python学习第四天
一、闭包函数
1.1闭包的概念
#如下,外层函数out内定义了inner函数,inner函数在被调用时,
#打印x;首先inner找自己内部是否有x;没有则向上一层找,
#在上一层(out)中存在x,则不会再向上寻找,
#如此形式为闭包
x='全局'
def out():
x=1
def inner():
print(x)
return inner
out()()
x='全局'
def out(x):
def inner():
print(x)
return inner
out(x=3)()
1.2闭包的意义
闭包的意义:返回的函数对象,不仅仅是一个函数对象,在该函数外还包裹了一层作用域,这使得,该函数无论在何处调用,优先使用自己外层包裹的作用域
二、装饰器
2.1装饰器的概念
装饰器是闭包函数的一种应用场景。本身可以是任意可调用对象,被装饰者也可以是任意可调用对象。强调装饰器的原则:1 不修改被装饰对象的源代码 。2 不修改被装饰对象的调用方式 。装饰器的目标:在遵循1和2的前提下,为被装饰对象添加上新功能
2.2装饰器的使用
# 无参装饰器
# 场景:有如下函数index,需要在不更改函数代码和其调用方式的前提下,
# 为函数index增加计算其执行时间的功能
# import time
# def index(user):
# time.sleep(3)
# print('welcome %s '%user)
# index('tom')
import time
from functools import wraps #该模块用于使被装饰前与被装饰后的函数介绍等信息保持一致
def timmer(func):
@wraps(func) #使被装饰前与被装饰后的函数介绍等信息保持一致
def inner(*args,**kwargs):
start_time=time.time()
res=func(*args,**kwargs) #使被装饰前与被装饰后,函数的返回值保持一致
stop_time=time.time()
print('time is [%s]'%(stop_time-start_time))
return res
return inner
@timmer #相当于index=timmer(index)
def index(user):
'''
print welcome
:return: ok
'''
time.sleep(3)
print('welcome %s'%user)
return 'ok'
index('tom')
help(index)
#有参装饰器
#场景:有如下函数index,需要在不更改函数代码和其调用方式的前提下,
# 为函数index增加计算其执行时间的功能
#增加一个用户认证功能,认证根据与参数选择是通过文件提取认证比对信息
# 或通过数据库提取认比对信息
# import time
# def index(user):
# time.sleep(3)
# print('welcome %s '%user)
# index('tom')
import time
from functools import wraps #该模块用于使被装饰前与被装饰后的函数介绍等信息保持一致
def auth(dirver): #该层用来给新增加的认证功能传参数,可以满足所有传参数的需求,所以有参装饰器最多三层足够
def auth2(func):#如果直接在该层传参数,会改变原函数的执行方式
def inner(*args,**kwargs):
if dirver=='file':
user='tom'#从文件中提取用户名和密码的过程省略
password='123'
elif dirver=='db':
user='tom'
password='123'
user_name=input('name> ')
user_password=input('password> ')
if user_name==user and user_password==password:
print('login successful')
func(*args,**kwargs)
return inner
return auth2
def timmer(func):
@wraps(func) #使被装饰前与被装饰后的函数介绍等信息保持一致
def inner(*args,**kwargs):
start_time=time.time()
res=func(*args,**kwargs) #使被装饰前与被装饰后,函数的返回值保持一致
stop_time=time.time()
print('time is [%s]'%(stop_time-start_time))
return res
return inner
@auth('file')
@timmer
def index(user):
'''
print welcome
:return: ok
'''
time.sleep(3)
print('welcome %s'%user)
return 'ok'
index('tom')
help(index)
2.3装饰器语法
#被装饰函数的正上方,单独一行
@deco1#装饰deco2
@deco2#装饰deco3
@deco3#装饰foo
def foo():
pass
foo=deco1(deco2(deco3(foo)))
三、迭代器
3.1迭代器的概念和意义
迭代是一个重复的过程,每次重复即一次迭代,并且每次迭代的结果都是下一次迭代的初始值
3.1.1、为何要有迭代器?
对于序列类型:字符串、列表、元组,我们可以使用索引的方式迭代取出其包含的元素。但对于字典、集合、文件等类型是没有索引的,若还想取出其内部包含的元素,则必须找出一种不依赖于索引的迭代方式,这就是迭代器
3.1.2、什么是可迭代对象?
可迭代对象指的是内置有__iter__方法的对象,即obj.iter,如下
'hello'.iter
(1,2,3).iter
[1,2,3].iter
{'a':1}.iter
{'a','b'}.iter
open('a.txt').iter
3.1.3、什么是迭代器对象?
可迭代对象执行obj.iter()得到的结果就是迭代器对象
而迭代器对象指的是即内置有__iter__又内置有__next__方法的对象
迭代器对象执行obj.iter()得到的还是其本身
文件类型是迭代器对象
open('a.txt').__iter__()
open('a.txt').__next__()
3.1.4、注意:
迭代器对象一定是可迭代对象,而可迭代对象不一定是迭代器对象
3.2迭代器的使用
dic={'a':1,'b':2,'c':3}
iter_dic=dic.__iter__() #得到迭代器对象,迭代器对象即有__iter__又有__next__,但是:迭代器.__iter__()得到的仍然是迭代器本身
iter_dic.__iter__() is iter_dic #True
print(iter_dic.__next__()) #等同于next(iter_dic)
print(iter_dic.__next__()) #等同于next(iter_dic)
print(iter_dic.__next__()) #等同于next(iter_dic)
# print(iter_dic.__next__()) #抛出异常StopIteration,或者说结束标志
#有了迭代器,我们就可以不依赖索引迭代取值了
iter_dic=dic.__iter__()
while 1:
try:
k=next(iter_dic)
print(dic[k])
except StopIteration:
break
#这么写太丑陋了,需要我们自己捕捉异常,控制next,python这么牛逼,能不能帮我解决呢?能,请看for循环
#基于for循环,我们可以完全不再依赖索引去取值了
dic={'a':1,'b':2,'c':3}
for k in dic:
print(dic[k])
#for循环的工作原理
#1:执行in后对象的dic.__iter__()方法,得到一个迭代器对象iter_dic
#2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码
#3: 重复过程2,直到捕捉到异常StopIteration,结束循环
3.3迭代器的优缺点
优点: - 提供一种统一的、不依赖于索引的迭代方式 - 惰性计算,节省内存
缺点: - 无法获取长度(只有在next完毕才知道到底有几个值) - 一次性的,只能往后走,不能往前退
四、生成器
4.1生成器的概念
只要函数内部包含有yield关键字,那么函数名()的到的结果就是生成器,并且不会执行函数内部代码
def func():
print('====>first')
yield 1
print('====>second')
yield 2
print('====>third')
yield 3
print('====>end')
g=func()
print(g) #<generator object func at 0x0000000002184360>
g.__iter__
g.__next__
#所以生成器就是迭代器,因此可以这么取值
res=next(g)
print(res)
4.2生成器的应用
#场景:模拟range函数
def my_ragne(start,stop,step=1):
while start < stop:
yield start
start+=step
x=my_ragne(1,7)
print(next(x))
print(next(x))
#应用于for循环
for i in my_range(1,7,2):
print(i)
#
#协程函数
#yield关键字的另外一种使用形式:表达式形式的yield
def menu():
print('开始点菜')
food_list=[]
while True:
food=yield food_list #先将send的值赋值给food;然后return food_list作为此次执行函数的返回值
print('您点了:%s'%food)
food_list.append(food)
g=menu()
g.send(None) #send方法触发一次next,并把其参数传递给yield;#对于表达式形式的yield,在使用时,第一次必须传None,g.send(None)等同于next(g)
g.send('包子')
all=g.send('蒸羊羔')
print(all)
五、三元表达式
#if的单行结构
name=input('姓名>>: ')
res='SB' if name == 'alex' else 'NB'
print(res)
六、列表推导式
#1、示例
egg_list=[]
for i in range(10):
egg_list.append('鸡蛋%s' %i)
egg_list=['鸡蛋%s' %i for i in range(10)]
#2、语法
[expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
...
for itemN in iterableN if conditionN
]
类似于
res=[]
for item1 in iterable1:
if condition1:
for item2 in iterable2:
if condition2
...
for itemN in iterableN:
if conditionN:
res.append(expression)
#3、优点:方便,改变了编程习惯,可称之为声明式编程
七、生成器表达式
#1、把列表推导式的[]换成()就是生成器表达式
#2、示例:生一筐鸡蛋变成给你一只老母鸡,用的时候就下蛋,这也是生成器的特性
>>> chicken=('鸡蛋%s' %i for i in range(5))
>>> chicken
<generator object <genexpr> at 0x10143f200>
>>> next(chicken)
'鸡蛋0'
>>> list(chicken) #因chicken可迭代,因而可以转成列表
['鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4',]
#3、优点:省内存,一次只产生一个值在内存中