python 3.5学习笔记（第四章）

本章内容：

　　一、、装饰器

　　二、生成器

　　三、迭代器

　　四、python中的内置方法

　　五、json & pickle 的数据序列化及反序列化

　　六、程序目录结构规范

　　七、补充内容

一、装饰器：

　　1、概念：装饰器的本质是函数，用于装饰其他函数，就是给其他函数添加附加的功能

　　2、什么情况下要使用装饰器？

　　　　（1）不能修改被装饰函数的源代码

　　　　（2）不能修改被装饰函数的调用方式

　　　　（装饰器对于被装饰函数是完全透明的，不会影响被装饰函数）

　　示例：

　　定义一个sayhi()函数，调用函数时，打印“你好，xx”，代码如下：

def sayhi(name):
    print('Hi,',name)
sayhi("MR")

　　现在想要给这个函数添加新功能，计算该程序执行的时间，要求不能对原函数进行修改，而且不能修改原函数的调用方式。

import time
def timer(func):
    def wrapper(*args, **kwargs):
        first_time = time.time()
        time.sleep(2)
        second_time = time.time()
        print('the function run %s' % (second_time - first_time))
        return func(*args, **kwargs)
    return wrapper

@timer # 相当于执行了 sayhi = timer(sayhi)
def sayhi(name):
    print('Hi,',name)
sayhi("MR")

　　调用sayhi函数，不仅会运行sayhi函数本身，还会在sayhi函数前运行timer函数。timer()是一个装饰器，返
回一个函数，所以原来的sayhi函数 任然存在，只是现在同名的sayhi变量指向了新的函数，于是调用sayhi将执行
新的函数，即在timer函数中返回wrapper函数。
　　wrapper函数的参数定义是（*args， **kwargs），所以wrapper函数可以接受任意参数的调用。在wrapper
函数内部进行sleep操作，并打印休眠时间，再紧接着调用原始sayhi函数。

二、生成器

1、列表生成式：

（1）普通方法生成一个列表

a= []
for i in range(10):
    a.append(i * 2)
print(a)
>>>[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

（2）利用列表生成式生成一个相同的列表

list1= [ i * 2 for i in range(10)]
print(list1)

>>>[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

2、字典生成式：把列表生成式中的  [ ] 换成 { } 就是字典生成式

b = {i:i%2==0 for i in range(10)}
print(b)

3、通用生成器

　　生成器是一个包含yield关键字的函数，当它被调用的时候，在函数体中的代码不会被执行，而回返回一个迭代器。每次请求一个值就会执行生成器中的代码，直到遇到一个yield或者return语句。yield语句意味着应该生成一个值，return语句意味着生成器要停止执行（不再生成任何东西，return语句只有在一个生成器中使用的时候才会进行无参数调用）。

　　换句话说，生成器是由两个部分组成的：生成器的函数和生成器的迭代器。生成器的函数使用def语句定义的，包含yield部分，生成器的迭代器是这个函数的返回部分，这两个实体合在一起叫做生成器。

　　生成器推导式：把列表生成式中的  [ ] 换成 () 就是生成器推导式

示例：

a = ( i * 2 for i in range(10))
for x in a:
    print(x)

　　 注意：

　　（1）生成器不能直接打印出来，因为只有在循环到某一个数据的时候，这个数据才会在内存中实际出现

　　（2）生成器不是列表，不能切片，只有在调用的时候才会生成相应的数据

　　（3）生成器只能记住当前位置的内容，上一个内容在调用之后就被删除了

　　（4）生成器可以用作 for 循环，还可以被next方法（   __next__()  ）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。（对于异常可以使用 try-except语句来解决）

　　'''

　　yield 的作用：保存当前状态并返回，然后再次调用的时候，会回到yield

　　send 的作用：调用yield ，同时给yield 传值

　　next 的作用：只会调用yield ，但是不会给yield 传值

　　'''

　　　函数生成器示例：

def myGen():
    print('生成器被执行！')
    yield 1 # 打印1
    yield 2 # 打印2

myG = myGen() print(next(myG)) print(next(myG))
# 第一次调用生成器，会打印'生成器被执行！'，然后在yield前停下 ，每使用一次next方法都会执行一次yield。

4、斐波那契数列

（1）普通方法

list_fib = []
def fib(max):
    a = 0
    b = 1
    n = 0
    while n < max:
        print(b)
        list_fib.append(b)
        a,b = b, a + b  # 这里是给 a 和 b 同时赋值
        n = n+1

fib(10)
print('list_fib = ',list_fib)

（2）用函数生成器实现

def fib(max):
    a = 0
    b = 1
    n = 0
    while n < max:
        yield  b
        a,b = b, a + b  # 同时赋值
        n = n+1

f = fib(10)
for i in range(10):
    print(f.__next__())
# 如果调用next的次数超过范围，则会抛出异常

三、迭代器

1、概念：

　　迭代的意思是重复做一件事很多次，类似循环。只要某一个对象实现了__iter__() 方法就可以迭代。__iter__() 方法会返回一个迭代器（iterator），所谓的迭代器就是具有next方法的对象。在调用next 的方法的时候，迭代器会返回它的下一个值。如果next方法被调用了，但是并没有值可以返回，就会抛出StopIteration异常。

2、为什么要使用迭代器？

　　如果有一个函数，可以一个接一个的计算值，那么在使用时可能是计算一个值时获取一个值——而不是通过列表等数据类型一次获取所有值。如果有很多的值，就会占用太多的内存，迭代器可以避免这种情况。

3、为什么列表、字典、字符串不是迭代器？

　　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，知道没有数据时抛出 StopIteration 错误，可以把这个数据流看作是一个有序序列，但是我们并不能提前知道序列的长度，只有在需要反回下一个数据的时候它才会计算。迭代器甚至可以表示一个无限大的数据流，比如全体自然数，而列表等数据类型是不可能存储全体自然数的。

4、把可迭代对象转化为迭代器的方法：

　　iter() 或 __iter__()

a = [1,2,3]
c = iter(a)
print(isinstance(c,Iterator))  # isinstance()用于判断是否为迭代器或者可迭代对象
# .__iter__()
print(isinstance([].__iter__(),Iterator))

5、总结：

　　（1）可以直接用于for 循环的对象称为可迭代对象（Iterable），可以被next() 方法不断调用并返回下一个值的对象是迭代器（Iterator），迭代器表示一个惰性计算的序列。迭代器一定是可迭代对象，但是可迭代对象不一定是迭代器。

　　（2）isinstance() 用于判断是否可为迭代对象或者迭代器

print(isinstance([],Iterable))

>>>True

a = [1,2,3]
print(isinstance(a,Iterator))
>>>False

　　（3）生成器一定是迭代器，但是迭代器不一定是生成器。

b = ( x*2 for x in range(5))
print(isinstance(b,Iterator))
>>>True

　　（4）list 、 dict 、str 是可迭代对象，但是不是迭代器，但是可以转换成迭代器。

　　（5）python 的for 循环本质上就是通过不断调用next函数实现的。

四、python中的内置方法

　　参考：https://docs.python.org/3/library/functions.html?highlight=built#ascii

　　

　　下面针对一些常用的内置方法进行解释

1、all(iterable) ： 如果可迭代对象中的所有元素都为真，则返回True

print(all([-1,2,1,'mr']))

2、any(iterable) ：如果可迭代对象中的任意元素为真，则返回True

print(any([0,1,2,3]))

3、ascii(object) ：以字符串的形式返回内容的ascii码格式

a = ascii([1,2,3,'MR',"你好"])
print(a)
print(type(a),[a])

4、bin(x) ： 把十进制数字转换为二进制数字

print( bin(4) )

5、bool() ：判断bool类型(非零即真)

print(bool(1))
print(bool([]))

6、bytearray([source[,encoding[,errors]]])  ：返回一个新字节数组。这个数组里的元素是可变的，并且每个元素的值范围: 0 <= x < 256。

#字符串不可以修改，只是生成一个新的字符串；二进制的字符格式也不可以修改
a = bytes('abcde',encoding='utf-8')
print(a.capitalize())
print(a)
b = bytearray('abcde',encoding='utf-8')
print( b[1] )
b[1] = 50 # 只能赋值ascii码的类型
print(b)

7、callable() ： 是否可调用（可以加括号的就可以调用，比如函数和类）

print(callable([]))
def func1():
    pass
print(callable(func1))

8、chr(i) ：输入数字，返回ascii码的对应表

print(chr(97))

9、ord() ： 输入ascii码字符，返回对应的数字

print(ord('a'))

10、complex([real[,imag]]) ： 返回一个复数

print(complex(1,2))

11、dir : 查看对应的方法

a = []
print(dir(a))

12、divmod(a,b) ： 地板除（返回整数部分和余数部分）

print(divmod(10,3))
>>>(3,1)

13、eval(source[, globals[, locals]]) ： 将字符串str当成有效的表达式来求值并返回计算结果。参数：source：一个Python表达式或函数compile()返回的代码对象；globals：可选。必须是dictionary；locals：可选。任意map对象。

a = "[[1,2],[3,4]]"
b = eval(a)
print(b)
>>>[[1, 2], [3, 4]]

14、filter(function, iterable) : 过滤出需要的内容

res = filter(lambda n : n>5 ,range(10))
for i in res:
    print(i)

15、map() ： 根据提供的函数对指定序列做映射。

　　第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。

res = map(lambda n: n*n, range(10))
for i in res:
    print(i)
print(type(res))
>>>

0
1
4
9
16
25
36
49
64
81

16、reduce()  ： 函数会对参数序列中元素进行累积。

　　函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给reduce中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

from functools import reduce
res = reduce(lambda x, y : x+y, range(10))
print(res)
>>>45

17、format() ： 格式化函数

name = input("name:")
age = input ("age:")
job = input ("job:")

info ="""
Name :{_name}
Age: {_age}
Job :{_job}

""" .format(_name=name,_age = age, _job = job)

print (info)

18、frozenset([iterable]) : 冻结集合（使集合无法修改）

a = frozenset([1,2,3,2,1,42,546,6])
print(a.add(7))
>>>AttributeError: 'frozenset' object has no attribute 'add'

19、globals() ： 函数会以字典类型返回当前位置的全部全局变量。

a = frozenset([1,2,3,4,5,6])
print(globals())

20、locals() :  函数会以字典类型返回当前位置的全部局部变量。

def test():
    local_var = 333
    print(locals())
test()
print(globals())
print(globals().get('local_var'))

21、hash() ：用于获取取一个对象（字符串或者数值等）的哈希值。

print(hash('a'))
>>>

1164304272

22、hex() : 转换为十六进制

print(hex(15))

23、oct(x) : 转换为八进制

print(oct(9))

24、id(object) : 返回内存地址

print(id('a'))

25、max() / min() : 取最大/最小值

a = [1,2,5,6,3]
print(max(a))
print(min(a))

26、pow(a,b): 返回 a 的 b次方

print(pow(2,4))

27、round(a,b) : 将 a 保留 b 位小数

print(round(1.3333, 2))
>>>1.33

28、slice() : 切片

myslice = slice(5)
a = [x for  x in range(10)]
print(a[myslice])
>>>[0, 1, 2, 3, 4]

29、sorted() ： 排序

a = [1,4,2,5,23,6,7,4,2]
print(a)
print(sorted(a))
b = {2:'two', 1:'one', 4:'four', 7:'seven'}
print(b)
print(sorted(b.items())) # 以key为目标排序，结果是一个列表
print(sorted(b.items(), key = lambda x : x[1])) # 以value为目标排序
>>>

[1, 4, 2, 5, 23, 6, 7, 4, 2]
[1, 2, 2, 4, 4, 5, 6, 7, 23]
{1: 'one', 2: 'two', 4: 'four', 7: 'seven'}
[(1, 'one'), (2, 'two'), (4, 'four'), (7, 'seven')]
[(4, 'four'), (1, 'one'), (7, 'seven'), (2, 'two')]

30、zip : 按照最少的内容进行组合

a = [1,2,3,4,5]
b = ['a','b','c','d']
c = ['one','two','three','four']
for i in zip(a,b,c):
    print(i)
>>>

(1, 'a', 'one')
(2, 'b', 'two')
(3, 'c', 'three')
(4, 'd', 'four')

五、json & pickle 的数据序列化及反序列化

1、json模块：用于字符串和python数据类型之间的转换

　　四个功能：dump, dumps, load, loads

示例1：把字典写入文件中

（1）普通方法

info = {
    'name' : 'MR',
    'age': 18
}

f = open("info.txt",'w')
f.write(str(info))

（2）json序列化

import json

info = {
    'name' : 'MR',
    'age': 18
}
f = open('info.txt','w')
f.write( json.dumps( info ))

示例2：把文件中的内容读取出来

（1）普通方法

f = open("info.txt",'r')
data = eval(f.read())
print(data['age'])

f.close()

（2）json反序列化

import json
f = open('info.txt','r')
data = json.loads(f.read())
print(data['age'])

2、pickle模块： 用于python特有的类型和python的数据类型之间的转换

　　四个功能：dump, dumps, load, loads

示例1：把字典写入文件中

　　pickle序列化：

import pickle

info = {
    'name' : 'MR',
    'age': 18
}

f = open('info.txt','wb')
f.write( pickle.dumps( info )) # pickle.dumps 会把原数据类型变为二进制类型。
# f.write( pickle.dumps( info )) == pickle.dump(info, f)

示例2：把文件中的内容读取出来

　　pickle反序列化：

import pickle
f = open('info.txt','rb')
data = pickle.loads(f.read())  #  == data = pickle.load(f)
print(data['age'])

六、程序目录结构规范

　　引用自：https://www.cnblogs.com/alex3714/articles/5765046.html

　　

解释：

1、bin/: 存放项目的一些可执行文件，当然可以起名script/之类的也行。

2、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。

3、docs/: 存放一些文档

4、setup.py: 安装、部署、打包的脚本。

5、requirements.txt: 存放软件依赖的外部Python包列表。

6、readme: 项目说明文件。

七、补充内容：

（1）lambda() 函数

　　lambda表达式，通常是在需要一个函数，但是又不想费神去命名一个函数的场合下使用，也就是指匿名函数。

a = lambda x,y: x+y
print(a(2,3))

（2）try-except 语句

基本语法：

try:
    检测范围
except Exception [as reason]:
    出现异常(Exception)后处理的代码

示例：

try:
    int ('abc')
    sum = 1 + ''
    f = open ('我为啥是一个文件.txt')
    print(f.read())
    f.close()
except OSError as reason:
    print('文件出错\n 错误的原因是：' + str(reason))
except TypeError as reason:
    print('类型出错\n 错误的原因是：' + str(reason))
except ValueError as reason:
    print('值出错\n 错误的原因是：' + str(reason))

注意：try 语句一旦检测到异常，后面的语句就不会被执行

（3）try-finally

解释：基本用法与try-except 相似，只是finally 之后的代码无论怎么样都会执行，可以try-except-finaaly 连用，这样如果try中没有异常，则会跳过except，直接执行finally 里面的代码