python中day_Python学习笔记-DAY-4

1. 迭代器和生成器

1.1 生成器：

列表生成器 Python中，这种一边循环一边计算的机制，称为生成器：generator

定义generator的一种方法：只要把一个列表生成式的[]改成()

直接打印出list的每一个元素，但生成器只有next()这样一种方法

generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration的错误。正确的方法是使用for循环，因为generator也是可迭代对象：

定义generator的另一种方法：如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

#列表生成式

a=[i*2 for i in range(10)]

c=(a)print(a)print(c)deffib(max):

n,a,b=0,0,1

while n

a, b=b, a+b

n=n+1

return "done"

print(fib)

g=fib(6)whileTrue:try:

x=next(g)print('G:',x)exceptStopIteration as e:print('Generation finished',e.value)break

通过yield实现在单线程的情况下实现并发运算的效果

#Author AlleyYu

importtime#####yield 生成器，保持现在的状态,下次调用时从该状态起继续执行##协程

defconsumer(name):print('包子来了，%s开始吃包子了',name)whileTrue:

baozi=yield

print('%s 包子来了, 被%s 吃了'%(baozi,name))#c = consumer('Tom')#next(c)#c.__next__()

defproducer(name):

c1=consumer('A')

c2=consumer('B')

c1.__next__()

c2.__next__()print('运行开始>>>>>>>>>>>>>>>>')for i in range(10):

time.sleep(1)print('包子来了')

c1.send(i)

c2.send(i)

producer('Cat')

1.2 迭代器

*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。这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。 可以使用isinstance()判断一个对象是否是Iterable对象：

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterat

二 装饰器

其他高级语言类似,Python 不允许在函数未声明之前,对其进行引用或者调用

定义：本质是函数，用于装饰其它函数，为其它函数增加附件功能

原则：

1. 不能修改被装饰函数的源代码

2. 被装饰函数的调用方式不能被修改

实现装饰器的知识储备

1. 函数即变量

2. 高阶函数

函数名作为变量传给函数(不修改源代码)

返回值中包含函数名(不改变函数的调用方式)

3. 嵌套函数

高阶函数+嵌套函数--》 装饰器

#Author AlleyYu

importtimedeftimer(fun):def deco(*args,**kargs):

start_time=time.time()

fun(*args,**kargs)

stop_time=time.time()print("the whole time is %s" %(stop_time-start_time))returndeco

@timer#test1=timer(test1)

deftest1():

time.sleep(1)print('in test1')

@timerdeftest2(name):print('in test2',name)

test1()

test2('tom')

#Author AlleyYu#终极装饰器

user, passw='tom','abc123'

defauthen(authen_type):print('Authen type:',authen_type)defout_wrapper(fun):def wrapper(*args,**kargs):print('wrapper args:', *args,**kargs)if authen_type=='local':

username=input('User>>').strip()

password=input('Pass>>').strip()if user==username and passw==password:

res=fun(*args,**kargs)print('Welcome login')returnreselse:

exit()elif authen_type=='ldap':print('ldap')returnwrapperreturnout_wrapperdefhome():print('in home')

@authen(authen_type='local')defindex():print('in index')return('from home')

@authen(authen_type='ldap')defbbs():print('in bbs')

home()

index()print(home()) #wrapper()

bbs()

三. Json & Pickle

程序中建议 dumps load 各一次

用于序列化的两个模块

json，用于字符串 和 python数据类型间进行转换

pickle，用于python特有的类型 和 python的数据类型间进行转换

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

#Author AlleyYu

importpickle

data={'k1':'123', 'k2':'help'}#dumps 将数据转换成朋友python语言认识的字符串

p_str=pickle.dumps(data)print(type(p_str))

with open('D:/result.pk','w') as fp:

pickle.dump(data,fp)importjson#dumps 将数据转换成朋友python语言认识的字符串

p_str=json.dumps(data)print(type(p_str))

with open('D:/result.pk','w') as fp:

json.dump(data,fp)

四。目录结构

目录组织方式

关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。

这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。

假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:

Foo/

|-- bin/

| |-- foo

|

|-- foo/

| |-- tests/

| | |-- __init__.py

| | |-- test_main.py

| |

| |-- __init__.py

| |-- main.py

|

|-- docs/

| |-- conf.py

| |-- abc.rst

|

|-- setup.py

|-- requirements.txt

|-- README

简要解释一下:

bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。

foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。

docs/: 存放一些文档。

setup.py: 安装、部署、打包的脚本。

requirements.txt: 存放软件依赖的外部Python包列表。

README: 项目说明文件。

除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。

下面，再简单讲一下我对这些目录的理解和个人要求吧。

关于README的内容

这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。

它需要说明以下几个事项:

软件定位，软件的基本功能。

运行代码的方法: 安装环境、启动命令等。

简要的使用说明。

代码目录结构说明，更详细点可以说明软件的基本原理。

常见问题说明。

我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。

可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。

关于requirements.txt和setup.py

setup.py

一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。

这个我是踩过坑的。

我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:

安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。

Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。

如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。

新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。

setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。

setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py

当然，简单点自己写个安装脚本(deploy.sh)替代setup.py也未尝不可。

requirements.txt

这个文件存在的目的是:

方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在setup.py安装依赖时漏掉软件包。

方便读者明确项目使用了哪些Python包。

这个文件的格式是每一行包含一个包依赖的说明，通常是flask>=0.10这种格式，要求是这个格式能被pip识别，这样就可以简单的通过 pip install -r requirements.txt来把所有Python包依赖都装好了。具体格式说明： 点这里。

关于配置文件的使用方法

注意，在上面的目录结构中，没有将conf.py放在源码目录下，而是放在docs/目录下。

很多项目对配置文件的使用做法是:

配置文件写在一个或多个python文件中，比如此处的conf.py。

项目中哪个模块用到这个配置文件就直接通过import conf这种形式来在代码中使用配置。

这种做法我不太赞同:

这让单元测试变得困难(因为模块内部依赖了外部配置)

另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。

程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖conf.py这个文件。

所以，我认为配置的使用，更好的方式是，

模块的配置都是可以灵活配置的，不受外部配置文件的影响。

程序的配置也是可以灵活控制的。

能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。

所以，不应当在代码中直接import conf来使用配置文件。上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的。