迭代器
可迭代对象:
list, str, tuple etc. ----> for … in … 遍历 ----> 遍历(迭代)
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个项,要么引起StopIteration 异常,以终止迭代(只能往下,不可以回退)
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。
如何实现?
- 通过在对象内部定义一个
__iter__
方法。
sr = 'abcd'
li = [1,2,3]
sr_iter = sr.__iter__()
li_iter = li.__iter__()
print(next(li_iter))
print(li_iter.__next__())#----> next(li_iter)
print(li_iter.__next__())
print(sr_iter.__next__())
for i in 100:
print(i) #报错,不是可迭代对象
可迭代对象测试
使用instance() 来判断一个对象是否可迭代
from _collections_abc import Iterable
print(isinstance([],Iterable)) #T
print(isinstance(str(),Iterable)) #T
print(isinstance({},Iterable)) #T
print(isinstance(set(),Iterable)) #T
print(isinstance(True,Iterable)) #T
自定义一个类,其可以容纳数据,测试该类的可迭代性
from _collections_abc import Iterable
class Myclass:
def __init__(self):
self.names = []
def add(self,name):
self.names.append(name)
def __iter__(self):
return self.names.__iter__()
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))
#判断是否为可迭代对象,若是则输出该可迭代对象的名字
for tmp in my_class:
print(tmp,end=' ')
是否为可迭代对象: True
Tom Jack Lucy
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的一个迭代器。然后通过该迭代器获取对象的每一个数据。
from _collections_abc import Iterable
class Myclass:
def __init__(self):
self.names = []
def add(self,name):
self.names.append(name)
def __iter__(self):
return self.names.__iter__()
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))
#通过迭代器迭代
print(my_class)
my_class_iter = iter(my_class)
print(my_class_iter)
print(next(my_class_iter))
print(next(my_class_iter))
print(next(my_class_iter))
是否为可迭代对象: True
<main.Myclass object at 0x00AF9050>
<list_iterator object at 0x00AFEB10>
Tom
Jack
Lucy
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低啊用next()方法来获取下一个值,并将其赋值item,当遇到StopIteration的异常后,退出。
class test:
def __init__(self,data= 1):
self.data =data
def __iter__(self):
return self
def __next__(self):
if self.data>5:
raise StopIteration
else:
self.data += 1
return self.data
for i in test(2):
print(i,end= ' ')
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,可以节省大量的储存(内存)空间。
demo:
斐波那契数列
class FibIterator(object):
"""斐波那契数列"""
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
self.num1 = 0
self.num2 = 1
def __next__(self):
"""调用next()函数来获取下一个数"""
if self.current_index < self.n:
num = self.num1
self.num1,self.num2 = self.num2,self.num1+self.num2
self.current_index +=1
return num
else:
raise StopIteration
def __iter__(self):
return self #实例本身就是迭代对象,故返回自己
fib = FibIterator(10)
for num in fib:
print(num,end = ' ')
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,每次迭代都可以通过数学计算生成下一个数。
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())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。
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')
gen = (x**2 for x in range(6))
for i in gen:
print(i,end=' ')
[0, 1, 4, 9, 16, 25]
<generator object at 0x00F45F70>
通过next()函数取得下一个值
0
1
4
9
16
25
通过for遍历
0 1 4 9 16 25
生成器函数
在函数中如果出现了yield关键字,那么该函数不再是一个普通函数,而是一个生成器函数。
def foo():
yield 1
yield 2
# return
yield 3
f = foo()
print(next(f))#程序会停留在对应yield后的语句
print(next(f))
print(next(f))#当程序遇到return,return后的语句不会再执行。因此报错
next和yield进行匹配,如果遇到return,return后的语句不会再执行,直接抛出StopIteration,终止迭代。
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
o = odd()
count = 0
print(o)
for i in o:
if count>5:
break
print(i)
count += 1
#13在这里
print(next(o))
<generator object odd at 0x01D65F70>
1
3
5
7
9
11
15
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))
- close()
- 手动关闭生成器函数,后面调用会直接引起StopIteration异常。
def gen():
yield 1
yield 2
yield 3
yield 4
g = gen()
print(next(g))
print(next(g))
g.close()
print(next(g)) #回溯
-
send()
- x = yield y
-
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)
- 如果是已启动,则send(para)的作用就是给x赋值为发送的值(send的参数),然后让生成器执行到下一个yield。
def gen():
value = 0
while True:
receive = yield value
if receive == 'e':
break
value = 'get: %s'%receive
g = gen()
print(g.send(None))
print(g.send('aa'))
print(g.send(123))
print(g.send('e'))
Traceback (most recent call last):
File “C:/Python_study/day11/day11.py”, line 176, in
print(g.send(‘e’))
StopIteration0
get: aa
get: 123
- throw()
- 手动抛出异常。
def gen():
i = 0
while i <5:
yield i
i += 1
obj = gen()
print(next(obj))
print(next(obj))
print(obj.throw(Exception,'Method throw called'))
闭包
什么是闭包?
闭是封闭(函数中的函数),包是包含(该内部函数的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
- 闭包类的闭包函数私有化的变量,完成了数据的封装,类似面向对象
def foo():
print('in foo')
def bar():
print('in bar')
由于作用域的问题,函数内的属性都是有生命周期的,只有在函数执行短的期间再考虑这段代码,只是调用foo()是,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()
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 = 666
print('in foo')
def bar(num):
print('in bar')
print(a + num)
return bar
var = foo()
var(22)
in foo
in bar
688
li = [1,2,3,4,5]
def foo(obj):
print('foo:', obj)
def bar():
obj[0] += 1
print('bar:', obj)
return bar
var = foo(li)
var()
var()
#程序再执行时,foo()函数返回给了内部定义的bar()
foo(li)
foo(li)
var = foo(li) #将返回值赋值给var
foo: [1, 2, 3, 4, 5]
bar: [2, 2, 3, 4, 5]
bar: [3, 2, 3, 4, 5]foo: [1, 2, 3, 4, 5]
foo: [1, 2, 3, 4, 5]
foo: [1, 2, 3, 4, 5]
装饰器
首先,看一个demo:
@func1
def func():
print('aaa')
装饰器存在的意义
- 不影响原有函数的功能
- 添加新功能
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,作用是为现有存在的函数,在不改变函数的基础上,增加一些功能进行装饰。
它以闭包的形式去实现。
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
形式来进行装饰。
Demo:
现在在一个项目中,有很多函数,由于我们的项目越来越多,功能也越来越多,就导致程序越来越慢。
其中有一个功能函数是实现一百万次的累加
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:',(end - start))
成功的实现时间的计算。But,加入有成千上万个函数,每个函数这么写一遍非常麻烦。
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()
#将上述代码改写成一个函数
def count_time(func1):
start = time.time()
func1()
end = time.time()
print('执行时间:',(end - start))
count_time(my_count)
经过修改后,定义一个函数来实现时间计算功能。
初看上去,比之前好很多。只是我们在使用的时候,需要将我们对应的函数传入到时间计算函数中。
但任然影响了原来的使用。
接下来思考,能不能在不影响函数的原来的使用方式下实现时间计算?
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print('执行时间:', (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()
在使用时,让my_count函数重新指向count_time函数返回的函数引用。这样我们在使用my_count时,就和原来的使用方式一样了。
实现就是采用装饰器。
import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print('执行时间:', (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
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,就成为装饰器
在执行@装饰器函数名
时,就是将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。
装饰器的基本形式
1.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()
2.无参数有返回值
def setfunc(func):
def wrapper():
print('Start')
return func()
print('end')#遇到return,此句不再执行
return wrapper
@setfunc
def show():
return 'show'
print(show())
#Start
#show
3.有参数无返回值
def setfunc(func):
def wrapper(s):
print('Start')
func(s)
print('end')#遇到return,此句不再执行
return wrapper
@setfunc #setfunc(show())
def show(s):
print('Hello %s'%s)
show('city college')
4.有参数有返回值
def setfunc(func):
def wrapper(x,y):
print('Start')
return func(x,y)
# print('end') # 遇到return,此句不再执行
return wrapper
@setfunc
def myAdd(x, y):
return x + y
print(myAdd(3,3))
#Start
#6
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?
通过可变参数(*args,**kwargs)来接收不同参数
def setFunc(func):
def wrapper(*args,**kwargs):
print('Wrapper context.')
return func(*args,**kwargs)
return wrapper
@setFunc
def func(name,age,job = 'It'):
print(name,age,job)
func('Tom',18,'aa')
@setFunc
def demo(a,b,*c,**d):
print((a,b))
print(c)
print(d)
demo('city','college',1998,1 ,1,school = 'zhejiang')
Wrapper context.
Tom 18 aaWrapper context.
(‘city’, ‘college’)
(1998, 1, 1)
{‘school’: ‘zhejiang’}
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可能并不能达到预期。
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 #---->F
@setFunc2 #---->g
def show(*args,**kwargs):#---->f
print('Show Run.'.center(40,'-'))
show() #F(g(f))
#从下往上去装饰(程序语句运行顺序来看
# 从内往外去装饰(函数的调用来看)
总结:
1.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。
2.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。
3.闭包实际上也是函数定义的一种形式。
4.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。
5.Python中,装饰器就是用闭包来实现的。
6.装饰器的作用,不改变现有函数的基础上,为函数增加功能。
7.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。
8.装饰器四种形式,根据参数的不同以及返回值的不同。
9.万能装饰器,通过可变参数(*args,**kwargs)来实现。
10.一个装饰器可以为多个函数提供装饰功能。
11.一个函数也可以被多个装饰器所装饰。
12.通过类实现装饰器,重写__init__
和__call__
函数。
13.类装饰器在装饰函数后,用来的引用不再是函数,而是装饰器的对象。