再学python3(四)：python-装饰器、迭代器、生成器

2024-06-04 19:38
文章标签 python python3 生成器 迭代 装饰 再学

本文主要是介绍再学python3(四)：python-装饰器、迭代器、生成器，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、装饰器  详见这里

1.1 什么是装饰器？

装饰器本质上就是一个python函数，他可以让其他函数在不需要做任何代码变动的前提下，增加额外的功能，装饰器的返回值也是一个函数对象。

装饰器的应用场景：比如插入日志，性能测试，事务处理，缓存等等场景。

1.2 装饰器的形成过程。

现在我有一个需求，我想让你测试这个函数的执行时间，在不改变这个函数代码的情况下

import timedef func1():print('in func1')def timer(func):def inner():start = time.time()func()print(time.time() - start)return innerfunc1 = timer(func1)
func1()

 

但是如果有多个函数，我都想让你测试他们的执行时间，你每次是不是都得func1 = timer(func1)?这样还是有点麻烦，因为这些函数的函数名可能是不相同，有func1，func2,graph,等等，所以更简单的方法，python给你提供了，那就是语法糖。

 

 

import time
def timer(func):def inner():start = time.time()func()print(time.time() - start)return inner@timer   #==> func1 = timer(func1)
def func1():print('in func1')func1()

 

 刚刚我们讨论的装饰器都是装饰不带参数的函数，现在要装饰一个带参数的函数怎么办呢？

 装饰器---带参数的装饰器

 

 

import time
def timer(func):def inner(*args,**kwargs):start = time.time()re = func(*args,**kwargs)print(time.time() - start)return rereturn inner@timer   #==> func1 = timer(func1)
def func1(a,b):print('in func1')@timer   #==> func2 = timer(func2)
def func2(a):print('in func2 and get a:%s'%(a))return 'fun2 over'func1('aaaaaa','bbbbbb')
print(func2('aaaaaa'))

 

上面的装饰器已经非常完美了，但是有我们正常情况下查看函数信息的方法在此处都会失效：

 

def index():'''这是一个主页信息'''print('from index')print(index.__doc__)    #查看函数注释的方法
print(index.__name__)   #查看函数名的方法

 

如何解决呢？

 

from functools import wrapsdef deco(func):@wraps(func) #加在最内层函数正上方def wrapper(*args,**kwargs):return func(*args,**kwargs)return wrapper@deco
def index():'''哈哈哈哈'''print('from index')print(index.__doc__)
print(index.__name__)

 

1.3 开放封闭原则。

1.对扩展是开放的

　　　　为什么要对扩展开放呢？

　　　　我们说，任何一个程序，不可能在设计之初就已经想好了所有的功能并且未来不做任何更新和修改。所以我们必须允许代码扩展、添加新功能。

　　2.对修改是封闭的

　　　　为什么要对修改封闭呢？

　　　　就像我们刚刚提到的，因为我们写的一个函数，很有可能已经交付给其他人使用了，如果这个时候我们对其进行了修改，很有可能影响其他已经在使用该函数的用户。

装饰器完美的遵循了这个开放封闭原则。

1.4 装饰器的主要功能和固定结构。

 

 

def timer(func):def inner(*args,**kwargs):'''执行函数之前要做的'''re = func(*args,**kwargs)'''执行函数之后要做的'''return rereturn inner

 

 

 

from functools import wrapsdef deco(func):@wraps(func) #加在最内层函数正上方def wrapper(*args,**kwargs):return func(*args,**kwargs)return wrapper

 

1.5 带参数的装饰器。

假如你有成千上万个函数使用了一个装饰器，现在你想把这些装饰器都取消掉，你要怎么做？

一个一个的取消掉？ 没日没夜忙活3天。。。

过两天你领导想通了，再让你加上。。。

 

 

def outer(flag):def timer(func):def inner(*args,**kwargs):if flag:print('''执行函数之前要做的''')re = func(*args,**kwargs)if flag:print('''执行函数之后要做的''')return rereturn innerreturn timer@outer(False)
def func():print(111)func()

 

1.6 多个装饰器装饰一个函数。

def wrapper1(func):def inner():print('wrapper1 ,before func')func()print('wrapper1 ,after func')return innerdef wrapper2(func):def inner():print('wrapper2 ,before func')func()print('wrapper2 ,after func')return inner@wrapper2
@wrapper1
def f():print('in f')f()

 

二、迭代器

# 迭代器
'''
可被for循环的数据类型
list
dic
str
set
tuple
f = open()
range
enumerate 枚举'''# 可用dir()函数打印出数据类型的可用函数
print(dir({})) # ['__class__', '__contains__',  …… , 'clear', 'copy', 'fromkeys', 'update', 'values']# 双下划线方法
print([1].__add__([2]))
print([1]+[2])'''
迭代器：
Iterable 可迭代的  ---> __iter__ 只要含有__iter__方法都是可迭代的
[].__iter__()迭代器 --> __next__ 可从迭代器中一个一个的取值可迭代协议：只要含有__iter__方法都是可迭代的
迭代器协议：内部含有__iter__和 __next__的方法就是迭代器
可for循环的都是可迭代的
可迭代的.__iter__()方法就可以得到一个迭代器迭代器的好处
1. 可以一个一个取值
2.节省内存空间
'''

 

三、生成器

 

# 生成器函数'''
1.含有yield的函数就是生成器函数
2.yield不能与return共存
3.yield只能用在函数中
'''# def generator():
#     print('1')
#     yield 'aaaaa'
#     print('2')
#     yield 'bbbb'# g = generator()
#g()  # 输出为错误 与return 不同，yield是返回的一个迭代器，不能直接调用#g.__next__()   # 输出为1
#g.__next__()   # 输出为2# print(g.__next__())   # 输出为1
# print(g.__next__())   # 输出为2# 可用for循环
# for i in g:
#      print(i)# 文件监听输入   如果输入的一行字符串中包含hhh  着输出此行内容
def tail(filename):f = open(filename, encoding='utf-8')while True:line = f.readline()if line.strip():  # 去回车yield line.strip()g = tail('1.txt')
for i in g:if 'hhh' in i:print('11111', i)

生成器例题等

# 列表推导式和生成器表达式
'''
区别
1.有无括号
2.返回值不一样
3.生成器表达式几乎不占内存
'''
# list1 = ['hhh%s'%i for i in range(10)]  # 列表推导式  ['hhh0', 'hhh1',…, 'hhh9']
# print(list1)
#
# g = ('hhh%s' % i for i in range(10))
# for i in g:
#     print(i)  # 生成器表达式  hhh0 … hhh9# 推导式进阶
'''
[每个元素或元素的相关操作 for 元素 in 可迭代数据类型]    遍历处理
[每个元素或元素的相关操作 for 元素 in 可迭代数据类型 if 元素相关条件 ]    遍历处理'''# list2 = [i for i in range(31) if i % 3 == 0]
# print('31以内可被3整除的数%s' % list2)  # 31以内可被3整除的数[0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30]#生成器只能取一次，再取就为空# 例1
def fun1():for i in range(4):yield ig = fun1()
g1 = (i for i in g)
g2 = (i for i in g1)'''
#case1
print(list(g1))  # [0, 1, 2, 3]
print(list(g2))  #g1已经取过了，g2要再从g1取 所以为  []
''''''
#case2
print(list(g1))  # [0, 1, 2, 3]
print(list(g1))  #g1已经取过了所以为 []
print(list(g2))  # []
''''''
#case3
print(list(g))  # [0, 1, 2, 3]
print(list(g1))  #g 已经取过了，g1要再从g取 所以为 []
print(list(g2))  # []
'''# 例2def fun1(n,i):return n+idef fun2():for i in range(4):yield ig = fun2()
for n in [1, 10]:g = (fun1(n, i) for i in g)print(list(g))  # [20, 21, 22, 23]'''
for n in [1, 10]:g = (fun1(n, i) for i in g)
可替换为
n = 1g = (fun1(n, i) for i in g) 但是此时g不执行n = 10
g = (fun1(n, i) for i in g)当list(g)时，会执行
n = 10
g = (fun1(n, i) for i in g) 寻找g
从
n = 1
g = (fun1(n, i) for i in g)取g
此时g从生成器取(0 1 2 3)
则
n = 10
g = (fun1(n, i) for i in g) 可化为
g = (fun1(n, i) for i in (fun1(n, i) for i in g)) 化为
g = (fun1(n, i) for i in (fun1(n, i) for i in (0 1 2 3)))
即：
g = (fun1(10, i) for i in (fun1(10, i) for i in (0 1 2 3)))
即：[20, 21, 22, 23]意思就是当list的时候才从下到上寻找g  执行上面的代码，不list的时候 不做操作
'''

 

这篇关于再学python3(四)：python-装饰器、迭代器、生成器的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1030933。

相关文章

python panda库从基础到高级操作分析

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作：数据读取与查看3. 索引操作：精准定位数据4. Group
阅读更多...
Python pandas库自学超详细教程

Python pandas库自学超详细教程

《Pythonpandas库自学超详细教程》文章介绍了Pandas库的基本功能、安装方法及核心操作,涵盖数据导入（CSV/Excel等）、数据结构（Series、DataFrame）、数据清洗、转换... 目录一、什么是Pandas库（1）、Pandas 应用（2）、Pandas 功能（3）、数据结构二、安
阅读更多...
Python使用Tenacity一行代码实现自动重试详解

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门：一行代码实现优雅重试精细控制：让重试按我
阅读更多...
Python安装Pandas库的两种方法

Python安装Pandas库的两种方法

《Python安装Pandas库的两种方法》本文介绍了三种安装PythonPandas库的方法,通过cmd命令行安装并解决版本冲突,手动下载whl文件安装,更换国内镜像源加速下载,最后建议用pipli... 目录方法一：cmd命令行执行pip install pandas方法二：找到pandas下载库，然后
阅读更多...
Python实现网格交易策略的过程

Python实现网格交易策略的过程

《Python实现网格交易策略的过程》本文讲解Python网格交易策略,利用ccxt获取加密货币数据及backtrader回测,通过设定网格节点,低买高卖获利,适合震荡行情,下面跟我一起看看我们的第一... 网格交易是一种经典的量化交易策略，其核心思想是在价格上下预设多个“网格”，当价格触发特定网格时执行买
阅读更多...
Python标准库之数据压缩和存档的应用详解

Python标准库之数据压缩和存档的应用详解

《Python标准库之数据压缩和存档的应用详解》在数据处理与存储领域,压缩和存档是提升效率的关键技术,Python标准库提供了一套完整的工具链,下面小编就来和大家简单介绍一下吧... 目录一、核心模块架构与设计哲学二、关键模块深度解析1.tarfile：专业级归档工具2.zipfile：跨平台归档首选3.
阅读更多...
使用Python构建智能BAT文件生成器的完美解决方案

使用Python构建智能BAT文件生成器的完美解决方案

《使用Python构建智能BAT文件生成器的完美解决方案》这篇文章主要为大家详细介绍了如何使用wxPython构建一个智能的BAT文件生成器,它不仅能够为Python脚本生成启动脚本,还提供了完整的文... 目录引言运行效果图项目背景与需求分析核心需求技术选型核心功能实现1. 数据库设计2. 界面布局设计3
阅读更多...
Python进行JSON和Excel文件转换处理指南

Python进行JSON和Excel文件转换处理指南

《Python进行JSON和Excel文件转换处理指南》在数据交换与系统集成中,JSON与Excel是两种极为常见的数据格式,本文将介绍如何使用Python实现将JSON转换为格式化的Excel文件,... 目录将 jsON 导入为格式化 Excel将 Excel 导出为结构化 JSON处理嵌套 JSON：
阅读更多...
Python操作PDF文档的主流库使用指南

Python操作PDF文档的主流库使用指南

《Python操作PDF文档的主流库使用指南》PDF因其跨平台、格式固定的特性成为文档交换的标准,然而,由于其复杂的内部结构,程序化操作PDF一直是个挑战,本文主要为大家整理了Python操作PD... 目录一、 基础操作1.PyPDF2 (及其继任者 pypdf)2.PyMuPDF / fitz3.Fre
阅读更多...
python设置环境变量路径实现过程

python设置环境变量路径实现过程

《python设置环境变量路径实现过程》本文介绍设置Python路径的多种方法：临时设置（Windows用`set`,Linux/macOS用`export`）、永久设置（系统属性或shell配置文件... 目录设置python路径的方法临时设置环境变量（适用于当前会话）永久设置环境变量（Windows系统
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2