欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识！
您现在的位置是： 首页

Python Day4

程序员文章站 2022-07-14 17:42:31
...

一、装饰器

装饰器类似于一种动态增加函数功能的方法，使用@语法，放在它要装饰的函数定义处（函数定义的上面），实现为已经存在的函数增加新的功能。
def outer(func):
    def innter():
        print('in the log')
        func()
        print('hehe')
    return innter
# @outer功能：
# 1.自动执行outer函数并且将其下面的函数名f1当作参数传递
#2.将outer函数的返回值，重赋值给f1
@outer
def f1(): #一旦被装饰，其下的函数将被重新赋值为装饰器函数的内层函数
    print("in the f1") 
f1()

f1函数一旦被装饰，其下的函数将被重新赋值为装饰器函数的内层函数，当执行f1()时将执行innter()函数

装饰器实现功能例子：

  • 登陆时添加验证

    def login(func):
    def inner():
       print("正在验证！。。。")
       func()
       print("welcome to the tv page!")
    return inner


@login
def tv():
   print("This is  the tv page!")

tv()

当代码运行到@login时，会把它下面装饰的tv函数作为自己的参数，此时即：func = tv
当tv()执行时，实际上执行inner()。

  • 当装饰器需要添加参数时：

      def login(func):
      def inner(*args,**kwargs):
          print("正在验证！。。。")
          func(*args,**kwargs)
          print("Have a nice time!")
      return inner


  @login
  def movie(*args,**kwargs):
      print("welcome {} to the {} page of movie!".format(*args))

  movie("Alex", '3rd')

  • 当被装饰的函数有返回值时：

      # 当被装饰的函数有返回值时：
  def login(func):
      def inner(*args):
          print("正在验证！。。。")
          tmp = func(*args)
          print("Have a nice time!")
          return tmp  # 注意：此处应该将被装饰函数的返回值return
      return inner


  @login
  def movie(*args):
      print("welcome {} to the {} page of movie!".format(*args))
      return 666  # 被装饰的函数有返回值

  num = movie("Alex", '3rd')
  print(num)

二、生成器

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。

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：

    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 at 0x000002AD67D15E08>

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__next__()函数获得generator的下一个返回值：

    >>> g.__next__()
0
>>> g.__next__()
1
>>> g.__next__()
4
>>> g.__next__()
9
>>> g.__next__()
16
>>> g.__next__()
25
>>> g.__next__()
36
>>> g.__next__()
49

generator保存的是算法，每次调用g__next__()，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。

上面这种不断调用g__next__()实在是太麻烦了，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)

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。

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, ...

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, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'

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。

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 = 0,0,1
    while n < max:
    #    print(b)
        yield  b
        a,b = b,a+b
        n += 1
    return 'done'

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。

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

三、迭代器

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

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：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

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：
>>> from collections import Iterator
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为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。

Iterator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，但是可以通过iter()函数获得一个Iterator对象。

四、json & 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

    import json
info ={
    "name":"alex",
    "age":22
}
f = open("test.txt","w")

f.write(json.dumps(info))

f.close()
    上面是用json将字典序列化为字符串写入文件
然后再将字典格式的字符串反序列化为字典
import json

f = open("test.txt","r",encoding="utf-8")

data = json.loads(f.readline())

print(data,type(data))

print(data["age"])

把代码中的json.dumps和json.loads换为pickle.dumps和pickle.loads效果一样

上一篇： Android 消息机制

下一篇： 【Android】【动画】设置控件显示隐藏，添加删除动画

推荐阅读