1、迭代器  

  迭代器是访问集合的一种方式,迭代对象从集合的第一个元素开始访问,直到元素被访问结束,迭代器只能往前不能后退,最大的优点是不要求事先准备好整个迭代过程中的元素,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。
  特点:
    访问者不需要关心迭代器内部的结构,仅需通过next()方法不断去取下一个内容
    不能随机访问集合中的某个值,只能从头到尾依次访问
    访问到一半时不能往回退
    便于循环比较大的数据集合,节省内存

  使用:

    #生成迭代器:
    name = iter(['d','c','b','a',])
    print(name.__next__())
    print(name.__next__())
    print(name.__next__())
    print(name.__next__())

    f = open("test.text","r")
    for line in f: #已迭代的方式读取文件,节省内存
      print(line)

2、生成器

  一个函数调用时返回一个迭代器,那这个函数就叫做生成器(generator),如果函数中包含yield语法,那这个函数就会变成生成器

  作用:
    yield可以使函数中断,并保存中断状态,中断后,代码可以继续往下执行,过一段时间还可以再重新调用这个函数,从上次yield的下一句开始执行。
    相当于生成器函数生成值后自动挂起并暂停他们的执行和状态,他的本地变量将保存状态信息,这些信息在函数恢复时将再度有效。

 import time
 def Consumer(name):
     print("%s 准备吃包子了!" %name)
     while True:
         baozi = yield
         print("包子%s来了,被%s吃了" %(baozi,name))

 def Producer():
     c = Consumer('A')
     c2 = Consumer('B')
     c.__next__()
     c2.__next__()
     print("包子已经开始制作!")
     for i in range(2):
         time.sleep(1)
         print("做了两个包子")
         c.send(i)
         c2.send(i)

 Producer()

  上述代码,首先执行的Producer函数,然后c、c2分别执行Consumer函数,由于函数中yield,所以该函数挂起,通过next打印第一个print,遇到yield再次挂起函数。继续执行Producer的代码,之后通过send再次调用Consumer函数(send是发送参数给yield),然后继续执行之前中断位置后面的代码。

3、装饰器

 #!/usr/bin/env python
 # coding=utf-
 def outer(fun):
     def wrapper():
         print(')
         fun()
         print(')
     return wrapper

 @outer
 def Func1():
     print("Func1")

 @outer
 def Func2():
     print("Func2")

 @outer
 def Func3():
     print("Func3")
 Func1()
 Func2()
 Func3()

  上述代码outer就是一个装饰器,其中outer是名字,fun是参数。
  当代码读到@outer时会将下面的函数名也就是Func1就等同于装饰器的参数fun,也就是把Func1传给了fun
  于是fun()就被换成了Func1
  然后执行Func1()就是执行替换后的wrapper函数
  #@outer相当于outer(Func1),装饰器作用是扩展代码

4、递归

  如果一个函数在内部调用自身本身,这个函数就是递归函数。

 #!/usr/bin/env python
 # coding=utf-8
 def Fibonacci(arg1,arg2,stop):
     if arg1 == 0:
         print(arg1)
         print(arg2)
     arg3 = arg1 + arg2
     if arg3 < stop:
         print(arg3)
         return Fibonacci(arg2,arg3,stop)
     else:
         return

 #代码执行
 Fibonacci(0,1,1000)

 #0是开始的第一个数字,1是开始的第二个数字,1000是结束值。

通过递归打印菲波那切数列

 5、算法基础

  5.1  二分查找

#!/usr/bin/env python
# coding=utf-8

import sys
def TwoPointsFind(NumberDataBase,FindNumber,SearchNumber = 1):
    #取数字列表的中间值
    if len(NumberDataBase) > 1:
        print("第%s次查找:" %SearchNumber)
        MiddleIndex = int(len(NumberDataBase)/2)
        MiddleNumber = NumberDataBase[MiddleIndex]
        #如果中间值等于要查找的数字
        if MiddleNumber == FindNumber:
            sys.exit("找到了。" )
        #如果中间值大于要查找的数字,说明要查找的数字在数字集合的左半部分
        elif MiddleNumber > FindNumber:
            #取集合的左半部分,并递归二分查找函数
            SearchNumber += 1
            return TwoPointsFind(NumberDataBase[:MiddleIndex],FindNumber,SearchNumber)
        else:#如果中间值小于要查找的数字,说明要查找的数字在数字集合的右半部分
            # 取集合的右半部分,并递归二分查找函数
            SearchNumber += 1
            return TwoPointsFind(NumberDataBase[MiddleIndex:],FindNumber,SearchNumber)
    else:
        print("没有找到")

FindNumber = 50
NumberDataBase = list(range(1,60))
TwoPointsFind(NumberDataBase,FindNumber)

二分查找某个数据

    二分查找可分段查询数据,查找速度快,节省内存。

  5.2 二维数组旋转九十度

#!/usr/bin/env python
# coding=utf-8

RowColNum = 7
data = [[col for col in range(RowColNum)] for row in range(RowColNum)]
for row in data:
    print(row)

print("---------------替换后----------------")
for i in range(len(data)-1):
    for j in range(i+1,len(data)):
        Before = data[i][j]
        After = data[j][i]
        data[i][j] = After
        data[j][i] = Before

for i in data:
    print(i)

#代码执行结果
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
[0, 1, 2, 3, 4, 5, 6]
---------------替换后----------------
[0, 0, 0, 0, 0, 0, 0]
[1, 1, 1, 1, 1, 1, 1]
[2, 2, 2, 2, 2, 2, 2]
[3, 3, 3, 3, 3, 3, 3]
[4, 4, 4, 4, 4, 4, 4]
[5, 5, 5, 5, 5, 5, 5]
[6, 6, 6, 6, 6, 6, 6]
#旋转九十度真正做的是列表的value替换,不难发现替换规律是阶梯互反替换,即01与10,02与20,03与30,04与40,05与50,06与60,12与21,13与31,14与41.....一次类推到56与65。代码可更改RowColNum值,已达到最多层次替换。

二维数组代码

  5.3 冒泡排序

 #!/usr/bin/env python
 #coding=utf-8
 DataList = [1,2,2,65,3,55,3,5,54,3,54,3,4,534,5435,234]
 #DataList一共有N个数据,那么就要经过N-1次排序才能完成从小到大排序
 for j in range(1,len(DataList)):
     #从第一个数据开始,依次和下一个数据进行比较
     for i in range(len(DataList)-j):
         #如果本次数据大于下一个数据,将本次数据与下次数据调换位置
         if DataList[i] > DataList[i+1]:
             SmallTmp = DataList[i+1]
             DataList[i+1] = DataList[i]
             DataList[i] = SmallTmp
 print(DataList)

冒泡排序

6、正则入门

  三十分钟正则表达式>>点我

 #!/usr/bin/env python
 #coding=utf-8

 import re
 #match:从开头找,如果开头不匹配则返回None
 result1 = re.match('\d+','11112421adsafefrqweadfadfsafdqdf')
 #search:是遍历,直到找到为止,找到即终止
 result2 = re.search('\d+','ds2ad213131safe22frqweadfadfsafdqdf')
 #findall:查找所有的匹配值,返回的是一个列表
 result3 = re.findall('\d+','11112421adsafefrqw3ea432dfadfsafdqdf')
 #匹配1到3,出现1到5次,*零到多个  ?零或者一  +大于等于1
 result4 = re.findall('[1-3]{1,5}','11112421adsafefrqw3ea432dfadfsafdqdf')
 Before = "11112421adsafefrqw3ea432dfadfsafdqdf"
 #sun:替换,将a替换成T,替换6个
 After = re.sub("a","T",Before,count=6)
 if result1:
     print(result1.group())
 if result2:
     print(result2.group())
 if result3:
     print(result3)
 if result4:
     print(result4)
 print(Before,After)
  #*零到多个 ?零或者一 +大于等于1 ^匹配开头 $匹配结尾 .匹配任意字符

Python学习(三):迭代器、生成器、装饰器、递归、算法、正则的更多相关文章

  1. Python 迭代器&生成器,装饰器,递归,算法基础:二分查找、二维数组转换,正则表达式,作业:计算器开发

    本节大纲 迭代器&生成器 装饰器  基本装饰器 多参数装饰器 递归 算法基础:二分查找.二维数组转换 正则表达式 常用模块学习 作业:计算器开发 实现加减乘除及拓号优先级解析 用户输入 1 - ...

  2. Python(迭代器 生成器 装饰器 递归 斐波那契数列)

    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,直到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.另外,迭代器的一大优 ...

  3. python中的迭代器&&生成器&&装饰器

    迭代器iterator 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,直到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.另外, ...

  4. python中的迭代器 生成器 装饰器

    什么迭代器呢?它是一个带状态的对象,他能在你调用next()方法的时候返回容器中的下一个值,任何实现了__iter__和__next__()(python2中实现next())方法的对象都是迭代器,_ ...

  5. Python学习之--函数/生成器/装饰器

    Function,函数,主要是为了:1提高代码的复用程度,2将程序模块化. 定义函数 在Python中,使用def 用来定义函数,一般函数的定义如下: def name(arg1,arg2,....) ...

  6. Python基础-迭代器&生成器&装饰器

    本节内容 迭代器&生成器 装饰器 Json & pickle 数据序列化 软件目录结构规范 作业:ATM项目开发 1.列表生成式,迭代器&生成器 列表生成式 我现在有个需求,看 ...

  7. Day4 - Python基础4 迭代器、装饰器、软件开发规范

    Python之路,Day4 - Python基础4 (new版)   本节内容 迭代器&生成器 装饰器 Json & pickle 数据序列化 软件目录结构规范 作业:ATM项目开发 ...

  8. Python基础4 迭代器、装饰器、软件开发规范

    本节内容 迭代器&生成器 装饰器 Json & pickle 数据序列化 软件目录结构规范 作业:ATM项目开发 1.列表生成式,迭代器&生成器 列表生成式 孩子,我现在有个需 ...

  9. 迭代器/生成器/装饰器 /Json & pickle 数据序列化

    本节内容 迭代器&生成器 装饰器 Json & pickle 数据序列化 软件目录结构规范 作业:ATM项目开发 1.列表生成式,迭代器&生成器 列表生成式 孩子,我现在有个需 ...

  10. Python 全栈开发五 迭代器 生成器 装饰器

    一.迭代器 迭代协议:对象必须提供一个next方法,执行该方法后会返回迭代的下一项或者抛出Stopiteration异常,终止迭代.切只能往前,不能倒退. 可迭代对象:遵循迭代写一点对象就是可迭代对象 ...

随机推荐

  1. MVC Code First(数据模型实例讲解)

    首先配置好web.config <connectionStrings> <add name="BookDbContext" connectionString=&q ...

  2. php代码中的细节问题

    本次主要谈及工作中关于注销功能中的路径设置及session的清除问题之前的调试一直忽略了session的功能,以至于每次使用__ROOT__/index.php/home/Student/logout ...

  3. SSM Spring+SpringMVC+mybatis+maven+mysql环境搭建

    SSM Spring+SpringMVC+mybatis+maven环境搭建 1.首先右键点击项目区空白处,选择new->other..在弹出框中输入maven,选择Maven Project. ...

  4. FreeRTOS--堆内存管理

    因为项目需要,最近开始学习FreeRTOS,一开始有些紧张,因为两个星期之前对于FreeRTOS的熟悉度几乎为零,经过对FreeRTOS官网的例子程序的摸索,和项目中问题的解决,遇到了很多熟悉的身影, ...

  5. 这一次带你彻底了解Cookie

    前言 网络早期最大的问题之一是如何管理状态.简而言之,服务器无法知道两个请求是否来自同一个浏览器.当时最简单的方法是在请求时,在页面中插入一些参数,并在下一个请求中传回参数.这需要使用包含参数的隐藏的 ...

  6. NYOJ-2359: 巴什博弈?

    2359: 巴什博弈? 时间限制: 1 Sec  内存限制: 30 MB 提交: 263  解决: 55 [提交][状态][讨论版] 题目描述 有n个石子,有两人轮流从中取石子,最少a个最多b个,谁没 ...

  7. centos7 无法启动网络(service network restart)错误解决办法

    centos7 无法启动网络(service network restart)错误解决办法: (以下方法均为网上COPY,同时感谢原博主分享) systemctl status network.ser ...

  8. “IAsyncOperation<StorageFile>”不包含“GetAwaiter”的定义

    错误 CS4036 "IAsyncOperation<StorageFile>"不包含"GetAwaiter"的定义,并且找不到可接受类型为&quo ...

  9. Python 开发与接口测试学习笔记

    这是我跟着虫师学习中积累下来的学习笔记,写得比较简单,适合想学习Python开发与接口测试的初学者学习. 一.开发投票系统 1.参考官网文档,创建投票系统. https://docs.djangopr ...

  10. javascript设计模式——适配器模式

    前面的话 适配器模式的作用是解决两个软件实体间的接口不兼容的问题.使用适配器模式之后,原本由于接口不兼容而不能工作的两个软件实体可以一起工作.适配器的别名是包装器(wrapper),这是一个相对简单的 ...