码迷,mamicode.com
首页 > 编程语言 > 详细

python迭代器,生成器,装饰器

时间:2018-12-24 10:23:55      阅读:162      评论:0      收藏:0      [点我收藏+]

标签:ldap   min   解析   body   strip()   UNC   yield   错误   回到顶部   

 

1.1迭代器

什么是迭代器:

迭代器是一个可以记住遍历的位置对象

迭代器对象从集合的第一个元素元素开始访问,直到所有元素被访问完结束,迭代器只能往前不会后退。

迭代器有两个基本方法:iter ,next 方法

内置函数iter(),next()  本质上都是用的对象.__iter__(),__next__()的方法

内置函数 iter(iterable),表示把可迭代对象 变成迭代器(iterator)

内置函数next(iterator) ,表示查看下一次迭代的值(当然也可以用 iterator.__next__() ,查看下一次迭代的值)

1.1.2迭代器协议

1.迭代器(iterator)协议是指:对象必须提供一共next方法,执行该方法妖魔返回迭代中的下一项,要么就引起一个Stopiteration异常,已终止迭代。

2.可迭代对象:实现了迭代器协议的对象,(该对象内部定义了一个__iter__()的方法  例:str.__iter__())就是可迭代对象

3.协议是一种约定,可迭代对象实现了迭代器协议,python的内部工具(如。for循环,sum,min,max函数等)使用迭代器协议访问对象

 

1.1.3python中的for循环

for循环本质:循环所有对象,全部是使用迭代器协议

(字符串,列表,元祖,字典,集合,文件对象),这些都不是可迭代对象,只不过在for循环,调用了他们内部的__iter__方法,把他们变成了可迭代对象。然后for循环调用可迭代对象的__next__方法去去找,然后for循环会自动捕捉StopIteration异常,来终止循环。

技术分享图片
 1 l1 = ["hello","world",1,2]
 2 
 3 #for循环调用可迭代对象的__next__方法去取值,而且for循环会捕捉StopIteration异常,以终止对象
 4 for i in l1:
 5     print(i)
 6 
 7 aa = l1.__iter__()  #等同于内置函数aa = iter(l1) 创建了一个list_iterator 列表迭代器
 8 print(type(aa))
 9 print(next(aa))   #内置函数 next()查看第一次迭代器的值
10 print(aa.__next__())   #迭代器本身对象的方法,第二次迭代器的值   跟 内置函数方法都是一样的
11 print(next(aa))
12 print(next(aa))
13 print(next(aa))  #没有可迭代的值了也就是迭代完了,会报错:StopIteration
14 
15 
16 #迭代器迭代完,就不能再次迭代该迭代器 比如for 循环
17 for i in aa:
18     print(i)
demo
技术分享图片
 1 # 首先获得Iterator对象:
 2 it = iter([1, 2, 3, 4, 5]) #创建一个迭代器
 3 # 循环:
 4 while True:
 5     try:
 6         # 获得下一个值:
 7         x = next(it)
 8         print(x)
 9     except StopIteration:
10         # 遇到StopIteration就退出循环
11         break
demo2 :循环比迭代器更强大

 

总结:

1.可作用于for循环对象本身都是iterable(可迭代对象)类型,或者对象本身有obj.__iter__方法也是iterable

2.凡是可作用于next()函数的对象本身itertor(迭代器)类型,或者obj.__next__也是iterator ,迭代器是一个惰性序列

因为需要调用next,才会获得元素,迭代完,就不能再次迭代。

3.list、dict、str等是iterable,但不是iterator不过可以通过iter()函数获得一个迭代器对象。

 

1.2生成器

什么是生成器?

1.从字面理解是不是:生成一个容器

2.在python中,一边循环,一边计算的机制,称为生成器(generator)。

3.可以理解为一种数据类型,这种类型自动实现了迭代器协议。(其他的数据类型需要调用自已的内置__iter__方法或则iter()的内置函数),所以生成器就是一个可迭代对象。

 

生成器分类以及在python中的表现形式。(python有两种不同的方式提供生成器)

1.生成器函数:常规函数定义,但是,使用yield语句而不是return语句的返回结果。yield语句一次返回一个结果,在每个结果中间,保留函数的状态,以便再上一次状态的重新执行。

2.生成器表达式:类似于列表推导,但是生成器返回按需产生结果的一种对象,而不是一次构建一个结果列表

 

为何使用生成器,生成器的优点:

python使用生成器对延迟操作提供了支持。所谓延迟操作,是指需要的时候才产生结果,而不是立即生成结果

这就是生成器的好处

 

生成器小结:

1.生成器是可迭代对象

2.实现了延迟计算,看内存(按需,执行)

3.生成器本质和其他类型一样,都是实现了迭代器协议,只不过生成器是一边计算,一边生成,从而节省内存空间,

其余的可迭代对象可没有好处。

 

定义生成器的前提:

1.考虑这个生成器是否需要多次遍历。

2.这个生成器内存空间的问题。

3.时间效率问题。

 

生成器是一个惰性的,根据惰性求值:也就是需要一个对象给一个对象

 

1.2.1生成器表达式、列表生成式、三元表达式

1.三元运算或则3元表达式

 1 #三元表达式格式
 2 
 3 res=值1  if  条件  else  值2 
 4 
 5 #如果条件满足 res 等于 值1  条件不满足就等于 值2
 6 # demo 1
 7 name = "xixi"
 8 res = "xixi"  if name == "xixi" else "hello"
 9 print(res)
10 
11 #demo 2
12 num = 2 if False else 0
13 print(num)

2.列表生成式

技术分享图片
 1 #列表生成式通过计算生成一个列表
 2 
 3 lis_gen = [ i for i in range(1,10)]  #列表生成式
 4 print(lis_gen)
 5 
 6 lis1_gen = [i for i in range(1,10) if i%2 == 0]  #生成一个偶数的列表
 7 print(lis1_gen)
 8 
 9 lis2_gen = [ i * i for  i in range(1,10) if i%2 == 1]  #生成以个奇数乘自已本身奇数的列表
10 print(lis2_gen)
列表生成式[] demo

3.生成器表达式

技术分享图片
1 gen_exp = (i for i in range(10))  #生成器表达式
2 print(gen_exp) #generator
3 # for i in gen_exp:  #取出生成器表达式的值,for循环
4 #     print(i)
5 print(gen_exp.__next__()) #next方法
6 print(gen_exp.__next__())
7 print(gen_exp.__next__())
8 print(gen_exp.__next__())
9 print(gen_exp.__next__())
生成器表达式 () demo
技术分享图片
1 gen = (i for i in range(10**100))  #生成器表达式
2 lis = [i for i in range(10**100)]  #列表生成式
3 
4 #生成器,更省内存,需要一个取一个
5 print(gen.__next__())
6 print(lis)  #需要在内存空间创建1-10**100序列
生成器表达式和列表生成式比较 ()和[]

 总结:

1.把列表解析的[]换成()得到就是生成器表达式

2.列表生成式式一个构建一个结果列表,生成器表达式:是返回按需产生结果的一个对象

3.列表解析与生成器表达式都是一种便利的编程方式,只不过生成器表达式更节省内存

4.python不但使用迭代器协议让for循环更加通用,大部分内置函数,也是使用迭代器协议访问对象的

如,sum函数是python的内置函数,该函数使用迭代器协议访问对象,而生成器实现了迭代器协议

 

1.2.2生成器函数

 在python中,使用了yield的函数就称为生成器(generator)

1.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,可以理解为:生成器就是一个迭代器

2.在调用生成器运行过程中,每次遇到yield是函数会暂停并保存当前所有的运行信息,返回yield值。并在下一次执行next方法时,从当前位置继续运行。

普通生成器:

技术分享图片
 1 >>> gen = (i for i in range(5))
 2 >>> gen
 3 <generator object <genexpr> at 0x0000004DE29A70A0>
 4 >>> next(gen)
 5 0
 6 >>> next(gen)
 7 1
 8 >>> next(gen)
 9 2
10 >>> next(gen)
11 3
12 >>> next(gen)
13 4
14 >>> next(gen)
15 Traceback (most recent call last):
16   File "<stdin>", line 1, in <module>
17 StopIteration
算法 实现生成器

注:generator保存的是算法,每次调用next方法,就计算出gen的下一个元素的值,直到计算到最后一个元素,没有更多元素时,就StopIteration的错误。

当然,上面这种不断调用next(gen),用着有点坑,正确的方法是使用for循环,因为generator也是iterator;

技术分享图片
1 >>> g = (i for i in range(5))
2 >>> for i in g:
3 ...     print(i)
4 ...
5 0
6 1
7 2
8 3
9 4
for generator

所以我们创建了一个generator后,基本不会调用next方法,而是通过for循环来迭代它,并且不是关心StopIteration的错误。

generator非常强大,如果计算的算法比较复杂,用for循环无法实现的时候,还可以用函数来实现。

例:斐波拉契数列 后面的一个数等于前面两个数相加的和

技术分享图片
1 def fib(number):
2     #得出几个斐波拉契数列
3     count,a,b = 0,0,1
4     while count < number:
5         print(b)
6         a,b = b,a+b
7         count += 1
8     return "done"
9 fib(5)
斐波拉契数列,普通函数定义
技术分享图片
 1 def fib1(number):
 2     n,a,b = 0,0,1
 3     while n<number:
 4         yield b
 5         a,b = b,a+b
 6         n += 1
 7     return "done"
 8 aa = fib1(6)
 9 print(aa)  #generator
10 # print(aa.__next__())
11 for i in aa:
12     print(i)
斐波拉契数列,yield函数 定义

注:如果一个函数定义中包含yield关键字,那么这个函数就不是普通函数,而是一个generator

注:generator和函数执行的流程不一样,

函数是顺序执行,遇到return语句或则最后一行函数函数语句就返回。

而变成generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次执行从上次返回的yield语句处继续执行

 

技术分享图片
 1 def packet():
 2     for i in range(1,10):
 3         print("开始生产包子")
 4         yield  "第 %d 屉包子" %(i)
 5         print("卖包子,买完再生产")
 6 cs = packet()  #生成一个做包子的生成器,相当于做包子的
 7 # print(cs)
 8 q = print(cs.__next__()) #卖包子的
 9 print(cs.__next__())
10 for i in cs:
11     print(i)
生产 ,卖的过程
技术分享图片
 1 #单线程一边发送,一边执行
 2 import time
 3 def consumer(name):
 4     print("%s 准备吃包子啦!" %name)
 5     while True:
 6        baozi = yield
 7 
 8        print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
 9 def producer(name):
10     c = consumer(A)
11     c2 = consumer(B)
12     c.__next__()
13     c2.__next__()
14     print("老子开始准备做包子啦!")
15     for i in range(10):
16         time.sleep(1)
17         print("做了2个包子!")
18         c.send(i) #发送的值,就是yield的返回值
19         c2.send(i)
20 producer("xixi")
yield生成器,单线程并发

1.2.3生成器函数总结

1.生成器函数语法上和普通函数类似:生成器使用yield语句返回一个值,而常规函数使用return语句返回一个值

2.生成器自动实现迭代器协议,迭代完,就不能再次迭代。

3.状态挂起:生成器使用yield语句返回一个值。挂起该生成器函数的状态。

 

1.3装饰器(decorator)

什么是装饰器:

器即函数

1.装饰器可以理解为给一个函数,做修饰,而不修改函数本身。

2.装饰器定义:本质就是函数,decorator功能就是为其他函数添加新的功能。

装饰器的的原则

装饰器=高阶函数+函数嵌套+闭包

装饰器的前提原则:不能修改被装饰函数的源代码,和函数的调用方式

 1.1.1高阶函数

高阶函数定义:

1.函数接收的参数是一个函数名。

2.函数的返回值是一个函数。

3.满足上述条件任意一个,都是高阶函数

1.1.2函数嵌套

函数嵌套

python语言中的嵌套:定义一个函数的时候,函数体还能定义另一个函数。

在其他语言(例c语言),在一个函数调用另一个函数,叫嵌套

1.1.3闭包

存储在子封闭作用域(函数)的行为叫做闭包

一个闭包就是一个函数,只不过函数内部带上了一个额外的变量。

闭包关键特点就是它会记住自已被定义时的环境

 

1.2一步一步理解装饰器

 

1 def go():
2     print("python")
3 #该函数功能执行go() ,显示出python
4 go()

现在我们要增强go()这个自定义函数的功能,比如在函数调用前自动打印出python是什么样的语言,但有不想在修改go()函数,这种在代码运行期间动态为其添加功能,就称之为装饰器(decorator)。

 

 1.现在给go()函数加功能

 1 #一个装饰器的基本框架
 2 def deco(func):
 3     def wrapper():
 4         func()    #执行你传的go的函数
 5         print("一个高级语言")
 6     return wrapper
 7 def go():
 8     print("python")
 9 go = deco(go)  #得到结果wrappe的函数r
10 go()  # 执行wrapper函数  ——执行函数func() 函数也就是的go()函数
11 #结果
12  python
13  一个高级语言
14 
15 #上面就是一个装饰器功能的基本体现,没有修改go函数的源代码,也没有修改go()函数的执行方式,也给go函数加上了一个新功能(高级语言) ,
但是上面每次执行,都需要做一个函数赋值操作,才能执行go() ,这是不完美的

本质上:装饰器(decrator)就是一个返回函数的高阶函数,上面的deco,就是一个装饰器,接收函数做参数,并返回一个函数,需要借助python的@语法,@装饰器

 1 def deco(func):
 2     def wrapper():
 3         func()
 4         print("一个高级语言")
 5     return wrapper
 6 @deco
 7 def go():
 8     print("python")
 9 go()
10 #结果
11 python
12 一个高级语言
13 
14 #现在才相当于一个合格的装饰器
15 
16 把@deco放到go()函数的定义处,相当于执行了go=deco(go)

上面deco()是一个装饰器,返回一个函数,所以原来的go()函数仍然存在,

只是现在同名的go变量指向了新的函数,于是调用go()函数将执行新函数,

即在go()函数中返回的wrapper()函数

 

2.给被装饰器函数加参数和返回值

技术分享图片
 1 def deco(func):
 2     def wrapper(*args,**kwargs):
 3         res = func(*args,**kwargs)  #这里就相当于闭包
 4         print("一门高级语言")
 5         return res
 6     return wrapper
 7 
 8 @deco
 9 def go(x,y):
10     print("python",x,y)
11     return "done"
12 go(3,5)
13 # 结果
14 python
15 一个高级语言
16 
17 # 为什么要给装饰器加参数,如果被装饰的函数里面有参数,我们的装饰器是不是器也要加相应的参数,
18 我们的装饰器为什么要给wrapper(*args,**kwargs) func(*args,**kwargs),可接收任意参数,因为我们被装饰的函数可能都是不同的的参数,而这个装饰器,需要给很多函数做装饰,但是很多函数的参数,功能都是不一样的,因此我们定义装饰器 的函数参数应该是加可变长参数
19 
20 #为什么给装饰里面加返回值
21 我们被装饰的函数,一般是有返回值,而执行装饰器(@decorator)  所以需要给wrapper 加上返回值来return fun()的执行结果,来保持被装饰的函数的一致性。
给被装饰函数加参数和返回值

 

3.给装饰器加参数

 如果装饰器本身需要传入参数,那就需要编写一个返回装饰器的高阶函数,也就是在原来装饰器上,做闭包处理,在加上一层函数。

 1 def auth_book(auth=None):
 2     print(auth)
 3     def deco(func):
 4         def wrapper(*args,**kwargs):
 5             res = func(*args,**kwargs)  #这里就相当于闭包
 6             print("一门高级语言")
 7             return res
 8         return wrapper
 9     return deco
10 @deco("book")  #装饰器加参数    跟go=deco("book")(go)类似
11 def go(x,y):
12     print("python",x,y)
13 go(3,5)

3层嵌套的装饰器的效果是这样的

1 go=auth_book("book")(go)
技术分享图片
 1 user_list=[
 2     {name:yj,passwd:123},
 3     {name:xixi,passwd:123},
 4     {name:xiha,passwd:123},
 5     {name:lala,passwd:123},
 6 ]
 7 
 8 current_user={username:None,login:False}
 9 def auth(auth_type=file):
10     def auth_deco(func):
11         def wrapper(*args,**kwargs):
12             if auth_type == file:
13                 if current_user[username] and current_user[login]:
14                     res=func(*args,**kwargs)
15                     return res
16                 username=input(用户名: ).strip()
17                 passwd=input(密码: ).strip()
18 
19                 for index,user_dic in enumerate(user_list):
20                     if username == user_dic[name] and passwd == user_dic[passwd]:
21                         current_user[username]=username
22                         current_user[login]=True
23                         res=func(*args,**kwargs)
24                         return res
25 
26                 else:
27                     print(用户名或者密码错误,重新登录)
28             elif auth_type == ldap:
29                 print(巴拉巴拉小魔仙)
30                 res=func(*args,**kwargs)
31                 return res
32         return wrapper
33     return auth_deco
34 
35 
36 #auth(auth_type=‘file‘)就是在运行一个函数,然后返回auth_deco,所以@auth(auth_type=‘file‘)
37 #就相当于@auth_deco,只不过现在,我们的auth_deco作为一个闭包的应用,外层的包auth给它留了一个auth_type=‘file‘参数
38 @auth(auth_type=ldap)
39 def index():
40     print(欢迎来到主页面)
41 
42 @auth(auth_type=ldap)
43 def home():
44     print(这里是你家)
45 @auth(auth_type="file")
46 def shopping_car():
47     print(查看购物车啊亲)
48 
49 def order():
50     print(查看订单啊亲)
51 
52 # print(user_list)
53 index()
54 # print(user_list)
55 home()
56 shopping_car()
demo 带参数的装饰器

 

 

 

python迭代器,生成器,装饰器

标签:ldap   min   解析   body   strip()   UNC   yield   错误   回到顶部   

原文地址:https://www.cnblogs.com/bubu99/p/10166632.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!