迭代器

迭代的概念

使用for循环遍历取值的过程叫做迭代，比如：使用for循环遍历列表获取值的过程

使用for循环遍历取值的对象叫做可迭代对象, 比如：列表、元组、字典、集合、range、字符串

判断对象是否是指定类型

from collections import Iterable

result = isinstance((3,5), Iterable)

自定义可迭代对象: 在类里面定义__iter__方法创建的对象就是可迭代对象

可迭代对象的本质：遍历可迭代对象的时候其实获取的是可迭代对象的迭代器， 然后通过迭代器获取对象中的数据

自定义迭代器对象: 在类里面定义__iter__和__next__方法创建的对象就是迭代器对象

注：在这里有两个概念，一个是 可迭代对象 一个是 迭代器对象 不要混淆

demo：

from collections import Iterator

# 自定义可迭代对象: 在类里面定义__iter__方法创建的对象就是可迭代对象

class MyList(object):

def __init__(self):

self.my_list =list()

# 添加指定元素

def append_item(self, item):

self.my_list.append(item)

def __iter__(self):

# 可迭代对象的本质：遍历可迭代对象的时候其实获取的是可迭代对象的迭代器， 然后通过迭代器获取对象中的数据

my_iterator = MyIterator(self.my_list)

return my_iterator

# 自定义迭代器对象: 在类里面定义__iter__和__next__方法创建的对象就是迭代器对象

class MyIterator(object):

def __init__(self, my_list):

self.my_list = my_list

# 记录当前获取数据的下标

self.current_index =0

# 判断当前对象是否是迭代器

result =isinstance(self, Iterator)

print("MyIterator创建的对象是否是迭代器:", result)

def __iter__(self):

return self

# 获取迭代器中下一个值

def __next__(self):

if self.current_index

self.current_index +=1

return self.my_list[self.current_index -1]

else:

# 数据取完了，需要抛出一个停止迭代的异常

raise StopIteration

my_list = MyList()

my_list.append_item(1)

my_list.append_item(2)

result =isinstance(my_list, Iterable)

print(result)

for value in my_list:

print(value)

iter()函数与next()函数

iter函数: 获取可迭代对象的迭代器，会调用可迭代对象身上的__iter__方法

next函数: 获取迭代器中下一个值，会调用迭代器对象身上的__next__方法

for循环的本质

遍历的是可迭代对象

for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。

遍历的是迭代器

for item in Iterator 循环的迭代器，不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。

生成器

生成器是一类特殊的迭代器,它不需要再像上面的类一样写__iter__()和__next__()方法了, 使用更加方便,它依然可以使用next函数和for循环取值

创建生成器方法1

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。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器(Generator)。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

(i for i in range(5))

如果我们打印它的类型我们可以看到是

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来，可以通过generator的next()方法：

创建生成器方法2

在def函数里面看到有yield关键字那么就是生成器

demo(斐波那契额数列)

def fibonacci(num):

a =0

b =1

# 记录生成fibonacci数字的下标

current_index =0

while current_index < num:

result = a

a, b = b, a + b

current_index +=1

# 代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行

yield result

for i in fibonacci(5):

print(i)

只要在def中有yield关键字的 就称为 生成器

使用send方法启动生成器并传参

def gen():

i =0

while i<5:

temp =yield i

print(temp)

i+=1

我们可以调用send方法给yield传值

f = gen()

next(f)   #首次调用必须是next，因为生成器还没有执行到yield 无法进行接收值

f.send('haha')   #send 发送值 传递给生成器 由temp进行接收

next(f)   #再次调用next  相当于send了一个None

f.send('haha')

yield和return的对比

使用了yield关键字的函数不再是函数，而是生成器。(使用了yield的函数就是生成器)

代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行

每次启动生成器都会返回一个值，多次启动可以返回多个值，也就是yield可以返回多个值

return只能返回一次值，代码执行到return语句就停止迭代,抛出停止迭代异常

yield可以在下次执行的时候接受传递的值

生成器创建有两种方式，一般都使用yield关键字方法创建生成器

yield特点是代码执行到yield会暂停，把结果返回出去，再次启动生成器在暂停的位置继续往下执行

装饰器

装饰器使用的原理就是闭包，在函数的时候介绍过闭包的一个使用：

https://www.jianshu.com/p/40ab45debf43

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。

概括的讲，装饰器的作用就是为已经存在的函数或对象添加额外的功能。

简单装饰器

def test(fun):

def test_in():

#增加的功能

print("这是我新增的功能")

return  fun()    #一般我们把函数的结果返回，不会自己直接执行

# 其实这里返回的就是闭包的结果

return test_in#返回一定是内部函数的引用，不能带有小括号

@test

def fun():

return "rookieyu"

print(fun())

简单的装饰器，函数没有参数传递

装饰器 @test

相当于 fun = test(fun)

在这里调用的test ，然后把fun这个函数当做一个对象传递给test函数，返回的是test_in函数重新赋值给fun

最后我们在执行fun()的时候，相当于执行的是test(fun)() 是test_in函数。执行后会在函数里面先执行我们增加的功能，之后把函数之后的结果返回。

函数带参数装饰器

def debug(func):

def wrapper(*args, **kwargs):# 指定宇宙无敌参数

print("[DEBUG]: enter {}()".format(func.__name__))

print('Prepare and say...',)

return func(*args, **kwargs)

return wrapper  # 返回

@debug

def say(something):

print("hello {}!".format(something))

say("rookieyu")

我们采用的是*args, **kwargs，这样我们再调用装饰器的时候可以随意设置变量，让我们的装饰器更具有通用性

装饰器带参数,在原有装饰器的基础上，设置外部变量

def logging(level):

def wrapper(func):

def inner_wrapper(*args, **kwargs):

print("[{level}]: enter function {func}()".format(level=level,func=func.__name__))

return func(*args, **kwargs)

return inner_wrapper

return wrapper

@logging(level='INFO')

def say(something):

print("say {}!".format(something))

# 如果没有使用@语法，等同于

# say = logging(level='INFO')(say)

@logging(level='DEBUG')

def do(something):

print("do {}...".format(something))

if __name__ =='__main__':

say('hello')

do("my work")

在这里我们可以看到装饰器也可以传参数的，但是我们必须要再去做一层嵌套的使用。

基于类实现的装饰器

装饰器函数其实是这样一个接口约束，它必须接受一个callable对象作为参数，然后返回一个callable对象。在Python中一般callable对象都是函数，但也有例外。只要某个对象重载了__call__()方法，那么这个对象就是callable的。

demo:

class logging(object):

def __init__(self, func):

self.func = func

def __call__(self, *args, **kwargs):

print("[DEBUG]: enter function {func}()".format(func=self.func.__name__))

return self.func(*args, **kwargs)

@logging

def say(something):

print("say {}!".format(something))

say("rookie")

内置的装饰器

内置的装饰器和普通的装饰器原理是一样的，只不过返回的不是函数，而是类对象，所以更难理解一些。

@property  可以将一个方法，当做一个属性来使用

@staticmethod   将类方法装换成一个静态方法

@classmethod  将类方法装换成为类方法