Python学习笔记，day4

Python学习第四天

一、装饰器

函数调用顺序：

其他高级语言类似,Python 不允许在函数未声明之前,对其进行引用或者调用

高阶函数：

满足下列条件之一就可成函数为高阶函数

1. 某一函数当做参数传入另一个函数中

2. 函数的返回值包含n个函数,n>0

内嵌函数和变量作用域：

定义：在一个函数体内创建另外一个函数，这种函数就叫内嵌函数(基于python支持静态嵌套域)

闭包：

如果在一个内部函数里，对在外部作用域(但不是在全局作用域）的变量进行引用，那么内部函数就被认为是 closure

内嵌函数+高阶函数+闭包=》装饰器

范例一：函数参数固定

 def decorartor(func):
     def wrapper(n):
         print 'starting'
         func(n)
         print 'stopping'
     return wrapper

 def test(n):
     print 'in the test arg is %s' %n

 decorartor(test)('alex')

范例二：函数参数不固定

 def decorartor(func):
     def wrapper(*args,**kwargs):
         print 'starting'
         func(*args,**kwargs)
         print 'stopping'
     return wrapper

 def test(n,x=1):
     print 'in the test arg is %s' %n

 decorartor(test)('alex',x=2)

范例三：无参装饰器

 import time
 def decorator(func):
         def wrapper(*args,**kwargs):
             start=time.time()
             func(*args,**kwargs)
             stop=time.time()
             print 'run time is %s ' %(stop-start)
             print timeout
         return wrapper

 @decorator
 def test(list_test):
     for i in list_test:
         time.sleep(0.1)
         print '-'*20,i

 #decorator(test)(range(10))
 test(range(10))

范例四：有参装饰器

 import time
 def timer(timeout=0):
     def decorator(func):
         def wrapper(*args,**kwargs):
             start=time.time()
             func(*args,**kwargs)
             stop=time.time()
             print 'run time is %s ' %(stop-start)
             print timeout
         return wrapper
     return decorator
 @timer(2)
 def test(list_test):
     for i in list_test:
         time.sleep(0.1)
         print '-'*20,i

 #timer(timeout=10)(test)(range(10))
 test(range(10))

二、生成器

1、列表生成式

 >>> a = [i+1 for i in range(10)]
 >>> a
 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

2、生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

 >>> L = [x * x for x in range(10)]
 >>> L
 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
 >>> g = (x * x for x in range(10))
 >>> g
 <generator object <genexpr> at 0x1022ef630>

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

 def fib(max):
     n, a, b = 0, 0, 1
     while n < max:
         print(b)
         a, b = b, a + b
         n = n + 1
     return 'done'

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

 def fib(max):
     n,a,b = 0,0,1

     while n < max:
         #print(b)
         yield  b
         a,b = b,a+b

         n += 1

     return 'done'

这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

 >>> f = fib(6)
 >>> f
 <generator object fib at 0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

 data = fib(10)
 print(data)

 print(data.__next__())
 print(data.__next__())
 print("干点别的事")
 print(data.__next__())
 print(data.__next__())
 print(data.__next__())
 print(data.__next__())
 print(data.__next__())

 #输出
 <generator object fib at 0x101be02b0>
 1
 干点别的事
 3
 8

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

 >>> g = fib(6)
 >>> while True:
 ...     try:
 ...         x = next(g)
 ...         print('g:', x)
 ...     except StopIteration as e:
 ...         print('Generator return value:', e.value)
 ...         break
 ...
 g: 1
 g: 1
 g: 2
 g: 3
 g: 5
 g: 8
 Generator return value: done

三、迭代器

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象

 >>> from collections import Iterable
 >>> isinstance([], Iterable)
 True
 >>> isinstance({}, Iterable)
 True
 >>> isinstance('abc', Iterable)
 True
 >>> isinstance((x for x in range(10)), Iterable)
 True
 >>> isinstance(100, Iterable)
 False

*可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

 可以使用isinstance()判断一个对象是否是Iterator对象：

 >>> from collections import Iterator
 >>> isinstance((x for x in range(10)), Iterator)
 True
 >>> isinstance([], Iterator)
 False
 >>> isinstance({}, Iterator)
 False
 >>> isinstance('abc', Iterator)
 False

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

 >>> isinstance(iter([]), Iterator)
 True
 >>> isinstance(iter('abc'), Iterator)
 True

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为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，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于：

 # 首先获得Iterator对象:
 it = iter([1, 2, 3, 4, 5])
 # 循环:
 while True:
     try:
         # 获得下一个值:
         x = next(it)
     except StopIteration:
         # 遇到StopIteration就退出循环
         break

四、json&pickle序列化

用于序列化的两个模块

• json，用于字符串 和 python数据类型间进行转换
• pickle，用于python特有的类型 和 python的数据类型间进行转换

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

五、目录开发规范

假设你的项目名为foo:

Foo/
|-- bin/
|   |-- foo
|
|-- foo/
|   |-- tests/
|   |   |-- __init__.py
|   |   |-- test_main.py
|   |
|   |-- __init__.py
|   |-- main.py
|
|-- docs/
|   |-- conf.py
|   |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README

简要解释一下:

1. bin/: 存放项目的一些可执行文件，当然你可以起名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。

关于README的内容

目的是能简要描述该项目的信息，让读者快速了解这个项目。

它需要说明以下几个事项:

1. 软件定位，软件的基本功能。
2. 运行代码的方法: 安装环境、启动命令等。
3. 简要的使用说明。
4. 代码目录结构说明，更详细点可以说明软件的基本原理。
5. 常见问题说明。