1、迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问,知道所有的元素被访问完结束。迭代器只能往前不会后退,不过这也没什么,因为人们很少在迭代途中往后退。

1.1 使用迭代器的优点

对于原生支持随机访问的数据结构(如tuple、list),迭代器和经典for循环的索引访问相比并无优势,反而丢失了索引值(可以使用内建函数enumerate()找回这个索引值)。但对于无法随机访问的数据结构(比如set)而言,迭代器是唯一的访问元素的方式。

另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件,或是斐波那契数列等等。

迭代器更大的功劳是提供了一个统一的访问集合的接口,只要定义了__iter__()方法对象,就可以使用迭代器访问。

迭代器有两个基本的方法

  • next方法:返回迭代器的下一个元素
  • __iter__方法:返回迭代器对象本身

下面用生成斐波那契数列为例子,说明为何用迭代器

def fab(max):

n, a, b = 0, 0, 1

while n < max:

print b

a, b = b, a + b

n = n + 1

直接在函数fab(max)中用print打印会导致函数的可复用性变差,因为fab返回None。其他函数无法获得fab函数返回的数列。

def fab(max):

L = []

n, a, b = 0, 0, 1

while n < max:

L.append(b)

a, b = b, a + b

n = n + 1

return L

满足了可复用性的需求,但是占用了内存空间,最好不要。

使用迭代器一个显而易见的好处就是:每次只从对象中读取一条数据,不会造成内存的过大开销。

对比

for i in range(100): pass

for i in xrange(100): pass

前一个返回1000个元素的列表,后面这个在每次迭代中返回一个元素,因此可以使用迭代器来解决复用可占空间的问题

class Fab(object):

def __init__(self, max):

self.max = max

self.n, self.a, self.b = 0, 0, 1

def __iter__(self):

return self

def next(self):

if self.n < self.max:

r = self.b

self.a, self.b = self.b, self.a + self.b

self.n = self.n + 1

return r

raise StopIteration()

执行

Fab类通过 next() 不断返回数列的下一个数,内存占用始终为常数  

1.2 使用迭代器

使用内建的函数iter(iterable)可以获取迭代器对象:

使用next()方法可以访问下一个元素:

python处理迭代器越界是抛出StopIteration异常

了解了StopIteration,可以使用迭代器进行遍历了

lst = range(5)

it = iter(lst)

try:

while True:

val = it.next()

print val

except StopIteration:

pass

结果

事实上,因为迭代器如此普遍,python专门为for关键字做了迭代器的语法糖。在for循环中,Python将自动调用工厂函数iter()获得迭代器,自动调用next()获取元素,还完成了检查StopIteration异常的工作。如下

>>> a = (1, 2, 3, 4)

>>> for key in a:

print key

首先python对关键字in后的对象调用iter函数迭代器,然后调用迭代器的next方法获得元素,直到抛出StopIteration异常。

1.3 定义迭代器

下面一个例子——斐波那契数列

# -*- coding: utf-8 -*-

class Fabs(object):

def __init__(self,max):

self.max = max

self.n, self.a, self.b = 0, 0, 1 #特别指出:第0项是0,第1项是第一个1.整个数列从1开始

def __iter__(self):

return self

def next(self):

if self.n < self.max:

r = self.b

self.a, self.b = self.b, self.a + self.b

self.n = self.n + 1

return r

raise StopIteration()

print Fabs(5)

for key in Fabs(5):

print key

结果

2、生成器

yield关键字用来定义生成器(Generator),其具体功能是可以当return使用,从函数里返回一个值,不同之处是用yield返回之后,可以让函数从上回yield返回的地点继续执行。也就是说,yield返回函数,交给调用者一个返回值,然后再“瞬移”回去,让函数继续运行, 直到吓一跳yield语句再返回一个新的值

(用于做数据库的链接池)

几个例子说明下(还是用生成斐波那契数列说明)

可以看出生成器(yield)的简洁性效果

def fab(max):

n, a, b = 0, 0, 1

while n < max:

yield b

a, b = b, a + b

n = n = 1

执行

简单地讲,yield 的作用就是把一个函数变成一个generator,带有yield 的函数不再是一个普通函数,Python 解释器会将其视为一个generator,调用fab(5) 不会执行fab 函数,而是返回一个 iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。

也可以手动调用 fab(5) 的 next() 方法(因为 fab(5) 是一个 generator 对象,该对象具有 next() 方法),这样我们就可以更清楚地看到 fab 的执行流程:

return作用

在一个生成器中,如果没有return,则默认执行到函数完毕;如果遇到return,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代。例如

文件读取

def read_file(fpath):

BLOCK_SIZE = 1024

with open(fpath, 'rb') as f:

while True:

block = f.read(BLOCK_SIZE)

if block:

yield block

else:

return

如果直接对文件对象调用 read() 方法,会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield,我们不再需要编写读文件的迭代类,就可以轻松实现文件读取。

3、装饰器

是函数,只不过该函数可以具有特殊的含义,装饰器用来装饰函数或类。就是函数加上python的语法
第一步执行装饰器函数,第二步对被装饰的函数名重新复值

使用装饰器可以在函数执行前和执行后添加相应操作。

例1:  装饰器含多个参数

vim auth.py

# -*- coding: utf-8 -*-

#装饰器就是函数加上python的语法
#第一步执行装饰器函数,第二步对被装饰的函数名重新复值
def auth(func): #当函数传入N个参数时
def inner(*arg,**kwargs):
print "login user..."
func(*arg,**kwargs)
print "logout user..."
return inner
@auth
def f1():
print "f1"
@auth
def f5(arg,warg): #传入N个参数
print "f5",arg,warg

vim f1.py

# -*- coding: utf-8 -*-
import auth
auth.f1()

print "========="

auth.f5("10.2.3.1","10.2.2.1")

例2:  装饰器含返回值的函数

vim auth.py
# -*- coding: utf-8 -*-

def auth(func):                          #当函数传入N个参数时
def inner(*arg,**kwargs):
print "login user..."
temp = func(*arg,**kwargs)
print "logout user..."
return temp
   return inner

@auth
def f6(arg):
    server_list = ['c1','c2','c3']
    return server_list

vim f1.py

# -*- coding: utf-8 -*-
import auth

ret_list = auth.f6('test')

print ret_list

例3:装饰器实现登陆验证

vim auth1.py
# -*- coding: utf-8 -*-

def login():
name = "lenliu"
if name == "lenliu":
return True
else:
return False def auth(func):
def inner(*arg,**kwargs):
login_list = login()
if not login_list:
return "非法用户...."
temp = func(*arg,**kwargs)
return temp
return inner
@auth
def f7(arg):
server_list = ['D1','D2','D3']
return server_list

vim f1.py

# -*- coding: utf-8 -*-
import auth1
print "========="
ret_list = auth1.f7('test')
print ret_list

 

例4:装饰器实现token验证

vim auth2.py
# -*- coding: utf-8 -*-

def login(key):
local = "1234qwerasdfzxcv5678."
if local == key:
return True
else:
return False def auth2(func):
def inner(*args,**kwargs):
key = kwargs.pop("token")
is_login = login(key)
if not is_login:
return "非法用户"
temp = func(*args,**kwargs)
return temp
return inner
@auth2
def f8(arg):
server_list = ['D1','D2','D3']
return server_list

vim f2.py

# -*- coding: utf-8 -*-

import auth2

key = "1234qwerasdfzxcv5678."

ret_list = auth2.f8('test',token=key)
print ret_list
例5:多层装饰器
vim auth3.py

# -*- coding: utf-8 -*-
# 一个函数可以被多个装饰器调用的,从上往下执行装饰器
# 二层装饰器就是在一个装饰器外面套一个盒子,再加一层装饰器就是再套一个盒子

# 可用于用户权限验证
def w1(func):
   def inner():
       print "w1 before"
       func()
       print "w1 after"
   return inner
def w2(func):
   def inner():
       print "w2 before"
       func()
       print "w2 after"
   return inner

@w1
@w2
def foo():
     print "foo..."
foo()

例6:至少三层装饰器

至少3层,如何使用:

@w1

1、执行w1函数

2、将w1函数的返回值赋值给被装饰器的函数的函数名

@w2(arg)

1、执行w2函数,得到返回值,ret

2、创建装饰器,@+ret结合:@ret

3、

1、执行w1函数

2、将w1函数的返回值赋值给被装饰器的函数的函数名

# -*- coding: utf-8 -*-

def Before(request,kargs):
print 'before'
def After(request,kargs):
print 'after' def Filter(before_func,after_func):
def outer(main_func):
def wrapper(request,kargs):
before_result = before_func(request,kargs)
if(before_result != None):
return before_result
main_result = main_func(request,kargs)
if(main_result != None):
return main_result
after_result = after_func(request,kargs)
if(after_result != None):
return after_result
return wrapper
return outer
@Filter(Before, After)
def Index(request,kargs):
print 'index' Index('lenliu','amy')

Python之路:Python各个器的更多相关文章

  1. 自学Python之路-Python基础+模块+面向对象+函数

    自学Python之路-Python基础+模块+面向对象+函数 自学Python之路[第一回]:初识Python    1.1 自学Python1.1-简介    1.2 自学Python1.2-环境的 ...

  2. 自学Python之路-Python核心编程

    自学Python之路-Python核心编程 自学Python之路[第六回]:Python模块       6.1 自学Python6.1-模块简介    6.2 自学Python6.2-类.模块.包  ...

  3. 自学Python之路-Python并发编程+数据库+前端

    自学Python之路-Python并发编程+数据库+前端 自学Python之路[第一回]:1.11.2 1.3

  4. 自学Python之路-Python网络编程

    自学Python之路-Python网络编程 自学Python之路[第一回]:1.11.2 1.3

  5. Python之路Python文件操作

    Python之路Python文件操作 一.文件的操作 文件句柄 = open('文件路径+文件名', '模式') 例子 f = open("test.txt","r&qu ...

  6. Python之路Python内置函数、zip()、max()、min()

    Python之路Python内置函数.zip().max().min() 一.python内置函数 abs() 求绝对值 例子 print(abs(-2)) all() 把序列中每一个元素做布尔运算, ...

  7. Python之路Python作用域、匿名函数、函数式编程、map函数、filter函数、reduce函数

    Python之路Python作用域.匿名函数.函数式编程.map函数.filter函数.reduce函数 一.作用域 return 可以返回任意值例子 def test1(): print(" ...

  8. Python之路Python全局变量与局部变量、函数多层嵌套、函数递归

    Python之路Python全局变量与局部变量.函数多层嵌套.函数递归 一.局部变量与全局变量 1.在子程序中定义的变量称为局部变量,在程序的一开始定义的变量称为全局变量.全局变量作用域是整个程序,局 ...

  9. Python之路-python数据类型(列表、字典、字符串、元祖)操作

    一.列表: 列表的语法,以中括号开通和结尾,元素以逗号隔开.例如:name = [] 列表是以下标取值,第一个元素下标是0,第二个元素下标是1,最后一个元素下标是-1.   1.增加 #name = ...

  10. Python之路-python介绍

    一.Python及其他语言 有很多种分类方法,其中一种是按照解释型和编译型来划分的. 编译型:例如C,C++ 优点:运行效率高 缺点:依赖编译平台 (不能跨平台,开发效率低) 解释型:例如shell, ...

随机推荐

  1. Debug目录下没有.exe文件

    记一下小笔记: VC6.0设置.exe文件的输出路径: Project->Settings->Link Category选择"General" 在Output file ...

  2. oralce11g 注冊表卸载20140810

    Windows Registry Editor Version 5.00 [-HKEY_LOCAL_MACHINE\SOFTWARE\ORACLE] [-HKEY_LOCAL_MACHINE\SOFT ...

  3. C++ 字符串分割,分割到vector中

    #include <string> #include <vector> using std::string; using std::vector; int splitStrin ...

  4. BZOJ 2440: [中山市选2011]完全平方数( 二分答案 + 容斥原理 + 莫比乌斯函数 )

    先二分答案m,<=m的有m-∑(m/pi*pi)+∑(m/pi*pi*pj*pj)-……个符合题意的(容斥原理), 容斥系数就是莫比乌斯函数μ(预处理)... ----------------- ...

  5. php制作数据字典

    /** * 生成mysql数据字典 */ header("Content-type:text/html;charset=utf-8"); // 配置数据库 $database = ...

  6. [转]关于 Swift 的一点初步看法

    本文转自:http://onevcat.com/2014/06/my-opinion-about-swift/ 感谢原作者 虽然四点半就起床去排队等入场,结果还是只能坐在了蛮后面的位置看着大屏幕参加了 ...

  7. 怎么理解angularjs中的服务?

    AngularJS中的服务其实就是提供一种方式抽取共用类库 比如说一些工具类方法,我们传统的做法就是自己写个 utility 类,把相关的工具方法填充到utility里面去,最后把utility类放到 ...

  8. 安装 Rational Rose 启动报错:无法启动此程序,因为计算机中丢失 suite objects.dll

    安装完以后提示找不到 suite objects.dll: 经查找,该 dll 存在: 找不到的原因是,安装程序自动设置在 Path 中的环境变量有误: 把最后的 common 改成 Common: ...

  9. json数据与字符串的相互转化

    json转成string[需要引用json2.js文件]: var arr=[{id:'id',name:'Spring'},{id:'id2',name:'Jane'}]; var str=JSON ...

  10. python+opencv

    $cd numpy $ sudo python setup.py build $ sudo python setup.py installRunning from numpy source direc ...