文章目录
一、迭代器
1.1 可迭代对象
list、str、tuple… -----> for … in … 遍历 ---->遍历(迭代)
1.2 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,不能回退)
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。
通过在对象内部定义一个__iter__
方法
li = [1, 2, 3]
sr ="abcd"
# print(li.__iter__())
# print(sr.__iter__())
li_iter = li.__iter__()
sr_iter = iter(sr)
print(li_iter.__next__())
print(next(li_iter))
print(li_iter.__next__())
print(next(sr_iter))
print(sr_iter.__next__())
1.3 可迭代对象的测试
collections
使用isinstance()来判断一个对象是否可迭代
from collections import Iterable
#使用isinstance()来判断一个对象是否可迭代
print(isinstance([],Iterable)) #True
print(isinstance(str(),Iterable)) #True
print(isinstance({},Iterable)) #True
print(isinstance(set(),Iterable)) #True
print(isinstance(123,Iterable)) ##False
print(isinstance(True,Iterable)) #False
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.names = []
def add(self, name):
self.names.append(name)
my_class = MyClass()
my_class.add("Tom")
my_class.add("Jack")
my_class.add("Lucy")
print("是否为可迭代对象:", isinstance(my_class, Iterable)) #False
回顾之前说的__iter__
方法,其可以为我们提供一个迭代器。在迭代一个可迭代对象的时候,实际上就是获取该对象提供一个迭代器。然后提供该迭代器依次获取对象的每一个数据
from collections import Iterable
class MyClass:
def __init__(self):
self.names = []
def add(self, name):
self.names.append(name)
def __iter__(self):
return self.names.__iter__()
print("是否为可迭代对象:", isinstance(my_class, Iterable)) #True
for i in my_class:
print(i, end=" ")
1.4 for item in 可迭代对象 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,当遇到StopIteration的异常后,退出
1.5 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的规律计算生成。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性缓存下来供后续使用。这样可以节省大量的存储(内存)空间。
如
斐波那契数列
现在我们希望通过for…in…的方式来遍历斐波那契数列中的前n个数。
通过迭代来实现,每次迭代都可以
class FibIterator(object):
'''
斐波那契数列迭代器
'''
def __init__(self, n):
# 记录生成的斐波那契数列的个数
self.n = n
# 记录当前记录的索引
self.current_index = 0
# 记录两个初始值
self.num1 = 0
self.num2 = 1
def __next__(self):
'''调用next()来获取下一个数'''
if self.current_index < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num2 + self.num1
self.current_index += 1
return num
else:
raise StopIteration
def __iter__(self):
return self
fib = FibIterator(10)
for num in fib:
print(num,end=" ")
二、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
2.1 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(gen)
print("通过next()函数取得下一个值")
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
#print("通过for遍历")
#for i in gen:
# print(i,end=" ")
2.2 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
如
def foo():
yield 1
yield 2
return
yield 3
f = foo()
print(next(f))
#程序会停留在对应的yield后的语句
print(next(f))
#当程序遇到return,return后的语句不会执行
print(next(f)) #StopIteration
next 和 yield进行匹配,如果遇到return,return后的语句不会执行,直接抛出异常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)
# count = 0
# for i in odd_num:
# if count >5:
# break
# print(i)
# count += 1
# print(next(odd_num))
# print(next(odd_num))
for i in range(0,6):
print(next(odd_num))
通过类手动编写迭代器,实现类似的效果
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))
2.3 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
- send():
- x = yield y 语句的含义:send() 的作用就是使x赋值为其所传送的值(send的参数),然后让生成器执行到下一个yield
- 如果生成器未启动,则必须在使用send()前启动生成器,而启动的方法可以是gen.next(),也可以是gen.send(None)执行到第一个yield处。之后就可以使用send(para)不断传入值
- 如果已启动,则send(para)的作用就是给x赋值为所发送的值(send的参数),然后生成器执行到下一个yield
- throw():手动抛出异常
#close()
def gen():
yield 1
yield 2
yield 3
yield 4
g = gen()
print(next(g))
print(next(g))
g.close()
print(next(g))
#send()
def gen():
value = 0
while True:
receive = yield value
if receive == 'e':
break
value = "got:%s" % receive
g = gen()
print(g.send(None)) # send() 的作用就是使receive赋值为其所传送的值,然后让生成器执行到下一个yield
print(g.send("aaa"))
print(g.send(123))
print(g.send('e')) # StopIteration
#throw()
def gen():
i = 0
while i < 5:
temp = yield i
print(temp)
i += 1
obj = gen()
print(next(obj))
print(next(obj))
print(obj.throw(Exception,"Method throw called"))
三、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,都是有生命周期,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,类似面向对象
如
def foo():
print("in foo()")
def bar():
print("in bar()")
# 1.直接运行内部函数bar(),报错
# 2.先运行外部函数foo(),再运行内部函数bar(),依然报错
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()
'''
in foo()
in bar()
'''
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()
var(22)
四、装饰器
首先,看一个例子
@func1
def func():
print('aaa')
4.1 装饰器存在的意义
- 不影响原有函数的功能
- 可以添加新的功能
4.2 用法
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
的形式来进行装饰
如:
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
其中一个功能函数的功能是实现100万次的累加
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
import time
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)
start = time.time()
my_count()
end = time.time()
print("执行时间为:", end - start)
实现了时间的计算,但如果有成千上万个函数,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,代码太过冗余。考虑将上述代码中的时间计算改写进函数
import time
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)
def count_time(func):
start = time.time()
func()
end = time.time()
print("执行时间为:", end - start)
count_time(my_count) #更改了调用方式
这样做仍然影响了原来的使用
思考能不能在使用时不影响函数的原来使用方式,同时实现时间计算
考虑闭包
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print("执行时间为:", end - start)
return wrapper
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)
my_count = count_time(my_count)
my_count()
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,就和原来的方式一样了
采用装饰器
import time
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()
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
的形式的装饰器语法,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,就是讲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
4.3 形式
无参数无返回值
def setFunc(func):
def wrapper():
print("start")
func()
print("end")
return wrapper
@setFunc
def show():
print("show")
show()
'''
start
show
end
'''
无参数有返回值
def setFunc(func):
def wrapper():
print("start")
return func()
print("end") #遇到return,此句不执行
return wrapper
@setFunc
def show():
return "show"
print(show())
'''
start
show
'''
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
'''
有参数有返回值
def setFunc(func):
def wrapper(x,y):
print("start")
return func(x,y)
return wrapper
@setFunc
def myAdd(x,y):
return x + y
print(myAdd(1,2))
'''
start
3
'''
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
通过改变*args和**kwargs来改变传入参数的个数
def setFunc(func):
def warpper(*args,**kwargs):
print("warpper context.")
return func(*args,**kwargs)
return warpper
#有参数无返回值
@setFunc
def func(name,age):
print(name,age)
func("Tom",20)
# warpper context.
# Tom 20
#无参数无返回值
@setFunc
def func2():
print("func2")
func2()
# warpper context.
# func2
#无参数有返回值
@setFunc
def func3():
return "func3"
print(func3())
# warpper context.
# func3
#有参数有返回值
@setFunc
def func4(a,b):
return a + b
print(func4(1,2))
# warpper context.
# 3
#不定参数
@setFunc
def func5(a,b,*c,**d):
print((a,b))
print(c)
print(d)
func5("city","college",1999,7,school = "zucc")
# warpper context.
# ('city', 'college')
# (1999, 7)
# {'school': 'zucc'}
4.4 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,并不能达到预期
一个函数被多个装饰器所装饰
#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
@setFunc2
def show(*args,**kwargs):
print("show run".center(40))
show()
'''
--------wrapper context 1 start---------
--------wrapper context 2 start---------
show run
---------wrapper context 2 end----------
---------wrapper context 1 end----------
'''
程序语句运行顺序来看,从下往上去装饰
从函数的调用来看,从内往外去装饰
总结:
- 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
- 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
- 闭包实际上也是函数定义的一种形式
- 闭包定义的规则,在外部函数内定义一个内部函数,内部函数使用外部函数的变量,并返回内部函数的引用
- python中,装饰器就是用闭包来实现的
- 装饰器的作用,在不改变现有函数的基础上,为函数增加功能
- 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 - 装饰器四种形式,根据参数的不同以及返回值的不同
- 万能装饰器,通过可变参数(*args和**kwargs)来实现
- 一个装饰器可以为多个函数提供装饰功能
- 一个函数也可以被多个装饰器所装饰(了解)
- 通过类实现装饰器,重写
__init__
和__call__
函数 - 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