第四周 day4 python学习笔记

  关于装饰器的更多信息可以参考http://egon09.blog.51cto.com/9161406/1836763

  1.装饰器Decorator

装饰器：本质上是函数，（装饰其他函数），就是为其他函数添加附加功能
原则：不能修改被装饰函数的源代码；不能修改被装饰函数的调用方式
#实现装饰器的知识储备：
1.函数即变量
2.高阶函数，有两种方式:
(1)把一个函数名当做实参传递给另一个函数(在不修改被装饰函数源代码的情况下为其添加功能)
(2)返回值中包含函数名(不修改函数调用的方式)
3.嵌套函数
高阶函数+嵌套函数==》装饰器

import time
#计算一个函数的运行时间的装饰器
def timer(func):
    def wrapper(*kargs,**kwargs):
        start_time=time.time()
        func()
        end_time=time.time()
        print("the func runtime is %s"%(end_time-start_time))
    return wrapper

@timer
def test1():
    time.sleep(3)
    print("in the test1....")

test1()

#高阶函数
def bar():
    print("in the bar...")

def test(func):
    print(func)#打印出该函数变量的地址
    func()

test(bar)

# 把一个函数名当做实参传递给另一个函数
import time
def bar():
    time.sleep(2)
    print("in the bar...")

def test(func):
    start_time=time.time()
    func()  #run bar()
    end_time=time.time()
    print(" the func runtime is %s"%(end_time-start_time))

test(bar)

# 返回值中包含函数名
import time
def bar():
    time.sleep(2)
    print("in the bar...")

def test2(func):
   print(func)
   return func

bar2=test2(bar)
bar2()

#嵌套函数
#局部作用域和全局作用域的访问顺序
x=0
def grandpa():
    x=1
    print("grandpa:",x)
    def dad():
        x=2
        print("dad:",x)
        def son():
            x=3
            print("son:",x)
        son()
    dad()
grandpa()

#匿名函数：没有定义函数名字的函数
calc=lambda x,y:x+y
print(calc(13,15))

import time
def timer(func):
    def deco(*kargs,**kwargs):
        start_time=time.time()
        func(*kargs,**kwargs)
        end_time=time.time()
        print(" the func runtime is %s"%(end_time-start_time))
    return deco

@timer  # test1=timer(test1)
def test1():
    time.sleep(2)
    print("in the test1.....")

# test1=timer(test1)
test1()

@timer
def test2(name,age):
    time.sleep(3)
    print("in the test2:",name,age)

test2("Jean_V",20)

#装饰器进阶版
#对各个页面添加用户认证
username,password="admin","123"
def auth(auth_type):
    print("auth_type:",auth_type)
    def out_wrapper(func):
        def wrapper(*args,**kwargs):
            if auth_type=="local":
                uname=input("请输入用户名：").strip()
                passwd=input("请输入密码：").strip()
                if uname==username and passwd==password:
                    print("\033[32;1m User has passed authentication\033[0m")
                    res=func(*args,**kwargs)
                    print("************after authentication")
                    print(res)
                else:
                    exit("\033[31;1m Invalid username or password\033[0m")
            elif auth_type=="LADP":
                print("我不会LADP认证，咋办？。。。")
        return wrapper
    return out_wrapper

def index():
    print("index page......")

@auth(auth_type="local")#home 页采用本地验证
def home():
    print("home page.....")
    return "from home page....."

@auth(auth_type="LADP")#bbs 页采用LADP验证
def bbs():
    print("bbs page....")

index()
print(home())
home()
bbs()

2.列表生成式

 

 

 

 

 

 

 

 

 

 

 

 

#列表生成式:一句代码更加简洁
a=[i*2 for i in range(10)]
print(a)
b=[i*i for i in range(20)]
print(b)
#上面的列表生成式等同于
res=[]
for i in range(10):
    res.append(i*2)
print(res)

#列表生成式的更加高级的用法：
#[funv(i) for i in range(10)]
def fun(n):#定义一个求阶乘的函数
    if n>1:
        return n*fun(n-1)
    else:
        return 1
#利用函数生成10以内的阶乘
c=[fun(i) for i in range(10)]
print(c)

3.迭代器与生成器

参考信息：http://www.cnblogs.com/alex3714/articles/5765046.html

生成器：按照某种算法可以进行推算，不必创建完整的List，节省大量空间，在迭代过程中一边循环一边计算的机制，称之为生成器generator

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。

针对generator可以使用for循环输出；因为generator也是可迭代对象

for j in g:
    print(j)

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：

著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

#斐波那契数列
#输出斐波那契数列的前m个数
def fibnacci(m):
    n,a,b=0,0,1
    while n<m:
         print(b)
         a,b=b,a+b #这一句相当于：t=(b,a+b)  a=t[0]  b=t[1]
         n+=1
    return 'done'
fibnacci(10)

上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

#斐波那契数列
#输出斐波那契数列的前m个数
def fibnacci(m):
    n,a,b=0,0,1
    while n<m:
         yield b #这一句很关键
         a,b=b,a+b #这一句相当于：t=(b,a+b)  a=t[0]  b=t[1]
         n+=1
    return ' well done'#异常的时候显示的信息
f=fibnacci(10)
for i in f:
    print(i)

g=fibnacci(6)
#捕获异常并处理
while True:
    try:
        x=next(g)
        print("g:",x)
    except StopIteration as e:
        print("Generator return value :",e.value)
        break

在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

还可通过yield实现在单线程的情况下实现并发运算的效果

生产者消费者问题　（通过生成器实现协程并行运算）

#生产者消费者问题
import time
def consumer(name):
    print("%s,准备好吃汉堡包了"%name)
    while True:
        hamburg=yield
        print("第[%s]个汉堡包来了，被[%s]吃了"%(hamburg+1,name))

def producer(name):
    c1=consumer('Alice')
    c2=consumer('Bob')
    #生产者生产的时候需要通知消费者前来吃
    c1.__next__()
    c2.__next__()
    print("%s,开始做汉堡包了"%name)
    for i in range(10):
        time.sleep(1.5)
        print("做好了1个汉堡包，可以吃了")
        c1.send(i)
        c2.send(i)

producer("Jean")

迭代器

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、bytes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：

而生成器不但可以作用于for循环，还可以被__next__()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

*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：

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：

#迭代器 range(10)表示一个可迭代对象,不是迭代器
from collections import Iterable
from collections import Iterator
a=range(10)
print(a)
print(type(a))
print(isinstance(a,Iterable))
print(isinstance(range(20),Iterator))
for x in a:
    print(x)
#for循环其实就是__next__函数不断迭代出来的

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。

4.python 内置函数

参考python官方信息：https://docs.python.org/3/library/functions.html

#内置函数
#all（Iterable）,当所有的元素都是为true，则返回true；0为false，非零为true
print(all([1,2]))#True
print(all([0,1,2]))#false
print(any([0,1,2]))#True
print(ascii([1,2,"hello","你好世界"]))#[1, 2, 'hello', '\u4f60\u597d\u4e16\u754c']
print(bin(128))#十进制转二进制#0b10000000
#字符串不能修改，只是生成一个新的字符串；二进制的字符串更不可以修改
a=bytes("abcde",encoding="utf8")#二进制类型
print(a)
print(a.capitalize())
b=bytearray("abcde",encoding="utf-8")
print(b[0])#97
b[2]=54#在bytearry 中可以修改
print(b)
print(chr(97))#'a'
print(ord('a'))#97

print(divmod(5,2))#返回商和余数
#filter过滤器
#编写过滤器，把奇数过滤掉，打印剩下剩下偶数
res=filter(lambda n:n%2==0,range(100))
for x in res:
    print(x)

#map函数,映射函数
res2=map(lambda n:n*n,range(10))
for x in res2:
    print(x)

import functools
#reduce 函数，求累加
res3=functools.reduce(lambda x,y:x+y,range(10))
print(res3)
#利用reduce求阶乘
res4=functools.reduce(lambda x,y:x*y,range(1,10))
print(res4)

#打印当前页面中的变量利用《key，values》的字典样式
print(globals())#全局变量
print(locals())#局部变量

#hex()转成十六进制，oct转八进制
print(hex(361))
print(oct(361))
#python中一切皆对象，python是一门面向对象的解释性语言
print(pow(2,8))#2的八次方
print(round(3.555412,2))#四舍五入法，3.56
a={5:12,3:14,-51:25,45:98,100:23,56:78}
print(sorted(a.items()))#将字典进行排序,默认采用key进行排序
print(sorted(a.items(),key=lambda x:x[1]))#将字典进行排序,使用的value进行排序
print(a)

#zip()将两个对象的元素对应起来
A=[1,2,3,4]
B=['a','b','c','d','e','f']
for i in zip(A,B):
    print(i)

#内置函数中的compile()方法
#把fibnacci函数进行编译并执行
code='''#输出斐波那契数列的前m个数
def fibnacci(m):
    n,a,b=0,0,1
    while n<m:
         yield b #这一句很关键，yield返回当前状态，保存当前状态
         a,b=b,a+b #这一句相当于：t=(b,a+b)  a=t[0]  b=t[1]
         n+=1
    return ' well done'#异常的时候显示的信息
f=fibnacci(10)
for i in f:
    print(i)
    '''
# py_obj=compile(code,"err.log","exec")
# exec(py_obj)
exec(code)

5.序列化与反序列化

把变量从内存中变成可存储或传输的过程称之为序列化，在Python中可以利用

json

或则

pickle

序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。
反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化

更多信息可以参考：http://www.cnblogs.com/MnCu8261/p/5539254.html

#json 序列化
#pickle序列化：与接送序列化相似，只是更高级而已
#将信息写入到硬盘上
import json
import pickle
def sayhi(name):
    print("name",name)
info={
    'name':'Jean_V',
    'age':22,
    'time':'2017-10-11',
    'func':sayhi
}
#f=open("json_test.txt",'b')
f=open("json_test.txt",'wb')#使用pickle时要使用二进制编码格式，wb，rb等
# f.write(json.dumps(info))
f.write(pickle.dumps(info))
# f.write(str(info))也是ok
f.close()

#json反序列化
#pickle反序列化：与json序列化相似，支持更高级的
#从硬盘上把信息加载到内存中
import json
import pickle
def sayhi(name):
    print("name",name)
    print("name2:",name)

f=open("json_test.txt","rb")
# f=open("json_test.txt",'r')
#print(eval(f.read())['age'])也可以ok
# data=json.loads(f.read())
data=pickle.loads(f.read())
print(data)
print(data['age'])
print(data['func'])
print(data['func']("Jean_Name"))

#pickle 序列化
#dump多次，只是复制了新的版本，原来的版本信息还在，因此：
#建议dump一次，load一次，保持最新的
import pickle
info={
    'name':"Jean_V",
    'age':22,
    'hello':'hello friends'
}
f=open("json_test2.txt",'wb')
pickle.dump(info,f)
f.close()

#pickle反序列化
import pickle
f=open("json_test2.txt","rb")
data=pickle.load(f)#等同于data=pickele.loads(f.read())
print(data['name'])
f.close()

6.作业