Day04 - Python 迭代器、装饰器、软件开发规范
1. 列表生成式
实现对列表中每个数值都加一
第一种,使用for循环,取列表中的值,值加一后,添加到一空列表中,并将新列表赋值给原列表
1 >>> a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 2 >>> b = [] 3 >>> for i in a: 4 ... b.append(i + 1) 5 ... 6 >>> a = b 7 >>> a 8 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
第二种,使用匿名函数和map函数,并循环取值添加的另一空列表中,并将新列表赋值给原列表
1 >>> a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 2 >>> b = [] 3 >>> for i in map(lambda x:x+1,a): 4 ... b.append(i) 5 ... 6 >>> a = b 7 >>> a 8 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
第三种,使用列表生成式
1 >>> a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 2 >>> a = [i+1 for i in a] 3 >>> a 4 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
2. 生成器
在Python中,一边循环一边计算的机制,称为生成器(generator)。
创建一个generator:
第一种方法,只要把列表生成式的 [] 改成 () ,就创建了一个generator。
1 >>> l = [x * x for x in range(10)] 2 >>> l 3 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 4 >>> g = (x * x for x in range(10)) 5 >>> g 6 <generator object <genexpr> at 0xb7b1fc5c>
通过next()
函数获得generator的下一个返回值
1 >>> next(g) 2 0 3 >>> next(g) 4 1 5 >>> next(g) 6 4 7 >>> next(g) 8 9 9 >>> next(g) 10 16 11 >>> next(g) 12 25 13 >>> next(g) 14 36 15 >>> next(g) 16 49 17 >>> next(g) 18 64 19 >>> next(g) 20 81 21 >>> next(g) 22 Traceback (most recent call last): 23 File "<stdin>", line 1, in <module> 24 StopIteration
generator 保存的是算法,每次调用next(g)
,就计算出g
的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration
的错误。
generator 是可迭代对象,可以使用for循环打印 generator 的元素:
1 >>> for i in g: 2 ... print(i) 3 ... 4 0 5 1 6 4 7 9 8 16 9 25 10 36 11 49 12 64 13 81
第二种方法,添加 yield 关键字。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。函数是顺序执行的,遇到 return
语句或者最后一行函数语句就返回。而 generator 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。
3. 迭代器
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;另一类是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:
1 >>> from collections import Iterable 2 >>> isinstance([], Iterable) 3 True 4 >>> isinstance({}, Iterable) 5 True 6 >>> isinstance('abc', Iterable) 7 True 8 >>> isinstance((x for x in range(10)), Iterable) 9 True 10 >>> isinstance(100, Iterable) 11 False
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)。
可以使用isinstance()
判断一个对象是否是Iterator
对象:
>>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('abc', Iterator) False
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:
1 >>> isinstance(iter([]), Iterator) 2 True 3 >>> isinstance(iter('abc'), Iterator) 4 True
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。
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。
Python的for
循环本质上就是通过不断调用next()
函数实现的,例如:
1 for x in [1, 2, 3, 4, 5]: 2 pass
等价于:
1 # 首先获得Iterator对象: 2 it = iter([1, 2, 3, 4, 5]) 3 # 循环: 4 while True: 5 try: 6 # 获得下一个值: 7 x = next(it) 8 except StopIteration: 9 # 遇到StopIteration就退出循环 10 break
4. 装饰器
软件开发中的一个原则:“开放-封闭”原则。简单来说,它规定已经实现的功能代码不允许被修改,但可以被扩展,即:
- 封闭:已实现的功能代码块
- 开放:对扩展开发
1)入门示例:
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 def myfunc(): 6 print("i am myfunc ...") 7 8 myfunc()
输出结果:
1 i am myfunc
第二步,添加打印日志的功能:
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 def myfunc(): 6 print("myfunc() called ...") 7 print("i am myfunc") 8 9 myfunc()
输出结果:
1 myfunc() called ... 2 i am myfunc
好处:成功插入了日志功能
缺点:1)其他函数也有插入日志的需求,这样写就形成了大量的重复代码。
2)违背了“开放-封闭”原则,已经实现的功能代码被修改。
为了减少重复写代码,根据“开放-封闭”原则,重新定义一个函数,用来专门处理日志。
第三步,定义一个记录日志的函数:
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 def myfunc(): 6 print("i am myfunc") 7 8 9 # def myfunc(): 10 # print("myfunc() called ...") 11 # print("i am myfunc") 12 13 14 def use_logging(func): 15 print("%s is called ..." % func.__name__) 16 func() 17 18 use_logging(myfunc)
输出结果:
1 myfunc is called ... 2 i am myfunc
好处:
1)符合“开放-封闭”原则
2)减少了重复代码
缺点:改变了调用方式,破坏了原有代码的逻辑结构
第四步,使用装饰器
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 def myfunc(): 6 print("i am myfunc") 7 8 9 def use_logging(func): 10 def wrapper(*args, **kwargs): 11 print("%s is called ..." % func.__name__) 12 func() 13 return wrapper 14 15 myfunc = use_logging(myfunc) 16 myfunc()
输出结果:
1 myfunc is called ... 2 i am myfunc
函数 use_logging 就是装饰器,它把执行真正业务方法的 func 包裹在函数里面,看起来像 myfunc 被 use_logging 装饰了。在这个例子中,函数进入和退出时 ,被称为一个横切面(Aspect),这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。
@ 符号是装饰器的语法糖,在定义函数的时候使用,避免再一次赋值操作。
第五步,使用语法糖:
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 def use_logging(func): 6 def wrapper(*args, **kwargs): 7 print("%s is called ..." % func.__name__) 8 func() 9 return wrapper 10 11 12 @use_logging 13 def myfunc(): 14 print("i am myfunc") 15 16 myfunc()
输出结果:
1 myfunc is called ... 2 i am myfunc
如上所示,这样我们就可以省去 myfunc = use_logging(myfunc) 这一句了,直接调用 myfunc() 即可得到想要的结果。如果我们有其他的类似函数,我们可以继续调用装饰器来修饰函数,而不用重复修改函数或者增加新的封装。这样,我们就提高了程序的可重复利用性,并增加了程序的可读性。
装饰器在 Python 使用如此方便都要归因于 Python 的函数能像普通的对象一样能作为参数传递给其他函数,可以被赋值给其他变量,可以作为返回值,可以被定义在另外一个函数内。
装饰器还有更大的灵活性,例如带参数的装饰器:在上面的装饰器调用中,比如 @use_logging,该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时,提供其它参数,比如 @decorator(a) ,这样,就为装饰器的编写和使用提供了更大的灵活性。
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 def use_logging(level): 6 def decorator(func): 7 def wrapper(*args, **kwargs): 8 if level == "warn": 9 print("%s is called ..." % func.__name__) 10 return func(*args) 11 return wrapper 12 return decorator 13 14 15 @use_logging(level="warn") 16 def myfunc(name = 'myfunc'): 17 print("i am %s" % name) 18 19 myfunc()
输出结果:
1 myfunc is called ... 2 i am myfunc
上面的 use_logging 是允许带参数的装饰器,它实际上是对原有装饰器的一个函数封装,并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我们使用@use_logging(level="warn") 调用的时候,Python 能够发现这一层的封装,并把参数传递到装饰器的环境中。
3)类装饰器相比函数装饰器,类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的 __call__方法,当使用 @ 形式将装饰器附加到函数上时,就会调用此方法。
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 class Logging(object): 6 def __init__(self, func): 7 self._func = func 8 9 def __call__(self): 10 print('class decorator running') 11 self._func() 12 print('class decorator ending') 13 14 15 @Logging 16 def myfunc(): 17 print('i am myfunc') 18 19 myfunc()
输出结果:
1 class decorator running 2 i am myfunc 3 class decorator ending
4)functools.wraps
使用装饰器极大地复用了代码,但是他有一个缺点就是原函数的元信息不见了,比如函数的 docstring、__name__、参数列表,先看例子:
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 # 装饰器 6 def logged(func): 7 def with_logging(*args, **kwargs): 8 print(func.__name__ + " was called") 9 return func(*args, **kwargs) 10 return with_logging 11 12 13 # 函数 14 @logged 15 def f(x): 16 """do some math""" 17 return x + x * x 18 19 20 # # 上述函数完全等价于以下函数 21 # def f(x): 22 # return x + x * x 23 # f = logged(f) 24 25 print(f.__name__) 26 print(f.__doc__)
输出结果:
1 with_logging 2 None
这个问题是就比较严重的,好在我们有functools.wraps,wraps本身也是一个装饰器,它能把原函数的元信息拷贝到装饰器函数中,这使得装饰器函数也有和原函数一样的元信息了。
1 #!/usr/bin/env python 2 # -*- coding:UTF-8 -*- 3 4 5 from functools import wraps 6 def logged(func): 7 @wraps(func) 8 def with_logging(*args, **kwargs): 9 print(func.__name__ + " was called") 10 return func(*args, **kwargs) 11 return with_logging 12 13 14 @logged 15 def f(x): 16 """do some math""" 17 return x + x * x 18 19 print(f.__name__) 20 print(f.__doc__)
输出结果:
1 f 2 do some math
@staticmathod、@classmethod、@property
装饰器的顺序@a @b @c def f ():
等效于
f = a(b(c(f)))
5. 软件目录构规范
1)为什么要设计好目录结构
"设计项目目录结构",就和"代码编码风格"一样,属于个人风格问题。对于这种风格上的规范,一直都存在两种态度:
- 一类同学认为,这种个人风格问题"无关紧要"。理由是能让程序 work 就好,风格问题根本不是问题。
- 另一类同学认为,规范化能更好的控制程序结构,让程序具有更高的可读性。
软件开发比较偏向于后者,维护一个非常不好读的项目,虽然其实现的逻辑可能并不复杂,但是却会耗费非常长的时间去理解它想表达的意思。所以,对于提高项目可读性、可维护性的要求就很必要了。"项目目录结构"其实也是属于"可读性和可维护性"的范畴,我们设计一个层次清晰的目录结构,就是为了达到以下两点:
- 可读性高: 不熟悉这个项目的代码的人,一眼就能看懂目录结构,知道程序启动脚本是哪个,测试目录在哪儿,配置文件在哪儿等等。从而非常快速的了解这个项目。
- 可维护性高: 定义好组织规则后,维护者就能很明确地知道,新增的哪个文件和代码应该放在什么目录之下。这个好处是,随着时间的推移,代码/配置的规模增加,项目结构不会混乱,仍然能够组织良好。
所以,保持一个层次清晰的目录结构是有必要的。更何况组织一个良好的工程目录,其实是一件很简单的事儿。
2)目录组织方式
关于如何组织一个较好的Python工程目录结构,已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上,能看到大家对Python目录结构的讨论。
假设你的项目名为foo, 建议最方便快捷目录结构这样就足够了:
Foo/
|-- bin/
| |-- foo
|
|-- foo/
| |-- tests/
| | |-- __init__.py
| | |-- test_main.py
| |
| |-- __init__.py
| |-- main.py
|
|-- docs/
| |-- conf.py
| |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README
简要解释一下:
bin/
: 存放项目的一些可执行文件,当然你可以起名script/
之类的也可以。foo/
: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/
存放单元测试代码; (3) 程序的入口最好命名为main.py
。docs/
: 存放一些文档。setup.py
: 安装、部署、打包的脚本。requirements.txt
: 存放软件依赖的外部Python包列表。README
: 项目说明文件。
除此之外,有一些方案给出了更加多的内容。比如 LICENSE.txt,
ChangeLog.txt
文件等,这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件,目录该如何组织,可以参考这篇文章。
3)关于README的内容
每个项目都应该有一个README文件,目的是能简要描述该项目的信息,让读者快速了解这个项目。
它需要说明以下几个事项:
- 软件定位,软件的基本功能。
- 运行代码的方法: 安装环境、启动命令等。
- 简要的使用说明。
- 代码目录结构说明,更详细点可以说明软件的基本原理。
- 常见问题说明。
有以上几点是比较好的一个README
。在软件开发初期,由于开发过程中以上内容可能不明确或者发生变化,并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候,是需要撰写这样的一个文档的。
可以参考Redis源码中Readme的写法,这里面简洁但是清晰的描述了Redis功能和源码结构。
4)关于requirements.txt和setup.py
setup.py
一般来说,用setup.py
来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题,而是说,一个项目一定要有一个安装部署工具,能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。
刚开始接触Python写项目的时候,安装环境、部署代码、运行程序这个过程全是手动完成,遇到过以下问题:
- 安装环境时经常忘了最近又添加了一个新的Python包,结果一到线上运行,程序就出错了。
- Python包的版本依赖问题,有时候我们程序中使用的是一个版本的Python包,但是官方的已经是最新的包了,通过手动安装就可能装错了。
- 如果依赖的包很多的话,一个一个安装这些依赖是很费时的事情。
- 新同学开始写项目的时候,将程序跑起来非常麻烦,因为可能经常忘了要怎么安装各种依赖。
setup.py
可以将这些事情自动化起来,提高效率、减少出错的概率。"复杂的东西自动化,能自动化的东西一定要自动化。"是一个非常好的习惯。
setuptools的文档比较庞大,刚接触的话,可能不太好找到切入点。学习技术的方式就是看他人是怎么用的,可以参考一下Python的一个Web框架,flask是如何写的: setup.py
当然,简单点自己写个安装脚本(deploy.sh
)替代setup.py
也未尝不可。
requirements.txt
这个文件存在的目的是:
- 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中,避免在
setup.py
安装依赖时漏掉软件包。 - 方便读者明确项目使用了哪些Python包。
这个文件的格式是每一行包含一个包依赖的说明,通常是flask>=0.10
这种格式,要求是这个格式能被pip
识别,这样就可以简单的通过 pip install -r requirements.txt
来把所有Python包依赖都装好了。具体格式说明: 点这里。
5)关于配置文件的使用方法
注意,在上面的目录结构中,没有将conf.py
放在源码目录下,而是放在docs/
目录下。
很多项目对配置文件的使用做法是:
- 配置文件写在一个或多个python文件中,比如此处的conf.py。
- 项目中哪个模块用到这个配置文件就直接通过
import conf
这种形式来在代码中使用配置。
对这种做法不太赞同:
- 这让单元测试变得困难(因为模块内部依赖了外部配置)
- 另一方面配置文件作为用户控制程序的接口,应当可以由用户自由指定该文件的路径。
- 程序组件可复用性太差,因为这种贯穿所有模块的代码硬编码方式,使得大部分模块都依赖
conf.py
这个文件。
所以,更好的配置的使用方式是,
- 模块的配置都是可以灵活配置的,不受外部配置文件的影响。
- 程序的配置也是可以灵活控制的。
能够佐证这个思想的是,用过nginx和mysql的同学都知道,nginx、mysql这些程序都可以自由的指定用户配置。
所以,不应当在代码中直接import conf
来使用配置文件。上面目录结构中的conf.py
,是给出的一个配置样例,不是在写死在程序中直接引用的配置文件。可以通过给main.py
启动参数指定配置路径的方式来让程序读取配置内容。当然,这里的conf.py
你可以换个类似的名字,比如settings.py
。或者你也可以使用其他格式的内容来编写配置文件,比如settings.yaml
之类的。
5.本节作业
作业需求:
模拟实现一个ATM + 购物商城程序
- 额度 15000或自定义
- 实现购物商城,买东西加入 购物车,调用信用卡接口结账
- 可以提现,手续费5%
- 每月22号出账单,每月10号为还款日,过期未还,按欠款总额 万分之5 每日计息
- 支持多账户登录
- 支持账户间转账
- 记录每月日常消费流水
- 提供还款接口
- ATM记录操作日志
- 提供管理接口,包括添加账户、用户额度,冻结账户等。。。
- 用户认证用装饰器
示例代码 https://github.com/triaquae/py_training/tree/master/sample_code/day5-atm