装饰器&生成器&迭代器
装饰器
为什么要使用装饰器?
软件一旦上线就需要遵循开放封闭原则。
开放:对现有功能的扩展开放
封闭:已实现的功能代码块不应该被修改,对修改的源代码是封闭的
什么是装饰器?
装饰–》增加函数功能 器–》工具
装饰器是为被修饰的对象增加功能的工具,并遵循不修改源代码,不修改调用方式的工具
例如:需要对一个网站比较受欢迎的几个版块进行用户身份认证,其中包括“科幻” 和 “动漫”专区
代码如下:
account={
'username':'sunwukong',#用户信息
'passworld':'abc123',#用户密码
'tag':False #用户登录状态,登录就为True
}
def login(func):
def inner(*args,**kwargs):#wuxia()执行时无参数,dongman()执行时需要传入参数vip
if account['tag'] is False:
print('请输入网站账号密码')
username=input('user:').strip()
passworld=input('passworld:').strip()
if username==account['username'] and passworld==account['passworld']:
print('welcome to login')
account['tag']=True
else:
print('wrong name or passworld')
if account['tag'] is True:
func(*args,**kwargs)
return inner
def home():
print('---------网站首页---------')
def wuxia():
print('---------武侠专区---------')
def kehuan():
print('---------科幻专区---------')
def dongman(vip):
if vip<3:
print('---------动漫专区普通会员---------')
else:
print('---------动漫专区高级会员---------')
print('高级会员可查看更多网络动漫')
home()
kehuan=login(kehuan)#这次执行login返回的是inner的内存地址
dongman=login(dongman)
wuxia()
kehuan()#相当于执行inner函数
dongman(5)
#执行结果
# ---------网站首页---------
# ---------武侠专区---------
# 请输入网站账号密码
# user:sunwukong
# passworld:abc123
# welcome to login
# ---------科幻专区---------
# ---------动漫专区高级会员---------
# 高级会员可查看更多网络动漫
其中kehuan=login(kehuan);kehuan() 这两句代码可简化如下:
@login
def kehuan():
print('---------科幻专区---------')
@login
def dongman(vip):
if vip<3:
print('---------动漫专区普通会员---------')
else:
print('---------动漫专区高级会员---------')
print('高级会员可查看更多网络动漫')
home()
wuxia()
kehuan()#相当于执行inner函数
dongman(5)
@函数名,一定要放在所要增加装饰器的函数正上方
生成器
列表生成式
通过遍历列表相关的生成式,如下:
a=map(lambda x:x**2,[1,2,3,4,5,6,7,8,9])
for i in a:
print(i)
#执行结果
# 1
# 4
# 9
# 16
# 25
# 36
# 49
# 64
# 81
生成器
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数元素占用的空间都白白浪费了。比如我要循环100万次,按py的语法,for i in range(1000000)会先生成100万个值的列表。但是循环到第50次时,我就不想继续了,就退出了。但是90多万的列表元素就白为你提前生成了。这样会浪费大量的内存空间。
在Python中,这种一边循环一边计算后面元素的机制,称为生成器:generator。
generator保存的是算法,每次调用next(g)就计算出g的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration的错误。
g=(x**2 for x in range(10))
print(g)
print(next(g))
print(next(g))
print(next(g))
# <generator object <genexpr> at 0x000001F9180B1B88> #g为一个生成器
# 0
# 1
# 4
简便的方法就是使用for循环来遍历g,还不会出现异常
函数生成器
generator非常强大。如果推算的算法比较复杂,用类似列表生成式的for循环无法实现的时候,还可以用函数来实现。
比如,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, …
def fib(max):
a,b = 0,1
print(b)
n = 0 # 斐波那契数
while n < max:
n = a + b
a = b # 把b的旧值给到a
b = n # 新的b = a + b(旧b的值)
yield n # 程序走到这,就会暂停下来,返回n到函数外面,直到被next方法调用时唤醒
f = fib(100) # **注意这句调用时,函数并不会执行,只有下一次调用next时,函数才会真正执行**
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
#执行
# 1
# 1
# 2
# 3
# 5
最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()的时候执行,遇到yield语句暂停并返回数据到函数外,再次被next()调用时从上次返回的yield语句处继续执行。
我们在循环过程中不断调用yield,函数就会不断的中断(暂停)。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:for i in f ;print(f)
迭代器
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
我们已经知道,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,可迭代的意思就是可遍历、可循环。
可以使用isinstance()判断一个对象是否是Iterable对象:
from collections.abc import Iterable
print(isinstance([], Iterable))
print(isinstance({}, Iterable))
print(isinstance('123', Iterable))
print(isinstance((x for x in range(10)), Iterable))
print(isinstance(100, Iterable))
#运行结果
# True
# True
# True
# True
# False
生成器都是Iterator对象,但list、dict、str虽然是可迭代对象,却不是迭代器。
把list、dict、str等可迭代对象变成迭代器可以使用iter()函数:
from collections.abc import Iterator
print(isinstance(iter([]), Iterator))
print(isinstance(iter({}), Iterator))
print(isinstance(iter('123'), Iterator))
print(isinstance(iter((x for x in range(10))), Iterator))
#运行结果
# True
# True
# True
# True
使用iter()函数可以将可迭代对象变成迭代器,再使用next()方法调取迭代器的内容
from collections.abc import Iterable
from collections.abc import Iterator
l=[5,2,0,1,3,1,4]
print(isinstance(l,Iterator))
l1=iter(l)
print(isinstance(l1,Iterator))
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())
#运行结果:
# False
# True
# 5
# 2
# 0
# 1
# 3
# 1
# 4
为什么list、dict、str等数据类型不是迭代器?
这是因为Python的可迭代对象表示的是一个数据流,可迭代对象可以被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,所以迭代器的计算是惰性的,只有在需要返回下一个数据时它才会计算。迭代器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。