:
生成器问题注意1:
1 def generator_func(): #生成器函数
2 print(123)
3 yield 'aaa'
4 print(456)
5 yield 'bbb'
6 ret_1 = generator_func().__next__()
7 print(ret_1)
8 ret_2 = generator_func().__next__()
9 print(ret_2)
10 # 输出结果:
11 # 123
12 # aaa
13 # 123
14 # aaa
15 def generator_func(): #生成器函数
16 print(123)
17 yield 'aaa'
18 print(456)
19 yield 'bbb'
20 generate_1 = generator_func()
21 ret_1 = generate_1.__next__()
22 print(ret_1)
23 ret_2 = generate_1.__next__()
24 print(ret_2)
25 # 输出结果:
26 # 123
27 # aaa
28 # 456
29 # bbb
第6行和第8行相当于创建了两个生成器,第20行创建了一个生成器,21行和23行都用的是第20行创建的生成器,所以输出结果不一样
生成器问题注意2:
for循环完了之后生成器数据就取完了,再继续print数据的话,就会报错,因为没有数据可以读了。
一个函数有两个以上的yield,才算一个必要的生成器,如果只有一个yield,那还不如老老实实的去写return
生成器实例:
需求:写一个实时监控文件输入的内容,并将输入内容返回的函数
1 def tail(filename):
2 f = open(filename,encoding='utf-8')
3 f.seek(0,2)
4 while True:
5 line = f.readline()
6 if not line:continue
7 yield line
8 tail_g = tail('file_1')
9 for line in tail_g:print(line,end='')