python基础(八)生成器,迭代器,装饰器,递归
生成器
在函数中使用yield关键字就会将一个普通的函数变成一个生成器(generator),普通的函数只能使用return来退出函数,而不执行return之后的代码.而生成器可以使用调用一个next方法来返回生成器中上一次yield时候的状态.并且可以使用send方法给yield重新赋值.这样就可以灵活的进入和跳出函数.因此在程序中生成器可以中断当前函数,去执行其它的代码,在合适的时候跳回函数继续执行
def yield_test():
print('befor the first')
first = yield
print(first)
print('before the second')
second = yield
print(second)
print('before the Third')
Third = yield '也可以有返回值'
print(Third)
print('after the Third')
#next方法
g = yield_test()
g.__next__()
g.__next__()
yield_text = g.__next__() #获取yield传出的数据,接受数据next和发送数据yield的位置顺序相同
print(yield_text)
# g.__next__()
#send方法
g = yield_test()
g.__next__() #做实验时第一次必须是next,send会报错
g.send('2222') #send发送的数据会被赋值给当前yield之前的代码中生效.
#简单说是赋值给前一个yield以便本次代码执行
g.send('3333')
补充:通过这个例子我们发现
1,send方法被生成器当作了一次__next__,并且send的值会复制给上一个yield,
2,yield和__next_方法是一一对应.当next比函数内yield多时,最后一个next会报一个StopIteration异常.
3,yield后的代码会在下一次next调用时才会执行.
4,yield可以发送数据,也可以接受数据.获取数据时要注意传入和传出不同时机才能获取正确的yield值
所以我们通常把生成器用在可循环的对象
def read_file():
read_size = 10
with open('test.txt','rb') as f:
while True:
text = f.read(read_size)
yield text #通过yield获取当前的text值
g = read_file()
while True:
print(g.__next__())
#生成器这样使用会进入一个死循环
补充:
5, 生成器必须要有明确的退出条件,为了不造成死循环. 所以慎用循环.
def read_file():
read_size = 10
with open('test.txt','rb') as f:
while True:
text = f.read(read_size)
if text: #判断文件是否读取完毕
yield text
else:
return
g = read_file()
while True:
print(g.__next__())
迭代器
iterable(可迭代对象)可以直接作用与for循环的对象.可迭代对象分为:一,集合数据类型如:str字符串,list列表,dict字典,tuple元组,set集合等.二,生成器generator和带yield的函数.判断是否为iterable对象可以使用函数isinstance().
在python中list等集合数据类型是非常占用内存的,通过使用iter()可以将一个可迭代对象变成一个迭代器.迭代器中不存储具体数据,只是保存了产生这种数据的逻辑对象.在使用时才产生需要的数据,可以大大节省空间.
from collections import Iterator
list = []
for i in range(10):
list.append(i)
print(list,isinstance(list,Iterator))
list_Iterator= iter(list)
print(list_Iterator,isinstance(list_Iterator,Iterator))
for i in list_Iterator:
print(i)
补充:
1, 迭代器中并没有保存真正的数据,只有在我们去通过next方法去迭代器中取数据
2, 迭代器中是按照一定的顺序输出所有数据,不能取指定的数据.
装饰器
装饰器(decorator)是一种函数的高级用法,主要是通过高阶函数和返回函数组合的方式,修饰其它函数.达到被修饰的函数代码不用修改,调用方式也不变的目的.主要作用就是给被修饰的函数添加功能.
- 原函数不带参数
#假如有这么三个函数,我们需要记录访问时间和函数名,但是又不能修改函数
def home():
print('index page')
def bbs():
print('bbs page')
def news():
print('news page')
home()
bbs()
news()
#加上装饰器后的效果
import time
log_list = []
def user_log(func): #将被装饰函数作为参数传入user_log这个装饰器
def wrapper(): #触发执行装饰器的函数
func() #在装饰器内执行原函数
log_time = time.strftime("%Y-%m-%d %H:%M:%S") #装饰器内具体新代码
page_name = func.__name__
log_page = str(log_time+' ->'+page_name)
log_list.append(log_page)
return wrapper #将触发函数返回,一定不要加()执行符号
@user_log
def home():
print('index page')
@user_log
def bbs():
print('bbs page')
@user_log
def news():
print('news page')
home()
bbs()
news()
print(log_list)
- 带参数的函数
计算函数运行时间的装饰器
import time
def time_consum(func):
def wrapper(*args,**kwargs):
start_time = time.time()
func(*args,**kwargs)
print('running',time.time()-start_time)
return wrapper
@time_consum
def user_profile(username):
time.sleep(3)
print('welcome %s'%username)
user_profile('sylar')
- 装饰器带参数,
#根据装饰器参数执行不同的功能
import time
log_list = []
def change_type(ch_type='other'):
def decorator(func):
def wrapper(*args,**kwargs):
if ch_type == 'tc':
start_time = time.time()
func(*args,**kwargs)
print('running',time.time()-start_time)
else:
func()
print('other type code')
log_time = time.strftime("%Y-%m-%d %H:%M:%S") # 装饰器内具体新代码
page_name = func.__name__
log_page = str(log_time + ' ->' + page_name)
log_list.append(log_page)
return wrapper
return decorator
@change_type()
def home():
print('index page')
@change_type('tc')
def user_profile(username):
time.sleep(3)
print('welcome %s'%username)
home()
user_profile('sylar')
print(log_list)
递归函数
在函数内部,调用了这个函数自己.就叫做递归函数
#直接使用递归法求解斐波那契数量的第num个数字
def fib(num):
if num<2:
return num
return fib(num-1)+fib(num-2)
for i in range(10):
print(fib(i))
补充递归函数必须要有一个明确的结束条件,python中支持最大递归次数1000