Python进阶知识3

Python迭代器与生成器

迭代器 Iterator

1.什么是迭代器

迭代器是访问可迭代对象的工具
迭代器是指用 iter(obj) 函数返回的对象(实例)
迭代器可以用next(it)函数获取可迭代对象的数据

2.迭代器函数iter和next

函数	说明
iter(iterable)	从可迭代对象中返回一个迭代器,iterable必须是能提供一个迭代器的对象
next(iterator)	从迭代器iterator中获取下一个记录，如果无法获取一下条记录，则触发 StopIteration 异常

3.迭代器说明

迭代器只能往前取值,不会后退
用iter函数可以返回一个可迭代对象的迭代器

4.迭代器示例

python 复制代码

"""
    迭代器
"""
#可迭代对象
L = list(range(10))
it = iter(L)
print(iter(L))
print(next(it)) # 0
print(next(it)) # 1
print(next(it)) # 2
print(next(it)) # 3超过索引范围进行报错


while True:
    try:
        print(next(it)) # 4 5 6 7 8 9
    except:
        print("迭代结束")
        break

5.迭代器的用途

1.迭代器对象能用next函数获取下一个元素

生成器

1.生成器是在程序运行时生成数据，与容器不同，它通常不会在内存中保留大量的数据，而是现用现生成。

yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
每次使用 yield 语句生产一个值后，函数都将暂停执行，等待被重新唤醒。
yield 语句相比于 return 语句，差别就在于 yield 语句返回的是可迭代对象，而 return 返回的为不可迭代对象。
然后，每次调用生成器的 next() 方法或使用 for 循环进行迭代时，函数会从上次暂停的地方继续执行，直到再次遇到 yield 语句。

生成器可以用算法动态的生成数据

2.生成器有两种

生成器函数
生成器表达式

生成器函数

1.含有yield 语句的函数是生成器函数，此函数调用回返回一个生成器对象，生成器也是可迭代对象

2.yield 语句的语法

复制代码
yield 表达式

3.生成器函数示例

python 复制代码

"""
    生成器对象 生成器和迭代器一样可以配套for使用
"""

def myange(stop):
    i = 0
    while i<stop: # 步骤1
        yield i # 调用一次产生一次数据 步骤2
        i +=1

# print(myange(10)) # 无内容输出
for x in myange(10):
    print(x) # 步骤3

print(next(myange(10))) # 可以访问生成器中的数据，一次next生成一个数据

生成器表达式

1.语法:

复制代码

( 表达式 for 变量 in 可迭代对象 [if 真值表达式])

[] 内容代表可以省略

2.作用:用推导式的形式创建一个生成器

3.示例

python 复制代码

re1 = [x ** 2 for x in range(1, 5)]   # 列表解析(列表推导式)[1, 4, 9, 16]
print(re1) # [1, 4, 9, 16]
re2 = (x ** 2 for x in range(1, 5))  # 生成器表达式 <generator object <genexpr> at 0x7f41dcd30a40>
print(re2) # <generator object <genexpr> at 0x000001BEF95D3780> 不被调用，所有不被执行
for y in (x ** 2 for x in range(1, 5)): # 需要和for循环搭配使其生效
    print(y) #2，4，9，16

python 函数式编程

1.定义：用一系列函数解决问题。

函数可以赋值给变量，赋值后变量绑定函数。
允许将函数作为参数传入另一个函数。
允许函数返回一个函数。

函数作为参数

1.将核心逻辑传入方法体，使该方法的适用性更广。

2.示例

python 复制代码

def func01():
    print("func01执行")

# a = func01
# # print(a)
# a()

def func02():
    print("func02执行")

# 通用
def func03(func):
    print("func03执行")
    func()

func03(func02)
func03(func01)

3.注释

（1）a = func01：

变量 a 现在指向 func01 函数对象。
a 不是函数的返回值，而是函数对象本身

（2）print(a)：

打印 a，输出 <function func01 at 0x...>，表示 a 是一个函数对象，并显示其内存地址。

（3）赋值语句 a = func01 并不会执行 func01 函数，只是将函数对象赋值给 a。调用 a() 或 func01() 才会执行函数代码。

4.示例

python 复制代码

"""
    函数编程 语法
"""
def fun01():
    print("fun01函数执行了")

a = fun01
print(a) #变量存储的是函数内存地址 <function fun01 at 0x0000019B9A87A200>存放函数的内存地址

def fun02(func):
    print("fun02执行了")
    func()

fun02(fun01) # 传入函数名称 fun02执行了 fun01函数执行了

"""
    函数编程思想编程题
"""
list01 = list(range(100))

#需求：将大于5的数取出来
def find01():
    for item in list01:
        if item>5:
            yield item

#需求：查找里表中所有的奇数
def find02():
    for item in list01:
        if item % 2 == 1:
            yield  item

"""
    面向过程的思想
    封装 分 把不同的点分割出来
"""
def conditon01(item):
    return item > 5

def condition02(item):
    return item % 2 == 1


"""
    继承 -隔离的思想
"""
def find(func):
    for item in list01:
        if func(item):
            yield item

"""
    做- 多态
"""
for data in find(conditon01):
    print(data) # 打印数据，因为item取出来的是数据

for data in find(condition02):
    print(data)

5.总结

（1）什么时候使用函数式编程思想？

很多的逻辑或者说核心点是不变的，大多数就是一致的，这个时候我们就可以使用函数式编程思想，可以很好的去定位这个逻辑【函数式编程思想相对于面向对象编程思想，它更接近于算法】。

（2）函数式编程思想替代了面向对象思想？

如果需求中存在多个逻辑变化点时，可以使用类来进行，因为面向对象中存在继承、重写。而函数式编程思想则是将变化点提取到函数中，实现简单的逻辑。

6.练习

python 复制代码

class Girl:
    list_girl = []
    def __init__(self,name,score,age,height):
        self.name = name
        self.score = score
        self.age = age
        self.height = height
        # print(self)
        Girl.list_girl.append(self)

girl01 = Girl("阿珂", 100, 23,160)
girl02 = Girl("苏荃", 92, 32,169)
girl03 = Girl("双儿", 90, 25,165)
girl04 = Girl("小郡主", 76, 22,167)
girl05 = Girl("方怡", 75, 27,168)
girl06 = Girl("建宁", 86, 25,164)
girl07 = Girl("曾柔", 67, 24,165)


# 需求：查找所有高于160的美女
# def fun01():
#     for item in Girl.list_girl:
#         if item.height > 160:
#             yield item
#
# # 需求：颜值大于90的美女
# def fun02():
#     for item in Girl.list_girl:
#         if item.score > 90:
#             yield item
"""
            封装 找不同点
            继承 找相同点
            多态 实现不同目的
        """

# 封装 找不同点
def condition01(item):
    return item.height > 160

def condition02(item):
    return item.score > 90

def find(func):
    for item in Girl.list_girl:
        if func(item):
            yield item

# def print_condition01():
for result in find(condition01):
        print(result.name) #这个返回的是对象中的属性 苏荃 双儿 小郡主 方怡 建宁 曾柔

# def print_condition02():
for result1 in find(condition02):
        print(result1)#这个返回的是一个对象 <__main__.Girl object at 0x00000218ADB1A6F0>  <__main__.Girl object at 0x00000218ADB1A720>

lambda 表达式

1.定义：是一种匿名函数

2.作用：

作为参数传递时语法简洁，优雅，代码可读性强。
随时创建和销毁，减少程序耦合度。

3.语法

复制代码

# 定义： 变量 = lambda 形参: 方法体  
# 调用： 变量(实参)

4.说明

形参没有可以不填
方法体只能有一条语句，且不支持赋值语句。

python 复制代码

# 1. 有参数有返回值
# def func01(a,b):
#     return a > b
#
# print(func01(10,20))
func01 = lambda a,b:a > b
print(func01(10,20))

# 2. 无参数有返回值
# def func02():
#     return "ok"
#
# print(func02())
func02 = lambda :"ok"
print(func02())

# 3. 无参数无返回值
# def func03():
#     print("ok")
#
# func03()

func03 = lambda :print("ok")
func03()

# 4. 有参数无返回值
# def func03(a):
#     print(a)
#
# func03(100)
func03 = lambda a:print(a)
func03(100)

# 5. lambda 不支持赋值语句
# def func05(iterable):
#     iterable[0] = 100
#
# list01 = [1]
# func05(list01)
# print(list01)

# func05 = lambda iterable: iterable[0] = 100 报错

# 6. lambda 不支持多条语句
# def func06(a,b):
#     print(a)
#     print(b)
#
# func06(10,20)

# func06 = lambda a,b: print(a);print(b)

内置高阶函数

1.定义：将函数作为参数或返回值的函数。

2.常用：

（1）map(函数，可迭代对象)

使用可迭代对象中的每个元素调用函数，将返回值作为新可迭代对象元素；返回值为新可迭代对象。

（2）filter(函数，可迭代对象)

根据条件筛选可迭代对象中的元素，返回值为新可迭代对象。

（3）sorted(可迭代对象, key=函数, reverse=True)

排序，返回值为排序后的列表结果。

（4）max(可迭代对象, key = 函数)

根据函数获取可迭代对象的最大值。

（5）min(可迭代对象，key = 函数)

根据函数获取可迭代对象的最小值。

示例

python 复制代码

"""
    内置高阶函数
"""

class Girl:
    list_girl = []
    def __init__(self,name,score,age,height):
        self.name = name
        self.score = score
        self.age = age
        self.height = height
        # print(self)
        Girl.list_girl.append(self)

    def __str__(self):
        #必须以字符串的形式进行返回
        return f"{self.name}-{self.score}-{self.age},{self.height}"
girl01 = Girl("阿珂", 100, 23,160)
girl02 = Girl("苏荃", 92, 32,169)
girl03 = Girl("双儿", 90, 25,165)
girl04 = Girl("小郡主", 76, 22,167)
girl05 = Girl("方怡", 75, 27,168)
girl06 = Girl("建宁", 86, 25,164)
girl07 = Girl("曾柔", 67, 24,165)

print(girl04)

#打印所有对象的名称
for element01 in map(lambda item:item.name,Girl.list_girl):
    print(element01)

#获取所有颜值大于80的美女对象
for element02 in filter(lambda item:item.score > 80 ,Girl.list_girl):
    print(element02) # 返回的迭代器

#获取年龄最大的美女对象
maxage=max(Girl.list_girl,key=lambda item:item.age)
print(maxage) # 返回的是符合最大值的对象

#对美女年龄进行排序 reverse默认是降序排列(False)
for element03 in sorted(Girl.list_girl,key=lambda item:item.score,reverse=True):
    print(element03)

#美女中身高最矮的
minheight = min(Girl.list_girl,key=lambda item:item.height)
print(minheight)

print(map(lambda item:item.name,Girl.list_girl)) #<map object at 0x000001FF74FCB2B0>一个新的对了，里面包含姓名属性
print(filter(lambda item:item.score > 80 ,Girl.list_girl)) #<filter object at 0x000002713609BAF0>
print(max(Girl.list_girl,key=lambda item:item.age),min(Girl.list_girl,key=lambda item:item.height)) #苏荃-92-32,169 阿珂-100-23,160
print(sorted(Girl.list_girl,key=lambda item:item.score,reverse=True)) # [<__main__.Girl object at 0x000002713609B590>, <__main__.Girl object at 0x000002713609B5C0>, <__main__.Girl object at 0x000002713609BA10>, <__main__.Girl object at 0x000002713609BAA0>, <__main__.Girl object at 0x000002713609BA40>, <__main__.Girl object at 0x000002713609BA70>, <__main__.Girl object at 0x000002713609BAD0>]

函数作为返回值

闭包 closure

1.什么是闭包?

闭包是指引用了此函数外部嵌套函数的变量的函数闭包就是能够读取其他函数内部变量的函数。只有函数内部的嵌套函数才能读取局部变量，所以闭包可以理解成"定义在一个函数内部的函数,同时这个函数又引用了外部的变量"。
在本质上，闭包是将内部嵌套函数和函数外部的执行环境绑定在一起的对象。

2.闭包必须满足以下三个条件

必须有一个内嵌函数
内嵌函数必须引用外部函数中变量
外部函数返回值必须是内嵌函数。

3.思考全局变量和局部变量的区别

全局变量：一直存在，谁都可以访问和修改
局部变量：只是在调用时存在，只能在函数内部进行访问和修改

4.闭包的优缺点优点

逻辑连续，当闭包作为另一个函数调用参数时，避免脱离当前逻辑而单独编写额外逻辑。
方便调用上下文的局部变量。
加强封装性，是第2点的延伸，可以达到对变量的保护作用。

5.使用闭包的注意点（缺点）

由于闭包会使得函数中的变量都被保存在内存中，内存消耗很大，所以不能滥用闭包
闭包会在父函数外部，改变父函数内部变量的值。所以，如果你把父函数当作对象（object）使用，把闭包当作它的公用方法（Public Method），把内部变量当作它的私有属性（private value），这时一定要小心，不要随便改变父函数内部变量的值。

7.示例

python 复制代码

"""
    闭包
        三大要素
            1.具有内外函数 嵌套函数
            2.内部函数要访问外部函数的变量
            3.外部函数返回内部函数
"""

def fun01():
    a = 1
    def fun02():
        print(a)
    return fun02() #需要调用函数
re = fun01()

def fun01():
    a = 1
    def fun02():
        print(a)
    return fun02
re = fun01()
re()#需要调用函数
print(re)

python 复制代码

"""
    闭包的运用
        逻辑运算
        装饰器打基础
        体现：外部函数执行过后，栈帧不释放，等待内部函数调用
"""
def give_money(money):
    print(f"当前有{money}")
    def child_buy(target,price):
        nonlocal money
        money -=price
        print(f"我们购买了{target},孩子现在还有{money}")
    return child_buy
re = give_money(200) #这里只传了一次惨，后面money值的更改是由于嵌套函数的操作
re("小汽车",50)
re("玩具手枪",50)
re("篮球",50) # 逻辑连续性，持续相减

8.示例

python 复制代码

"""
    闭包
"""
def fun01():
    print("fun01执行了")
    return "hello world"

def print_func_name(func):
    def wrapper(*args,**kwargs):
        #新功能
        print(func.__name__)#__name__:获取函数名，内置属性
        #旧功能
        return func(*args,**kwargs)
    return wrapper

re = print_func_name(fun01)
re()

python 复制代码

"""
    闭包
"""
def fun01():
    print("fun01执行了")
    return "hello world"

def fun02(func):
    print("fun02执行了")
    fun01()

def print_func_name(func):
    def wrapper(*args,**kwargs):
        def wrapper1(*args,**kwargs):
            #新功能
            print(1111)
            print(func.__name__)#__name__:获取函数名，内置属性
            #旧功能
            return func(*args,**kwargs)
        return wrapper1
    return wrapper

# re = print_func_name(fun01)
# re1=re()
# re1()#正常运行，增加了内存的使用
re1 = print_func_name(fun02(fun01()))
re2=re1()
re2 #会先执行fun01，在执行fun02，但却不会执行装饰器中的代码了,虽然可以运行但脱离了装饰器的意义

装饰器 decorators(专业提高篇)

1.什么是装饰器：装饰器是一个函数，主要作用是来用包装另一个函数或类

2.装饰器的作用：在不修改被装饰的函数的源代码，不改变被装饰的函数的调用方式的情况下添加或改变原函数的功能。

3.函数装饰器的语法:

复制代码

def 装饰器函数名(fn):    
        语句块    
        return 函数对象  
@装饰器函数名 <换行> 
def 被装饰函数名(形参列表):    
        语句块

4.用函数装饰器替换原函数myfun

python 复制代码

def mydeco(fn):
    fn()
    print("装饰器函数被调用了,并返回了fx")
    def fx():
        print("fx被调用了")
        # return fn()
    return fx

@ mydeco
def myfun():
    print("函数myfun被调用")

myfun()
myfun()

5.当使用@mydeco语法装饰myfun函数时，实际上发生的是

myfun函数作为参数传递给了mydeco装饰器。
在mydeco内部，首先调用了fn()，即此时调用了myfun函数，产生了输出："函数myfun被调用"。
接着，打印了"装饰器函数被调用了,并返回了fx"。
然后，mydeco装饰器返回了新的函数fx。

因此，此刻myfun实际上被替换成了新的函数fx。这样的行为正是Python装饰器的特性之一：装饰器可以修改函数的行为，甚至完全替换被装饰的函数。

基本装饰器

1.有参数的函数装饰器(在myfunc外加了一层)

python 复制代码

def mydeco(fn):
    def fx():
        print("====这是myfunc被调用之前====")
        ret = fn()
        print("----这是myfunc被调用之后====")
        return ret
    return fx

@mydeco
def myfunc():
    print("myfunc被调用.")

myfunc()
myfunc()
myfunc()

2.例

python 复制代码

"""
    装饰器
"""
# 装饰器名称
def print_func_name(func):
    def wrapper(*args,**kwargs):
        #新功能
        print(func.__name__)#__name__:获取函数名，内置属性
        #旧功能
        return func(*args,**kwargs) # 需要在这里去真正的调用被装饰器，在被装饰器中不调用，就不会打装饰器的功能
    return wrapper

#被装饰器
@print_func_name
def fun01():
    print("fun01执行了")
    return "hello world"

@print_func_name
def fun02():
    print("fun02执行了")
    print(1111)

fun02()
fun01()

"""
    旧函数 统计值
    新的函数、功能是打印总执行时间
"""
import time
#新函数
def all_time(func):
    def wrapper(*args,**kwargs):#接收被装饰器的传参
        #time.time()获得当前的时间
        start_time = time.time()
        result = func(*args,**kwargs)#运行被装饰器的时间，如果有参数，那么就要写上星号变量来接收
        #获得结束时间
        end_time = time.time()
        print("执行时间：",end_time-start_time)
        return result
    return wrapper

#旧函数
@all_time
def fun01():
    sum_value = 0
    for i in range(100000000):
        sum_value +=i
    return sum_value

fun01()

@all_time
def fun02(n):
    sum_value = 0
    for i in range(n):
        sum_value += i
    return sum_value
fun02(100000)

带参数的装饰器

python 复制代码

def repeat(num):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(num):
                func(*args, **kwargs)
        return wrapper
    return decorator

@repeat(3)  # 应用装饰器，重复执行下面的函数3次
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")  # 调用被装饰的函数

repeat 是一个接受参数的装饰器工厂函数，它返回一个装饰器。
decorator 是真正的装饰器，它接受一个函数 func 作为参数。
wrapper 函数重复执行被装饰的函数 num 次。
使用 @repeat(3) 应用装饰器，使 greet 函数被执行3次。

注意：带参数的装饰器需要三层函数，def wrapper(args, kwargs) 传入的是被修饰的函数的参数。

装饰器链

python 复制代码

def uppercase(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return result.upper()
    return wrapper

def exclamation(func):
    def wrapper(*args, **kwargs):
        result = func(*args, **kwargs)
        return result + "!"
    return wrapper

@exclamation
@uppercase
def say_hello(name):
    return f"Hello, {name}"

greeting = say_hello("Bob")
print(greeting)  # 输出 "HELLO, BOB!"

1.具体的执行过程如下：

装饰器是从内到外依次应用的。在你的代码中，首先应用的是 @uppercase，然后是 @exclamation。
@uppercase 装饰器会先包裹 say_hello 函数，然后 @exclamation 装饰器再包裹已经被 @uppercase 包裹过的函数。

2.步骤详细如下：

（1）首先 @uppercase 包装 say_hello 函数：

调用 say_hello("Bob") 返回 "Hello, Bob"。
@uppercase 装饰器的 wrapper 函数将结果转换为大写，变为 "HELLO, BOB"。

（2）然后 @exclamation 包装已经被 @uppercase 包装过的 say_hello 函数：

调用 wrapper（即 @uppercase 装饰器的 wrapper 函数）返回 "HELLO, BOB"。
@exclamation 装饰器的 wrapper 函数将结果加上一个感叹号，变为 "HELLO, BOB!"。

python 复制代码

say_hello("Bob") -> "Hello, Bob"
"Hello, Bob" -> @uppercase -> "HELLO, BOB"
"HELLO, BOB" -> @exclamation -> "HELLO, BOB!"

类装饰器

python 复制代码

class MyDecorator:
    def __init__(self, func):
        self.func = func

    def __call__(self, *args, **kwargs):
        print("Something is happening before the function is called.")
        result = self.func(*args, **kwargs)
        print("Something is happening after the function is called.")
        return result

@MyDecorator  # 应用类装饰器
def say_hello(name):
    print(f"Hello, {name}!")

say_hello("Charlie")  # 调用被装饰的函数

MyDecorator 是一个类装饰器，它接受一个函数 func 作为参数并在 __call__ 方法中执行额外操作。
使用 @MyDecorator 应用类装饰器，它将包装 say_hello 方法，使其在调用前后执行额外操作。
与基本装饰器类似