列表生成式，生产器
#列表生成式,可以是代码更复杂 a = [i for i in range(10)] #这里的i，可以使用函数来装饰 print(a) #生产器：就是数据在调用的时候才有 b = (x*2 for x in range(1000)) #print(b[3]),直接调用会报错，因为数据还没有生产呢 b.__next__() b.__next__() b.__next__() # print(b[1]),这也会报错，因为生成器只保持当前数据 print(b.__next__())#只能使用这样的方式取值 print((x*2 for x in range(10))) #将一个函数编程一个生成器 #斐波那契数列 def feibo(max): n,a,b = 0 ,0,1 while n < max : # print(b) yield b #这样就样这个函数变成一个生成器了，生成器只有__next__()方法 a,b = b,a+b #这里的意思是，将b赋值给a，将 a+b的结果赋值给b（这里的a不是赋值后的a） #这句话的意思就是 t = tuple(b,a+b) n = n+1 return "done" # feibo(6) f = feibo(6) #这样就将 函数给挂起了，运行其他的逻辑，然后在返回,当取到最后一个在next就会报错，可以使用try except 来处理异常 try: while True: f.__next__() except StopIteration as e:#将最后的返回值复制个e的这个异常对象中 print(e.value) #简单的一个生产消费者模型 def consume(name): print("%s is begin"%name) while True: a = yield print("%s 开始消费 %s"%(name,a)) def provide(): #这里有两个消费者 c1 = consume("zhang") c2 = consume("yu") c1.__next__() c2.__next__() for i in range(10): c1.send(i)#这就是讲i传给上面yield这个地方 c2.send(i) provide() #什么是迭代器，被next方法的迭代对象就是迭代器，其中list，set都是可迭代对象，但是不是迭代器 #可以直接做用于 for循环的对象，就是迭代对象 可以使用 from collections import Iterable #Iterator迭代器 from collections import Iterator isinstance("abc",Iterable)
匿名函数，内置函数
#1.匿名函数，就是没有方法名的函数，使用 lamdba 关键字 a = lambda x:x+2 # lambda x:x+2 这就是一个匿名函数，x代表参数，x+2代表 函数体 print(a(3)) #2.内置函数 #1.abs()求绝对值 print(abs(-3.5)) all()#迭代器中所有的元素都为真，才是真 any()#迭代器中任何一个为真就是真 ascii()#将数字转为ascii对象的值 bin()#转为二进制 bool()#测试一个对象是正还是假 bytearray()#字节数组 callable()#是否可以调用 chr(),ord()#查看10进制对象的ascii/查看ascii对应的十进制 dir()#返回当前范围内的变量 globals(),locals()#全局属性，局部属性 zip()#将两个列表，1，1对应转为一个新的列表 b= zip([1,2,3],["a","b","c"]) for i in b: print(i) from functools import reduce a = reduce(lambda x,y:x+y,range(10)) print(a,type(a)) #过滤器，按照fun，条件进行过滤，这里可以直接使用匿名函数来简化代码 c = filter(lambda x:x<5, [i for i in range(10)]) for i in c: print(i) d = map(lambda x:x*2,[i for i in range(10)]) for i in d: print(i) #讲map与reduce结合使用，求 1！+2！+3！+4！ #阶乘,这个是4的阶乘 factorial = reduce(lambda f,c:f+c,map(lambda a:reduce(lambda x,y:x*y,range(1,a+1)),range(1,5))) print(factorial,type(factorial)) #排序 #将字典排序 info = {1:"a",5:"f",3:"c",2:"b",4:"d"} #1.按key进行排序 print(sorted(info.items())) #2.如果按value排序呢 print(sorted(info.items(),key = lambda x:x[1]))
装饰器：
#1.高阶函数，参数是函数，或者返回值是函数的 #嵌套函数，就是函数里面在定义函数 #可以讲函数，当成一个变量进行传递 #高阶函数+嵌套函数==装饰器 #装饰器的作用就是，不改变原函数，不改变函数的调用方式 import time,pickle #1.高阶函数 将函数作为参数传递 def deco1(func):#将函数当成一个变量传递过来，实际上是将函数的内存地址传递过来，函数名+()调用这个函数 start_time = time.time() func() end_time = time.time() print("%s这个函数运行是时间%d"%(func,end_time-start_time)) #deco1(func) #2.高阶函数 返回值为函数 def deco2(func): start_time = time.time() #这句话的意思就是将func这个函数的内存地址返回去 return func end_time = time.time() print("%s这个函数运行是时间%d" % (func, end_time - start_time)) # func = deco2(func) # func() #3.嵌套函数，就是在函数里面定义函数 def deco3(): def deco4(): print("deco4..run") #函数就相当于一个变量，定义一个函数，就相当于在内存空间声明了一个内存地址 #所以这个地方一定要调用，要不只是声明没有调用的地方 deco4() # deco3() #如何对一个函数进行装饰，并且不改变函数的调用方式 #例如对func()进行装饰 #1.不改变函数的内部 def deco5(func): start_time = time.time() func() end_time = time.time() print("%s这个函数运行是时间%d" % (func, end_time - start_time)) #2.不改变函数的调用方式,(使用嵌套函数，再包一层，将包装后的函数返回) def deco6(func): def waps(): start_time = time.time() func() end_time = time.time() print("%s这个函数运行是时间%d" % (func, end_time - start_time)) return waps @deco6 def func(): time.sleep(1) print("func运行") #这个是调用：这样就实现的装饰 # func = deco6(func)#这句话，python直接使用 @装饰器名称表示 # func() #如果函数带有参数怎么处理呢，就是在内部函数带参数来接受被装饰函数的参数 def deco7(func): def wrapper(name): start_time = time.time() func(name) end_time = time.time() print("%s这个函数%s运行是时间%d" % (func, name,end_time - start_time)) return wrapper @deco7 def func1(name): print("name",name) func1("aa") #如果func1有多个参数呢，所以使用可变参数来接受，最后修改为 def deco8(func): def wrapper(*args,**kwargs): start_time = time.time() func(*args,**kwargs) end_time = time.time() print("%s这个函数运行是时间%d" % (func, end_time - start_time)) return wrapper @deco8 def func2(name,age): time.sleep(1) # func2("zhang",22) #如果装饰器自己也需要参数，改如何处理呢 #例如 #home 和 account 这两个函数使用不同的登陆方式登陆的，如何使用一个装饰器满足所有需求 #这里使用了同一张验证方式，如果装饰器上传一个参数，代表这个方法不需要登陆该如何处理 def login(fun): def wrapper(*args,**kwargs): name = input("your namne") passwd = input("your password") if name == "zhang" and passwd == "123": fun(*args,**kwargs) else: print("登陆失败") return wrapper def loginArg(type): def login(fun): def wrapper(*args,**kwargs): if type == "login" : name = input("your namne") passwd = input("your password") if name == "zhang" and passwd == "123": fun(*args,**kwargs) else: print("登陆失败") elif type == "nologin" : fun(*args, **kwargs) return wrapper return login @loginArg(type="login") def home(name): print("%s in home"%name) #这个就不需要登陆 @loginArg(type="nologin") def account(name): print("%s in account"%name)
json序列化和pickle序列化
#序列化和反序列化json,pickle import json #json的load 与dump是保存和加载 json格式的文件 info = {"name":"zhang","age":22,"addr":"china"} info1 = [1,2,3,4,5,6,login] #这种info1中保存了一个函数的内存地址 # print(info1) with open("json","w") as f: # json.dump(info1,f) f.writelines(json.dumps(info)) #或者使用 # f.writelines(json.dumps(info1)) #这样在使用json就会报错，因为 function‘ is not JSON serializable with open("json","r") as f: # json.loads() # aa = json.load(f) #可以写成 aa = json.loads(f.read()) print(type(aa))#可以看到，这样的aa的类型是 dict,如果是一帮的 #json是所有语言都有的共性的 #这里就使用pickle这个序列化，是python特有的个性的序列化 with open("pickle","wb") as f: pickle.dump(info1,f) #write() argument must be str, not bytes #这句话明显表示，pickle.dump(info1,f)这需要一个(所以，这里将文件的打开方式按照b形式打开) #或者写成 # f.write(pickle.dumps(info1)) with open("pickle","rb") as f: # aa = pickle.load(f) aa = pickle.loads(f.read()) print(type(aa),aa) #这样就可以取出来了，但是这里有一个问题，因为列表中有一个函数，如果在另一个文件打开的话，这个函数会报错，所以需要对这个函数特殊处理
