python之路4：各种器
-
装饰器
-
生成器
-
迭代器
一、装饰器
装饰器是函数，官方叫语法糖，只不过该函数可以具有特殊的含义，装饰器用来装饰函数或类，使用装饰器可以在函数执行前和执行后添加相应操作。
语法：
def wrapper(func):
def result():
print('before')
func()
print('after')
return result
@wrapper
def foo():
print('foo')
实例：
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = 'lvlibing'
import time
def timer(func): #timer(test1) func = test1
def deco(*args,**kwargs):
start_time = time.time()
func(*args,**kwargs) #run test1()
stop_time = time.time()
print('the func run time is %s' %(start_time - stop_time))
return deco
@timer # test1 = timer(test1)
def test1():
time.sleep(1)
print('in the test1')
@timer # test2 =timer(test2) = deco test2(name) = deco(name)
def test2(name,age):
print('test2:',name,age)
test1()
test2('lv',22)
二、生成器
一边循环一边计算的机制，称为生成器：generator。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
|
1
2
3
4
5
6
|
>>> L = [x * x for x in range(10)]>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]>>> g = (x * x for x in range(10))>>> g<generator object <genexpr> at 0x1022ef630> |
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值。
如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。
generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。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，再次执行时从上次返回的yield语句处继续执行。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = 'lvlibing'
import time
"""
'列表生成式'
a = (x * x for x in range(100))
print(a)
for loop in a:
print(loop)
print(a.__next__())
# print(a.__next__())
# print(a.__next__())
"""
#Fibonacci斐波那契数列
def fibnaci(max):
n,a,b = 0,0,1
while n < max:
#print(b) #会执行return，获得done返回值
yield b #函数定义中包含yield关键字,此时函数将变成一个生成器，不会执行return
#tuple = (b,a+b)
# a,b = tuple[0],tuple[1]
a,b = b,a+b
n += 1
return 'done'
f=fibnaci(10)
print(f)
# print(f.__next__())
'''
for n in f:
print(n)
'''
while True:
try:
t = next(f)
print('f:',t)
except StopIteration as e:
print('Generator return value:', e.value)
break
#生产消费者模型，协程（生成器并行运算）
def consumer(name):
print('%s准备吃包子了'%name)
while True:
baozhi = yield
print('包子[%s]来了,被[%s]吃了' %(baozhi,name))
def producer(name1,name2):
c1 = consumer(name1)
c2 = consumer(name2)
c1.__next__()
c2.__next__()
print('后厨开始准备做包子')
for i in range(10):
time.sleep(0.01)
print('做了2个包子')
c1.send(i)#send方法调用前面函数yiled
c2.send(i)#send方法调用前面函数yiled
producer('a','b')
三、迭代器
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数。
你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
小结
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = 'lvlibing'
from collections import Iterable
from collections import Iterator
print(isinstance((), Iterable))#T
print(isinstance([], Iterable))#T
print(isinstance({}, Iterable))#T
print(isinstance({}, Iterator))#F
print(isinstance([], Iterator))#F
print(isinstance(iter([]), Iterator))#T
print(isinstance(iter({}), Iterator))#T
'''
for x in [1,3,5,7,9]:
pass
等同
it = iter([1,3,5,7,9])
while True:
try:
x = next(it)
except StopIteration:
break
'''
参考：
http://www.cnblogs.com/alex3714
http://www.cnblogs.com/wupeiqi
internet＆python books
PS:如侵权，联我删。
