python自动华 (四)
Python自动化 【第四篇】:Python基础-装饰器 生成器 迭代器 Json & pickle
目录:
- 装饰器
- 生成器
- 迭代器
- Json & pickle 数据序列化
- 软件目录结构规范
1. Python装饰器
装饰器:本质是函数,(功能是装饰其它函数)就是为其他函数添加附加功能
原则:
>不能修改被装饰的函数的源代码
>不能修改被装饰的函数的调用方式
实现装饰器知识储备:
>函数即“变量”
>高阶函数
a)把一个函数名当做实参传给另外一个函数(在不修改源代码的请情况下)
b)返回值中包含函数名(不修改函数的调用方式)
>嵌套函数
高阶函数+嵌套函数=》装饰器
1.1 函数的调用顺序:
Python不允许函数在未声明之前对其进行引用或者调用
错误案例一:
def foo():print 'in the foo'bar()foo()
View Code
错误案例二:
def foo():print 'foo'bar()foo()def bar():print 'bar'
View Code
以上两个案例都会报错:NameError: global
name 'bar'
is
not
defined
正确案例一:
def bar():print 'in the bar'def foo():print 'in the foo'bar()foo()
View Code
正确案例二:
def foo():print 'in the foo'bar()def bar():print 'in the bar'foo()
View Code
(python为解释执行,函数foo在调用前已经声明了bar和foo,所以bar和foo无顺序之分)
1.2 高阶函数
高阶函数需满足以下两个条件:
a)某一函数当做参数传入另一函数中(在不修改源代码的请情况下)
b)返回值中包含函数名(不修改函数的调用方式)
高阶函数示例:
def bar():print("In the bar") def foo(func):res = func()return res foo(bar)
View Code
高阶函数进阶:
def foo(func):return funcprint 'Function body is %s' %(foo(bar))print 'Function name is %s' %(foo(bar).func_name)foo(bar)()#foo(bar)() 等同于bar=foo(bar)然后bar()bar=foo(bar)bar()
View Code
1.3 内嵌函数和变量作用域
定义:在一个函数体内创建另外一个函数,这种函数就叫内嵌函数(基于python支持静态嵌套域)
函数嵌套示范:
def foo():def bar():print'in the bar'bar() foo()
View Code
局部作用域和全局作用域的访问顺序
x=0 def grandpa():# x=1def dad():x=2def son():x=3print xson()dad() grandpa()
View Code
范例一:函数参数固定
def decorartor(func):def wrapper(n):print'starting'func(n)print'stopping'return wrapper def test(n):print'in the test arg is %s' % n decorartor(test)('Tom')
View Code
范例二:函数参数不固定
def decorartor(func):def wrapper(*args, **kwargs):print'starting'func(*args, **kwargs)print'stopping'return wrapper def test(n, x=1):print'in the test arg is %s' % n decorartor(test)('alex', x=2)
View Code
无参装饰器
import time def decorator(func):def wrapper(*args, **kwargs):start = time.time()func(*args, **kwargs)stop = time.time()print'run time is %s ' % (stop - start)printtimeoutreturn wrapper @decorator def test(list_test):for i in list_test:time.sleep(0.1)print'-' * 20, i # decorator(test)(range(10)) test(range(10))
View Code
有参装饰器
import time def timer(timeout=0):def decorator(func):def wrapper(*args, **kwargs):start = time.time()func(*args, **kwargs)stop = time.time()print'run time is %s ' % (stop - start)printtimeoutreturn wrapperreturn decorator @timer(2) def test(list_test):for i in list_test:time.sleep(0.1)print'-' * 20, i # timer(timeout=10)(test)(range(10)) test(range(10))
View Code
2. 生成器
a = [i*2 for I in range(10)] #列表生成式
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:
>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630>
View Code
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。
如果要一个一个打印出来,可以通过next()
函数获得generator的下一个返回值:
>>> next(g)0>>> next(g)1>>> next(g)4>>> next(g)9>>> next(g)16>>> next(g)25>>> next(g)36>>> next(g)49>>> next(g)64>>> next(g)81>>> next(g)Traceback (most recent call last):File "<stdin>", line 1, in <module>StopIteration
View Code
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。
当然,上面这种不断调用next(g)实在是太变态了,正确的方法是使用for循环,因为generator也是可迭代对象
>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81
View Code
所以,我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,并且不需要关心StopIteration的错误。
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
斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易:
def fib(max):n, a, b = 0, 0, 1while n < max:print(b)a, b = b, a + bn = n + 1return 'done'
View Code
上面的函数可以输出斐波那契数列的前N个数:
>>> fib(10) 1 1 2 3 5 8 13 21 34 55 done
View Code
仔细观察,可以看出,fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。
也就是说,上面的函数和generator仅一步之遥。要把fib函数变成generator,只需要把print(b)改为yield b就可以了:
def fib(max):n,a,b = 0,0,1while n < max:#print(b)yield ba,b = b,a+bn += 1return 'done'
View Code
这就是定义generator的另一种方法。如果一个函数定义中包含yield
关键字,那么这个函数就不再是一个普通函数,而是一个generator:
>>> f = fib(6)>>> f<generator object fib at 0x104feaaa0>
View Code
这里,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
语句返回,再次执行时从上次返回的yield
语句处继续执行。
data = fib(10)print(data)print(data.__next__())print(data.__next__())print("干点别的事")print(data.__next__())print(data.__next__())print(data.__next__())print(data.__next__())print(data.__next__())
View Code
#输出
<generator object fib at 0x101be02b0>11干点别的事235813
View Code
在上面fib的例子,我们在循环过程中不断调用yield,就会不断中断。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 n in fib(6):... print(n)...112358
View Code
但用for
循环调用generator时,发现拿不到generator的return
语句的返回值。如果想要拿到返回值,必须捕获StopIteration
错误,返回值包含在StopIteration
的value
中:
>>> g = fib(6)>>> while True:... try:... x = next(g)... print('g:', x)... except StopIteration as e:... print('Generator return value:', e.value)... break...g: 1g: 1g: 2g: 3g: 5g: 8Generator return value: done
View Code
还可通过yield实现在单线程的情况下实现并发运算的效果
import time def consumer(name):print("%s 准备吃包子啦!" %name)while True:baozi = yieldprint("包子[%s]来了,被[%s]吃了!" %(baozi,name))def producer(name):c = consumer('A')c2 = consumer('B')c.__next__()c2.__next__()print("老子开始准备做包子啦!")for i in range(10):time.sleep(1)print("做了2个包子!")c.send(i)c2.send(i)producer("Tom")
View Code
3. 迭代器
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。
可以使用isinstance()判断一个对象是否是Iterable对象:
>>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance('abc', Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False
View Code
而生成器不但可以作用于for
循环,还可以被next()
函数不断调用并返回下一个值,直到最后抛出StopIteration
错误表示无法继续返回下一个值了。
*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
可以使用isinstance()判断一个对象是否是Iterator对象:
1 >>> from collections import Iterator2 3 >>> isinstance((x for x in range(10)), Iterator)4 5 True6 7 >>> isinstance([], Iterator)8 9 False 10 11 >>> isinstance({}, Iterator) 12 13 False 14 15 >>> isinstance('abc', Iterator) 16 17 False
View Code
生成器都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数:
>>> isinstance(iter([]), Iterator)True>>> isinstance(iter('abc'), Iterator)True
View Code
Python的Iterator
对象表示的是一个数据流,Iterator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Iterator
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。
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。
Python的for循环本质上就是通过不断调用next()函数实现的,例如
for x in [1, 2, 3, 4, 5]:pass
View Code
实际上完全等价于:
# 首先获得Iterator对象:it = iter([1, 2, 3, 4, 5])# 循环:while True:try:# 获得下一个值:x = next(it)except StopIteration:# 遇到StopIteration就退出循环break
View Code
4. json和pickle
用于序列化的两个模块
json,用于字符串和python数据类型间进行转换
pickle,用于python特有的类型和python的数据类型间进行转换
Json模块提供了四个功能:dumps、dump、loads、load
pickle模块提供了四个功能:dumps、dump、loads、load
5. 软件目录结构规范
设计软件目录结构为了达到以下两点:
>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。
>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。
目录组织方式:
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
View Code
简要解释一下:
>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。
>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。
>docs/: 存放一些文档。
>setup.py: 安装、部署、打包的脚本。
>requirements.txt: 存放软件依赖的外部Python包列表。
>README: 项目说明文件。
转载于:https://www.cnblogs.com/honey01/p/7201565.html
python自动华 (四)相关推荐
- python自动华 (十四)
Python自动化 [第十四篇]:HTML介绍 本节内容: Html 概述 HTML文档 常用标签 2. CSS 概述 CSS选择器 CSS常用属性 1.HTML 1.1概述 HTML是英文Hyper ...
- python自动华 (七)
Python自动化 [第七篇]:Python基础-面向对象高级语法.异常处理.Scoket开发基础 本节内容: 1. 面向对象高级语法部分 1.1 静态方法.类方法.属性方法 1.2 ...
- python自动华 (十八)
Python自动化 [第十八篇]:JavaScript 正则表达式及Django初识 本节内容 JavaScript 正则表达式 Django初识 正则表达式 1.定义正则表达式 /.../ 用于定 ...
- python自动化办公能做什么-用Python自动办公,做职场高手(完结)
教程目录: ┣━07.S2 Word自动化处理,又快又好做文档 ┃ ┣━36 本章介绍 ┣━08.[Word]S2-1 轻松用Python快速生成Word文档 ┃ ┣━45.[真实案例]S2-1-3 ...
- Python基础(四)--字典与集合
Python基础(四)--字典与集合 1 字典 1.1 什么是字典 字典提供的是一种映射存储的方式.字典分为两个部分,一个是键(key),一个是key所关联的值(value).,一个键关联(或绑定)一 ...
- python自动发送邮件不需要发件邮箱_python使用QQ邮箱实现自动发送邮件
最近用到Python自动发送邮件,主要就是三步,登录邮件.写邮件内容.发送,用到的库是 smtplib 和 email,直接使用pip安装即可 我使用的是QQ邮箱,首先需要设置QQ邮箱POP3/SMT ...
- 5天学会python_学会Python自动制作Word,将看到一个5天4位数的赚钱机会
接单 周二推了一篇Python编辑ppt的文章,行哥告诉读者学会重复处理PPT接单兼职更加高效.因为Python是一种生产工具,掌握生产工具后就应该拿去尝试赚钱. 本文行哥给读者系统介绍下Python ...
- Python自动生成代码 - 通过tkinter图形化操作生成代码框架
Python自动生成代码 - 通过tkinter图形化操作生成代码框架 背景 脚本代码 Demo_CodeGenerator.py display.py FileHandler.py: 脚本运行结果: ...
- 【李刚-21天通关Python】第四章:函数
[李刚-21天通关Python]第四章:函数 第四章:函数 函数入门与定义函数 多返回值函数与递归函数 关键字参数与参数默认值 参数收集和逆向参数收集 变量作用域 局部函数 实操:定义计算N的阶乘的函 ...
最新文章
- python编程难吗-Python、C+这些编程语言难吗?十岁女孩告诉你答案
- 【机器学习】数据挖掘实战:金融贷款分类模型和时间序列分析
- 微软2021校园招聘正式启动
- wxWidgets:持久对象概述
- 【tool】c/s和b/s的区别及实例说明
- leetcode 名单 Insertion Sort List
- C/C++中怎样获取日期和时间
- visual studio写python_将 Visual Studio 变身为 Python IDE
- 移动端:zepto框架
- 数独超难题目_号称世界上最难的一道数独题,你敢来挑战吗?据说答案只有一种...
- cdrx7拼版工具在哪里_CorelDRAW X7标签怎么排版?
- cdr怎么抠图轮廓线条_cdr怎么快速抠图呢 需要技巧
- 设windows 2003远程访问服务器
- android9.0+wifi叹号,手机wifi连上有个感叹号怎么解决_wifi已连接但有感叹号的处理方法-系统城...
- 组装苹果xsmax价格是多少?
- 180128 逆向-ichunqiu(Nonstandard)
- jQuery中ajax跨域请求
- 开源的「变」与「恒」:七大开源基金会负责人尖峰对谈
- Tubi 快讯|Tubi 原创剧拿了第一名
- UG加工外形不抬刀连续切削设置
热门文章
- java对文件的操作详解,java对各种文件的操作详解
- 计算机专业软件技术专业导论,计算机科学与技术专业导论.docx
- php 腾讯企业邮箱接口,帮助中心 腾讯企业邮箱OpenApi协议
- 淘宝NPM镜像、cnmp
- selenium更改页面元素
- 元空间和直接内存_JVM探秘:Java内存区域
- c#获取autocad安装位置_AutoCAD自动切换输入法插件
- pythonos模块使用方法_python os模块使用方法
- 引用管理器没有程序集_Microsoft弃用远程桌面连接管理器
- Apache Flink 零基础入门(六)Flink核心概念