1Python基础-装饰器-推导式-生成器-迭代器-可迭代对象-全栈式开发13

一、装饰器

（一）装饰器的引入

• 我们想为函数添加更多功能，如果直接在原来的基础上修改，会出现以下问题：
  • 如果修改的函数多，修改起来会比较麻烦
  • 不方便后期的维护
  • 这样做会违反开闭原则(ocp–open close prinsaple)
    ocp原则:程序的设计，要求开发对程序的扩展，要关闭对程序的修改，开放对代码的扩展，关闭代码的修改
• 如果之前引用过，那么你直接改掉会影响很大，所以我们最好是对函数扩展

（二）装饰器的作用

• 通过装饰器，可以在不修改原来函数的情况下来对函数进行扩展
• 在开发中，我们都是通过装饰器来扩展函数的功能的

（三）装饰器的创建

• 首先是闭包函数
• 利用@调用
  原函数需要装饰器，但是我们调用的是原函数，加一个@原函数就加上了该设备，叫装饰器的语法糖@fun，相当于fun1(fun) ，就可以在原函数调用了
  
  
• 过程解析：首先要调用函数，然后内层函数暂时不会执行，然后外层函数的调用=外层函数的返回值，然后外层函数的返回值是内层函数的函数对象，内层函数的调用等于内层函数的函数对象加一个括号，也就是调用，那么也就是外层函数的调用加上括号就是对内层函数的调用

二、推导式

（一）推导式的引入

• 代码的可读性：使用for循环来实现相同的功能,需要好几行代码,而列表推导式只需要一行代码.
• 在Python3中列表推导式有自己的局部作用域,就像函数似的.表达式内部的变量和赋值只在局部起作用，表达式的上下文里的同名变量还可以被正常引用，局部变量并不会影响到它们.

（二）推导式的定义

• 推导式comprehensions（又称解析式），是Python的一种独有特性。推导式是可以从一个数据序列构建另一个新的数据序列的结构体。
• 代码超过了两行,就要考虑改成用for循环了

（三）推导式创建

• python中有三种的推导式，它们分别为：列表推导式、字典推导式、集合(set)推导式

列表推导式

• 变量名= [表达式 for 变量 in 可迭代对象 if 条件]
  • 可以嵌套for循环
    

字典推导式

• 变量名={v:k for v,k in 字典.items() if 条件语句}
  变量名={v:k for v,k in 双值子序列 if 条件语句}
  

集合(set)推导式

• 变量名={表达式 for 变量 in 可迭代对象}
  变量名= {表达式 for 变量 in 可迭代对象 if 条件}
  • 可迭代对象：range()、list、dict(只会存key)、string、tuple
  • 集合是无序且不重复的,所以会自动去掉重复的元素,并且每次运行显示的顺序不一样
    

三、迭代器

（一）迭代器简介

定义

• 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
• 迭代器指的是迭代取值的工具，迭代是指一个重复的过程，每一次重复都是基于上一次的结果而来的

特点

• 迭代提供了一种通用的不依赖索引的迭代取值方式
• 迭代是Python最强大的功能之一，是访问集合元素的一种方式。
• 迭代器是一个可以记住遍历的位置的对象。
• 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。
• 永远返回的是自身
  
  
  迭代器与可迭代对象区别
• 迭代器： 可以用next()作用的都是迭代器类型
  • 迭代器一定是可迭代对象
  • 生成器也是迭代器
• 可迭代对象： 可以用for循环遍历的对象都是可迭代对象
  • str、list、tuple、dict、set、等都是可迭代对象，可以通过iter()函数将他们转为迭代器
  • python的for循环本质就是通过不断调用next()函数实现的
    

（二）迭代器的创建

方法有两种：iter函数、类创建

iter()函数

• 将可迭代的对象变成迭代器
  

__iter__ 与 __next__类创建

• 两个方法都有的话就是迭代器
  • _iter_()方法：
    • 返回一个特殊的迭代器对象，一定要return self
    • 有__iter__()，这里实例对象就是可迭代对象，再加__next__就是迭代器
  • _next_() 方法：
    • 返回下一个对象。并通过 StopIteration 异常标识迭代的完成（就是调用次数超过元素个数时报的异常）。
    • 如果没有__iter__()，next也可以返回下一个数字，但是这样产生的就不是迭代器，就用不了for循环
      

（三）迭代器的使用

• 直接调用不能将数显示出来，要借用next()
• 迭代器对象可以结合常规for或while语句进行遍历

next()

• next(iterator, default=None)
  • iterator：传入的必须是迭代器
  • 将迭代器调用出来
    

四、生成器

（一） 生成器简介

引入

• 通过列表推导式我们可以直接创建出一个列表，但是受到内存的限制，我们不可能创造出一个无限大的列表。而且创建一个有200万个元素的列表，会占用很大的内存空间，而这个时候我们仅仅需要访问列表中几个元素，那么后面的元素就占用着空间就是一种浪费的行为。
• 那么我们可不可以用几个元素就创建出几个元素。这样在一定程度上就优化了内存。所以引入了生成器

生成器

• 一边循环一边计算的机制就是生成器
• 也是一种迭代器

特点

• 会删掉已经执行的数据。
• 你取出去了这个数据，那么这个数据在生成器里面就不存在了，当你把生成器里的数据取完了，那么它就不能够继续使用了，也就是说生成器只能用一次

（二） 生成器的创建

两种方法：类似列表推导式、利用yield

类似列表推导式

• 方法和列表推导式一样，只是把外符号换成（）
  

利用yield

yield定义

• 只要在函数中出现yield关键字它就是一个生成器函数
• 这个就是我们的这个yield关键字的效果，只要我们在函数中使用了yield关键字，那么它不在是一个函数，而是一个生成器

yield执行顺序：

• 第一调用的时候是到yield那行代码结束
• 我们第二次调用的时候，并不是自上往下执行的，而是从上一次停止的位置继续执行的，这也就是我们的生成器的特性，它会记住你上一次停留的地方，下次继续从这个地方开始执行。
• 到yield结束运行。那么这个原因还是和它变成了一个生成器的原因所导致的。生成器一样的会和input函数一样起一个类似的阻塞作用，需要你调用它内部的next方法才会使程序执行一次，当你再一次遇到yield的时候，同样又会停止
  

yield生成器的返回值

• 可以设置返回值
• 返回值是当值取完的时候会返回的值

（三） 生成器的使用与关闭

• 生成器的使用：next(迭代器) 、 生成器.send()
• 生成器的关闭：生成器.close()

生成器.send()

• res = 生成器.send(a)
  • a ：
    • 第一次调用的生成器传进去的值必须是None，也可以用next先启用第一次
    • 可以传任意值，传的值是等于res
  • res= yield n
    print(res)
    • 就会打印上一次调用send括号里的值
      

生成器.close()

• close() 关闭后就不能调用next或send

验证生成器会删掉已经执行的数据

• response = None这块，为什么会出现这么个结果，是不是有同学会纳闷，它的结果不应该是1吗？怎么会是None呢？这里我要告诉大家的是，这个1的结果已经被我们的yield返回出去了，所以这里没有数据，这也是生成器的另一个特征之一
  

小练习

1.请使用装饰器实现已存在的函数的执行所花费的时间。

def fun1(fn):
    
    import time 
    def fun2():
        time1=time.time()
        fn()
        time2=time.time()
        print('函数所耗时为：%f'%(time2-time1))
    
    
    return fun2

@fun1
def fun():
    s=0
    for i in range(100000):
        pass
fun()

总结：

装饰器
为了给原来的函数扩展，不该原来的情况下

装饰器：
是一个闭包
用@加在原来的函数上

闭包的要求：

函数嵌套
嵌套的函数要用到外部函数的值
外部函数返回的是嵌套函数对象

高阶函数：
将函数作为返回值返回
接受函数作为参数

推导式
分为列表推导式、字典推导式、集合推导式
列表推导式:[i for i in range(6) if 条件语句]
字典推导式:{v:k for i in dict1.items() if 条件语句} 与 {v:k for i in 双值子序列 if 条件语句}
集合推导式:{i for i in range(6)if 条件语句} 会自动删去重复的

迭代器

可以被next引用的容器
创建：iter() 与__iter__和__next__结合
iter()只要是可迭代的数据类型都可以转化为迭代器，基本数据类型都可以应用
__iter__和__next__更像是创建了一个可以实现迭代的类，类实例化的每一个对象都是迭代器
__iter__将对象变成可迭代的对象，实现__next__就是迭代器
__iter__返回下一个的，可以在这里添加判断，抛出异常
迭代器的调用
for

for i in 迭代器:
    print(i)

next(迭代器)
生成器.send(数字)
第一次调用的时候要么传None,要么先用next调用一下
生成器
引入
用几个就创建几个
创建
类似的列表推导式（i for i in range() if 条件语句）就是把列表推导式的[]换成()
yield 有yield的就是生成器

def fun():
    num    
    while True:  
        num+=1        
        yield num
        
a=fun()
next(a)