一、Python高级语法
1、with语句和上下文管理器
☆ with语句
Python提供了 with 语句的写法，既简单又安全。
文件操作的时候使用with语句可以自动调用关闭文件操作，即使出现异常也会自动关闭文件操作。
使用with方法实现文件操作，如下所示：
# 1、以写的方式打开文件
with open('1.txt', 'w') as f:
# 2、读取文件内容
f.write('hello world')
2、生成器的创建方式
根据程序设计者制定的规则循环生成数据，当条件不成立时则生成数据结束
数据不是一次性全部生成出来，而是使用一个，再生成一个，可以节约大量的内存。
创建生成器的方式
① 生成器推导式
② yield 关键字
☆ 生成器推导式
与列表推导式类似，只不过生成器推导式使用小括号。
# 创建生成器 my_generator = (i * 2 for i in range(5)) print(my_generator) # next获取生成器下一个值 # value = next(my_generator) # print(value) # 遍历生成器 for value in my_generator: print(value)
生成器相关函数：
next 函数获取生成器中的下一个值 for 循环遍历生成器中的每一个值
☆ yield生成器
yield 关键字生成器的特征：在def函数中具有yield关键字
def generator(n):
for i in range(n):
print('开始生成...')
yield i
print('完成一次...')
g = generator(5)
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g)) -----> 正常
print(next(g)) -----> 报错
Traceback (most recent call last):
File "/Users/cndws/PycharmProjects/pythonProject/demo.py", line 14, in <module>
print(next(g))
StopIteration
def generator(n):
for i in range(n):
print('开始生成...')
yield i
print('完成一次...')
g = generator(5)
for i in g:
print(i)
def generator(n):
for i in range(n):
print('开始生成...')
yield i
print('完成一次...')
g = generator(5)
while True:
try:
print(next(g))
except StopIteration:
break
注意点：
① 代码执行到 yield 会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
② 生成器如果把数据生成完成，再次获取生成器中的下一个数据会抛出一个StopIteration 异常，表示停止迭代异常
③ while 循环内部没有处理异常操作，需要手动添加处理异常操作
④ for 循环内部自动处理了停止迭代异常，使用起来更加方便，推荐大家使用。
☆ yield关键字和return关键字
如果不太好理解yield，可以先把yield当作return的同胞兄弟来看，他们都在函数中使用，并履行着返回某种结果的职责。
这两者的区别是：
有return的函数直接返回所有结果，程序终止不再运行，并销毁局部变量；
def example(): x = 1 return x example = example() print(example)
而有yield的函数则返回一个可迭代的 generator（生成器）对象，你可以使用for循环或者调用next()方法遍历生成器对象来提取结果。
def example(): x = 1 y = 10 while x < y: yield x x += 1 example = example() print(example)
☆ 为什么要使用yield生成器
import memory_profiler as mem
# nums = [1, 2, 3, 4, 5]
# print([i*i for i in nums])
nums = list(range(10000000))
print('运算前内存：', mem.memory_usage())
# 列表
# square_nums = [n * n for n in nums]
# 生成器
square_nums = (n * n for n in nums)
print('运算后内存：', mem.memory_usage())
☆ yield与斐波那契数列
数学中有个著名的斐波拉契数列（Fibonacci）
要求：数列中第一个数为0，第二个数为1，其后的每一个数都可由前两个数相加得到：
例子：1, 1, 2, 3, 5, 8, 13, 21, 34, ...
现在我们使用生成器来实现这个斐波那契数列，每次取值都通过算法来生成下一个数据, ==生成器每次调用只生成一个数据，可以节省大量的内存。==
def fib(max): n, a, b = 0, 0, 1 while n < max: yield b # 使用 yield # print b a, b = b, a + b n = n + 1 for n in fib(5): print n
3、深浅拷贝
☆ 几个概念
-
变量：是一个系统表的元素，拥有指向对象的连接空间
-
对象：被分配的一块内存，存储其所代表的值
-
引用：是自动形成的从变量到对象的指针
-
类型：属于对象，而非变量
-
不可变对象：一旦创建就不可修改的对象，包括数值类型、字符串、布尔类型、元组
（该对象所指向的内存中的值不能被改变。当改变某个变量时候，由于其所指的值不能被改变，相当于把原来的值复制一份后再改变，这会开辟一个新的地址，变量再指向这个新的地址。）
-
可变对象：可以修改的对象，包括列表、字典、集合
（该对象所指向的内存中的值可以被改变。变量（准确的说是引用）改变后，实际上是其所指的值直接发生改变，并没有发生复制行为，也没有开辟新的地址，通俗点说就是原地改变。）
当我们写：
a = "python"
Python解释器干的事情：
① 创建变量a
② 创建一个对象(分配一块内存)，来存储值 'python'
③ 将变量与对象，通过指针连接起来，从变量到对象的连接称之为引用(变量引用对象)
☆ 赋值
赋值: 只是复制了新对象的引用，不会开辟新的内存空间。
并不会产生一个独立的对象单独存在，只是将原有的数据块打上一个新标签，所以当其中一个标签被改变的时候，数据块就会发生变化，另一个标签也会随之改变。
☆ 浅拷贝
浅拷贝: 创建新对象，其内容是原对象的引用。
浅拷贝之所以称为浅拷贝，是它仅仅只拷贝了一层，拷贝了最外围的对象本身，内部的元素都只是拷贝了一个引用而已。
注：不可变类型进行浅拷贝不会给拷贝的对象开辟新的内存空间，而只是拷贝了这个对象的引用
浅拷贝有三种形式： 切片操作，工厂函数，copy模块中的copy函数。
如： lst = [1,2,[3,4]]
切片操作：lst1 = lst[:] 或者 lst1 = [each for each in lst]
注：
[:]它与[0:]相似，意思是从0索引拆分到末尾。它返回一个新列表。
工厂函数：lst1 = list(lst)
copy函数：lst1 = copy.copy(lst)
但是在lst中有一个嵌套的list[3,4]，如果我们修改了它，情况就不一样了。
浅复制要分两种情况进行讨论：
1）当浅复制的值是不可变对象（字符串、元组、数值类型）时和“赋值”的情况一样，对象的id值（id()函数用于获取对象的内存地址）与浅复制原来的值相同。
2）当浅复制的值是可变对象（列表、字典、集合）时会产生一个“不是那么独立的对象”存在。有两种情况：
第一种情况：复制的对象中无复杂子对象，原来值的改变并不会影响浅复制的值，同时浅复制的值改变也并不会影响原来的值。原来值的id值与浅复制原来的值不同。
第二种情况：复制的对象中有复杂子对象（例如列表中的一个子元素是一个列表），如果不改变其中复杂子对象，浅复制的值改变并不会影响原来的值。 但是改变原来的值中的复杂子对象的值会影响浅复制的值。
☆ 深拷贝
深拷贝：和浅拷贝对应，深拷贝拷贝了对象的所有元素，包括多层嵌套的元素。深拷贝出来的对象是一个全新的对象，不再与原来的对象有任何关联。
所以改变原有被复制对象不会对已经复制出来的新对象产生影响。只有一种形式，copy模块中的deepcopy函数。
☆ 案例演示
案例1：对于可变对象深浅拷贝
import copy
a=[1,2,3]
print("=====赋值=====")
b=a
print(a)
print(b)
print(id(a))
print(id(b))
print("=====浅拷贝=====")
b=copy.copy(a)
print(a)
print(b)
print(id(a))
print(id(b))
print("=====深拷贝=====")
b=copy.deepcopy(a)
print(a)
print(b)
print(id(a))
print(id(b))
结果：
=====赋值===== [1, 2, 3] [1, 2, 3] 37235144 37235144 =====浅拷贝===== [1, 2, 3] [1, 2, 3] 37235144 37191432 =====深拷贝===== [1, 2, 3] [1, 2, 3] 37235144 37210184
小结：
赋值： 值相等，地址相等
copy浅拷贝：值相等，地址不相等
deepcopy深拷贝：值相等，地址不相等
案例2：对于可变对象深浅拷贝（外层改变元素）
import copy l=[1,2,3,[4, 5]] l1=l #赋值 l2=copy.copy(l) #浅拷贝 l3=copy.deepcopy(l) #深拷贝 l.append(6) print(l) print(l1) print(l2) print(l3)
结果：
[1, 2, 3, [4, 5], 6] #l添加一个元素6 [1, 2, 3, [4, 5], 6] #l1跟着添加一个元素6 [1, 2, 3, [4, 5]] #l2保持不变 [1, 2, 3, [4, 5]] #l3保持不变
小结：
① 外层添加元素时，浅拷贝不会随原列表变化而变化；内层添加元素时，浅拷贝才会变化。 ② 无论原列表如何变化，深拷贝都保持不变。 ③ 赋值对象随着原列表一起变化。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
