python3 速查参考- python基础 7 -> 函数编程之 装饰器、生成器

装饰器

---

 

1.速查笔记

#-- 函数装饰器:是它后边的函数的运行时的声明 由@符号以及后边紧跟的"元函数"(metafunction)组成  
        @staticmethod  
        def smeth(x): print(x)  
    # 等同于:  
        def smeth(x): print(x)  
        smeth = staticmethod(smeth)  

定义：在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）

经典示例：

# -*-  coding:utf-8 -*-
import time
def timer(func): #把被装饰的函数ceshi的内存地址传给了func
    def deco(*args,**kwargs):
        start_time = time.time()
        func(*args,**kwargs)
        stop_time = time.time()
        print('测试函数运行时间',(stop_time-start_time))
    return deco #返回deco的内存地址

@timer
def ceshi(a):
    time.sleep(3)
    print('测试%s'%a)
ceshi('装饰器')

2. 原则：①不能修改被装饰函数的源代码；②不能修改被装饰函数的调用方式

3.实现装饰器的技能储备

① 函数本身即是变量

② 高阶函数，把一个函数名当做实参穿给另一个函数

③ 嵌套函数

 

参考：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014318435599930270c0381a3b44db991cd6d858064ac0000

 

 

生成器

---

 

1.速查笔记

#-- 生成器函数:yield VS return  
    def gensquare(N):  
        for i in range(N):  
            yield i** 2                 # 状态挂起 可以恢复到此时的状态  
    for i in gensquare(5):              # 使用方法  
        print(i, end = ' ')             # [0, 1, 4, 9, 16]  
    x = gensquare(2)                    # x是一个生成对象  
    next(x)                             # 等同于x.__next__() 返回0  
    next(x)                             # 等同于x.__next__() 返回1  
    next(x)                             # 等同于x.__next__() 抛出异常StopIteration  
      
#-- 生成器表达式:小括号进行列表解析  
    G = (x ** 2 for x in range(3))      # 使用小括号可以创建所需结果的生成器generator object  
    next(G), next(G), next(G)           # 和上述中的生成器函数的返回值一致  
    #（1）生成器(生成器函数/生成器表达式)是单个迭代对象  
    G = (x ** 2 for x in range(4))  
    I1 = iter(G)                        # 这里实际上iter(G) = G  
    next(I1)                            # 输出0  
    next(G)                             # 输出1  
    next(I1)                            # 输出4  
    #（2）生成器不保留迭代后的结果  
    gen = (i for i in range(4))  
in gen                            # 返回True  
in gen                            # 返回True  
in gen                            # 返回False，其实检测2的时候，1已经就不在生成器中了，即1已经被迭代过了，同理2、3也不在了  

2. 生成器表达式

局限性：只能适合简单的算法

示例： 

test = (x**2 for x in range(1,10))
print(next(test))
print(test.__next__())

 

 

3. 生成器函数 yield

斐波那契函数的打印示例：

def fib(max):
    a,b,n = 1,1,0
    while n<max:
        yield b
        a,b = b,a+b
        n+=1
    return b
test = fib(10)
print(test.__next__())
print(next(test))
for i in test:
    print(i)