深入理解Python高级特性：从迭代器到装饰器-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00036/article/details/148602373

深入理解Python高级特性：从迭代器到装饰器

scientific-python-lectures Tutorial material on the scientific Python ecosystem 项目地址: https://gitcode.com/gh_mirrors/sci/scientific-python-lectures

前言

在Python编程中，掌握高级语言特性是提升代码质量和开发效率的关键。本文将深入探讨Python中的迭代器、生成器和装饰器等高级概念，帮助开发者更好地利用这些特性编写更优雅、高效的代码。

迭代器：优雅的遍历机制

迭代器是Python中实现迭代协议的对象，它提供了一种统一的方式来遍历各种数据结构。迭代器的核心在于：

迭代协议：任何实现了__iter__()和__next__()方法的对象都是迭代器
状态保持：迭代器会记住当前的遍历位置
一次性使用：迭代器只能向前移动，不能回退或重置

nums = [1, 2, 3]
it = iter(nums)
print(next(it))  # 输出1
print(next(it))  # 输出2
print(next(it))  # 输出3
print(next(it))  # 抛出StopIteration异常

迭代器的优势在于它提供了一种惰性求值的方式，特别适合处理大数据集，因为它不需要一次性将所有数据加载到内存中。

生成器表达式：简洁的迭代器创建方式

生成器表达式是创建迭代器的简洁语法，使用圆括号表示：

# 生成器表达式
gen = (x**2 for x in range(10))
print(next(gen))  # 输出0
print(next(gen))  # 输出1

# 列表推导式（立即求值）
lst = [x**2 for x in range(10)]
print(lst)  # 输出[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

生成器表达式与列表推导式的区别在于前者返回一个生成器对象（惰性求值），后者直接返回完整的列表（立即求值）。

生成器函数：更强大的迭代器创建方式

生成器函数使用yield关键字来定义，它会在每次调用next()时执行到下一个yield语句：

def count_down(n):
    print("开始倒计时")
    while n > 0:
        yield n
        n -= 1
    print("发射!")

for num in count_down(5):
    print(num)

生成器函数的优势在于：

状态自动保存：局部变量在yield之间保持状态
内存高效：不需要预先生成所有值
代码简洁：比手动实现迭代器类更简单

双向通信：生成器的进阶用法

Python的生成器支持双向通信，可以通过send()方法向生成器发送数据，通过throw()方法向生成器抛出异常：

def echo():
    while True:
        received = yield
        print(f"收到: {received}")

gen = echo()
next(gen)  # 启动生成器
gen.send("Hello")  # 输出"收到: Hello"
gen.send("World")  # 输出"收到: World"

这种双向通信机制使得生成器可以用于实现协程等高级编程模式。

装饰器：优雅的函数/类修改方式

装饰器是Python中一种强大的元编程工具，它允许在不修改原函数/类代码的情况下添加额外功能：

def log_time(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        print(f"{func.__name__}执行时间: {time.time()-start:.2f}秒")
        return result
    return wrapper

@log_time
def heavy_computation():
    time.sleep(1)
    return 42

heavy_computation()  # 会自动打印执行时间

装饰器的关键点：