1.装饰器
装饰器的引入
• 我们可以直接通过修改函数中的代码来完成需求，但是会产生以下一些问题
• 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)
• 程序的设计，要求开发对程序的扩展，要关闭对程序的修改
装饰器的使用
• 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
1.1 装饰器的引入
def fun(fn, *args):
print('函数开始执行')
r = fn(*args)
print(r)
print('函数执行结束')
def fun1():
print('我是fun1函数')
def add(a, b):
return a + b
def mul(a, b): # ocp原则 o open 开放对代码的拓展， c close 关闭对代码的修改
return a * b
# r = add(1, 2)
# print(r)
fun(fun1)
fun(add, 1, 2)
fun(mul, 1, 2)
相应运行结果：
函数开始执行
我是fun1函数
None
函数执行结束
函数开始执行
3
函数执行结束
函数开始执行
2
函数执行结束
1.2 装饰器的使用
装饰器是一个特殊的闭包函数
装饰器
通用装饰器
假如这个装饰器一个验证登录的装饰器
不定长参数，不管你传多少参数，或者你传不传参数，我这个不定长参 数都可以保证代码不会出错
def old_fun(fn):
def new_fun(*args, **kwargs):
print('函数开始执行')
fn(*args, **kwargs)
print('函数执行结束')
return new_fun
@old_fun # 装饰器的语法糖写法 @old_fun = old_fun(fun)
def fun():
print('我是fun函数')
# return '我是fun函数'
fun()
相应运行结果：
函数开始执行
我是fun函数
函数执行结束
2.可迭代对象
- 我们已经知道可以对list、tuple、dict、set、str等类型的数据使用for…in…的循环语法从其中依次拿到数据进行使用，我们把这样的过程称为遍历，也叫迭代。
- 把可以通过for…in…这类语句迭代读取一条数据供我们使用的对象称之为可迭代对象（Iterable）
。
3.推导式
推导式分为 列表推导式、字典推导式、集合推导式等。在这里我们主要说其中一种也是用的最多列表推导式
列表推导式是Python构建列表（list）的一种快捷方式,可以使用简洁的代码就创建出一个列表简单理解就是由一个旧的列表来构建出一个新的列表
语法
[表达式 for 变量 in 旧列表]
[表达式 for 变量 in 旧列表 if 条件]
lst = ['cheney', 'jerry', 'amy', '居然']
# def fun(lst):
# new_list = []
# for i in lst:
# if len(i) > 3:
# new_list.append(i)
#
# print(new_list)
#
#
# fun(lst)
lst1 = [i for i in lst if len(i) > 3]
print(lst1)
# 需求;求1-100之间的偶数,还要能整除4的数
lst2 = [i for i in range(1, 101) if i % 2 == 0 and i % 4 == 0]
print(lst2)
相应运行结果：
['cheney', 'jerry']
[4, 8, 12, 16, 20, 24, 28, 32, 36, 40, 44, 48, 52, 56, 60, 64, 68, 72, 76, 80, 84, 88, 92, 96, 100]
4.生成器
4.1 生成器背景
背景
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。那么在Python中有一种一边循环一边计算的机制就是生成器
生成器
在 Python 中，使用了 yield 的函数被称为生成器（generator）。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
调用一个生成器函数，返回的是一个迭代器对象。
以下实例使用 yield 实现斐波那契数列：
4.2 创建生成器的方式
① 通过列表推导式的方式
g = (x * 3 for x in range(10))
# 方法一：使用类似列表推导式的方式得到生成器
lst = [i * 2 for i in range(1, 11)]
print(lst)
# 我不希望一次性得到太多数据，我要多少数据你就给我多少数据（非常人性化，有人为控制）
gen = (i * 2 for i in range(1, 11))
print(gen)
print(type(gen))
# print(gen.__next__())
# 通过next() 函数来获得
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
相应运行结果：
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
<generator object <genexpr> at 0x00000211DC3BA7D8>
<class 'generator'>
2
4
6
8
gen = (i * 2 for i in range(1, 11))
lst = [i for i in gen]
lst1 = [i for i in gen]
print(lst)
print(lst1)
相应运行结果:
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
[]
生成器的特性一:生成器生成一次只能取完一次数据，第二次再取就不存在数据了
② 通过函数的方式
def fun():
i = 0
while True:
i += 1
# return i
yield i
r = fun()
print(r)
print(next(r))
print(next(r))
print(next(r))
相应运行结果
1
2
3
生成器的特性二：生成器会记住上一次取数据的位置，然后下一次取数据时继续从上一次的位置运行
def fu():
n = 0
while True:
n += 1
yield n
只要在函数中出现yield关键字它就是一个生成器函数
5.迭代器
迭代器 迭代器是访问集合元素的一种方式。迭代器是一个可以记住遍历位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有元素被访问完结束。
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
生成器是可迭代的，也是迭代器
列表是可迭代的，但不是迭代器
通过iter()函数可以将可迭代的变成一个迭代器
list1 = [1, 2, 3, 4, 5, 6]
list2 = (1, 2, 3, 4, 5, 6)
ite = iter(list1)
ite2 = iter(list2)
print(ite)
print(ite2)
相应运行结果：
<list_iterator object at 0x000001A4E0A68828>
<tuple_iterator object at 0x000001A4E0A68FD0>
迭代器 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。
迭代器有两个基本的方法：iter() 和 next()。
字符串，列表或元组对象都可用于创建迭代器：
迭代器对象可以使用常规for语句进行遍历：
也可以使用 next() 函数：
创建一个迭代器
把一个类作为一个迭代器使用需要在类中实现两个方法 iter() 与 next() 。
如果你已经了解的面向对象编程，就知道类都有一个构造函数，Python 的构造函数为 init(), 它会在对象初始化的时候执行。更多内容查阅：Python3 面向对象
iter() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 next() 方法并通过 StopIteration 异常标识迭代的完成。
next() 方法（Python 2 里是 next()）会返回下一个迭代器对象。
创建一个返回数字的迭代器，初始值为 1，逐步递增 1：
StopIteration StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 next()方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。
在 20 次迭代后停止执行：
6.PEP8规范编写代码
PEP8: Python代码风格指南
PEP8 提供了 Python 代码的编写约定. 本节知识点旨在提高代码的可读性, 并使其在各种 Python 代码中编写风格保持一致.
- 缩进使用4个空格, 空格是首选的缩进方式. Python3 不允许混合使用制表符和空格来缩进.
- 每一行最大长度限制在79个字符以内.
- 顶层函数、类的定义, 前后使用两个空行隔开.
- import 导入
- 导包位于文件顶部, 在模块注释、文档字符串之后, 全局变量、常量之前. 导入按照以下顺序分组:
标准库导入
相关第三方导入
本地应用/库导入
在每一组导入之间加入空行- Python 中定义字符串使用双引号、单引号是相同的, 尽量保持使用同一方式定义字符串. 当一个字符串包含单引号或者双引号时, 在最外层使用不同的符号来避免使用反斜杠转义, 从而提高可读性.
- 表达式和语句中的空格:
避免在小括号、方括号、花括号后跟空格.
避免在逗号、分号、冒号之前添加空格.
冒号在切片中就像二元运算符, 两边要有相同数量的空格. 如果某个切片参数省略, 空格也省略.
避免为了和另外一个赋值语句对齐, 在赋值运算符附加多个空格.
避免在表达式尾部添加空格, 因为尾部空格通常看不见, 会产生混乱.
总是在二元运算符两边加一个空格,赋值（=），增量赋值（+=，-=），比较（==,<,>,!=,<>,<=,>=,in,not,in,is,is not），布尔（and, or, not
避免将小的代码块和 if/for/while 放在同一行, 要避免代码行太长.
- 永远不要使用字母 ‘l’(小写的L), ‘O’(大写的O), 或者 ‘I’(大写的I) 作为单字符变量名. 在有些字体里, 这些字符无法和数字0和1区分, 如果想用 ‘l’, 用 ‘L’ 代替.
- 类名一般使用首字母大写的约定.
- 函数名应该小写, 如果想提高可读性可以用下划线分隔.
- 如果函数的参数名和已有的关键词冲突, 在最后加单一下划线比缩写或随意拼写更好. 因此 class_ 比 clss 更好.(也许最好用同义词来避免这种冲突).
- 方法名和实例变量使用下划线分割的小写单词, 以提高可读性.
7. Homework
- 请使用装饰器实现已存在的函数的执行所花费的时间。
• time模块
import time
def time_out(fn):
def time_inner(*args, **kwargs):
begin = time.time()
res = fn(*args, **kwargs)
end = time.time()
print('程序执行的时间为%s' %(end - begin))
return res
return time_inner
@time_out
def fun_time():
i = 0
while i < 100000:
i += 1
print(i)
fun_time()
相应运行结果：
1
.
.
99998
99999
100000
程序执行的时间为0.6195797920227051
1358
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
