python迭代器生成器

1、迭代器基本理解和使用

生成器和迭代器。含有yield的特殊函数为生成器。可以被for循环的称之为可以迭代的。而可以通过_next()_调用，并且可以不断返回值的称之为迭代器。

yield是python中的一个generator（生成器）， 是一个类似子函数中的 return 的关键字，只是这个子函数返回的是个生成器。当调用这个子函数的时候，子函数内部的代码并不立马执行 ，这个子函数只是返回一个生成器对象当你使用for进行迭代的时候，

子函数中的代码，才会执行在这里，所有的值都存在内存当中，所以并不适合大量数据。

 

 　　

2、yield简单的生成器

#迭代器简单的使用
print([i *2 for i in range(10)])
print((i *2 for i in range(10)).__next__())


#labo 数量
def lab(max):
    a,b,n=0,1,1
    while n< max :
        a,b=b,a+b
        n= n+1
        print(b)
    return 0

lab(10)

# a,b=b,a+b   注意赋值，相当于tmp = [b,a+b] ,a= tmp[0],b=tmp[2]

# 生成器
#labo 数量
def lab(max):
    a,b,n=0,1,1
    while n< max :
        yield b
        a,b=b,a+b
        n= n+1
        print(b)

f=(lab(10))


print(f.__next__())
print(f.__next__())
print(f.__next__())

3、单线程并行效果，生成器的实际应用，生产者，消费者问题（异步IO雏形）

# yield 单线程并行 异步调用
# 生产者消费者

def  consumer(name):
    print("%s 开始准备吃包子了" %(name))
    while True:
        baozi = yield
        print("%s 开始吃 %s" %(name,baozi))
    return 'done'

def production():
    c1 = consumer('xiajinqi')
    c2 = consumer('xiaosan')
    c1.__next__()
    c2.__next__()  #两位顾客准备吃包子
    print("laozi开始做包子")  #开始准备做包子
    for i in range(20):
        baozi1='猪肉馅'
        baozi2='韭菜馅'
        print("做了一个猪肉馅")
        print("做了一个韭菜馅")
        c1.send(baozi1)
        c2.send(baozi2)
    return 0

production()

4、迭代器

print(isinstance([ i* 2 for i   in range (10)],Iterator))
print(isinstance(( i* 2 for i   in range (10)),Iterator))

# 3.0 range 默认为迭代器

5、内置函数

 

print(abs(-10))  #取绝对值10
print(all([2,0,2])) # 可迭代对象中如果有都为真，返回true
print(all([-1,-1,2])) # 可迭代对象中是否为真（有一个为真）
print(bin(22)) #0b10110  数字转化为2进制
print(callable()) # 判断函数是否可以调用

6、序列化

#序列化
import  json
info = {"name":"xiajinqi","age":18}

f = open("11.txt","w",encoding='utf-8')
data=json.dumps(info)
f.write(data)
f.close()

#序列化
import  json
#info = {"name":"xiajinqi","age":18}

f = open("11.txt","r",encoding='utf-8')
data = json.loads(f.read())
print(data['age'])
f.close()

7、pickel

import  pickle
#info = {"name":"xiajinqi","age":18}


def  login():
    print("hello")

info = {"name":"xiajinqi","func":login}
f = open("11.txt","wb")
f.write(pickle.dumps(info))
f.close()


#序列化
import  pickle
#info = {"name":"xiajinqi","age":18}


def  login():
    print("hello1")

info = {"name":"xiajinqi","func":login}
f = open("11.txt","rb")
data =pickle.loads(f.read())
print(data)
print(data['func']())
f.close()

8\序列化注意，只能loads和dumps一次

9、软件目录规范：

"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:

1. 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。
2. 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。

我是比较偏向于后者的，因为我是前一类同学思想行为下的直接受害者。我曾经维护过一个非常不好读的项目，其实现的逻辑并不复杂，但是却耗费了我非常长的时间去理解它想表达的意思。从此我个人对于提高项目可读性、可维护性的要求就很高了。"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:

1. 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。
2. 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，我认为，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。

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。

这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。

假设你的项目名为foo, 我比较建议的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:

1. bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。
2. 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。
3. docs/: 存放一些文档。
4. setup.py: 安装、部署、打包的脚本。
5. requirements.txt: 存放软件依赖的外部Python包列表。
6. README: 项目说明文件。

。