标签：
迭代器
迭代器是访问集合元素的一种方式。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，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件
特点：
names=iter([‘lucy‘,‘lily‘,‘mike‘]) print(names) print(names.__next__())#lucy print(names.__next__())#lily print(names.__next__())@mike print(names.__next__())#StopIteration
生成器generator
定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器
def cash_money(amount): while amount>0: amount-=100 yield 100#yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。 print("又来取钱啦！") atm=cash_money(500) print(type(atm))#<class ‘generator‘> print(atm.__next__())#100 print(atm.__next__())#又来取钱啦！100 print(atm.__next__())#又来取钱啦！100 print(atm.__next__())#又来取钱啦！100 print(atm.__next__())#又来取钱啦！100
还可通过yield实现在单线程的情况下实现并发运算的效果：异步
import time def consumer(name): while True: print("%s准备吃包子啦！"%name) while True: baozi=yield print("包子[%s]来了，被%s吃了"%(baozi,name)) def producer(name): c=consumer(‘A‘) c2=consumer(‘B‘) c.__next__() c2.__next__() print("老子开始准备做包子啦") for i in range(10): time.sleep(1) print("做了2个包子！") c.send(i) c2.send(i) producer("alex")
装饰器
def login(func):#func=tv def inner(arg):#arg=‘lily‘ print("passed user verification...") return func(arg)#执行func(arg)=tv(‘lily‘) return inner#返回的inner，inner代表的是函数，非执行函数，其实就是将原来的tv(name)函数塞进另外一个函数中 def home(name): print("Welcome [%s] to home page"%name) @login#装饰器 def tv(name):#执行tv(‘lily‘) print("Welcome [%s] to tv page"%name) def moive(name): print("Welcome [%s] to moive page"%name) tv(‘lily‘)#tv的内存地址加()
上述代码的理解解析：
所以，内部就会去执行：
def inner:
print("passed user verification...")
return func() # func是参数，此时 func 等于 tv
return inner # 返回的 inner，inner代表的是函数，非执行函数
其实就是将原来的 tv 函数塞进另外一个函数inner中
login函数的返回值是inner：
def inner:
print("passed user verification...")
return func()#tv(),此处的 tv表示原来的tv函数
然后，将此返回值再重新赋值给tv，即：
新tv = def inner:
print("passed user verification...")
return 原来tv()
所以，以后业务部门想要执行tv函数时，就会执行 新tv函数，在 新tv函数内部先执行验证，再执行原来的tv函数，然后将原来tv函数的返回值返回给了业务调用者。如此一来， 即执行了验证的功能，又执行了原来tv函数的内容，并将原tv函数返回值返回给业务调用
递归
def calc(n): print(n)#10 5 2.5 1.25 if n/2>1: res=calc(n/2)#calc(10/2) calc(5/2) calc(2.5/2) print(‘res:‘,res)#1.25 2.5 5等同于执行calc()print(n)
print("N:",n)#1.25 2.5 5 10
return n #N:1.25->return n->calc(1.25)->res:1.25->n=1.25*2->N:2.5->return n->calc(2.5)->res:2.5->n=2.5*2->N:5->return n->calc(5)->res:5->n=5*2->N:10->return 10
calc(10)
10
5.0
2.5
1.25
#1.25/2>1不成立，执行print("N:",n)
N: 1.25
res: 1.25
N: 2.5
res: 2.5
N: 5.0
res: 5.0
N: 10
通过递归实现斐波那契数列:
def func(arg1,arg2,stop): if arg1==0: print(arg1,arg2) arg3=arg1+arg2 print(arg3) if arg3<stop: func(arg2,arg3,stop) func(0,1,20)
算法基础之二分查找
def binary_search(data_source,find_n):[1,4,7,10,13,16,19] mid=int(len(data_source)/2)#data_source中间元素对应的索引值3,data_source[mid]=data_source[3]=10 if len(data_source)>1: if data_source[mid]>find_n: print("data in left of [%s]"%data_source[mid]) binary_search(data_source[:mid],find_n)#data_source[:mid]:切分，把右边的切去，保留左边的 elif data_source[mid]<find_n: print("data in right of [%s]"%data_source[mid]) binary_search(data_source[mid:],find_n)#data_source[mid：]:切分，把左边的切去，保留右边的
else: print("found find_n",data_source[mid])
else: print("can‘t find it") data=list(range(1,20,3)) #print(data) binary_search(data,13)
标签：
原文地址：http://www.cnblogs.com/chenlulu/p/5554136.html
