迭代器
迭代的概念
使用for循环遍历取值的过程叫做迭代，比如：使用for循环遍历列表获取值的过程
使用for循环遍历取值的对象叫做可迭代对象, 比如：列表、元组、字典、集合、range、字符串
判断对象是否是指定类型
from collections import Iterable
result = isinstance((3,5), Iterable)
自定义可迭代对象: 在类里面定义__iter__方法创建的对象就是可迭代对象
可迭代对象的本质：遍历可迭代对象的时候其实获取的是可迭代对象的迭代器， 然后通过迭代器获取对象中的数据
自定义迭代器对象: 在类里面定义__iter__和__next__方法创建的对象就是迭代器对象
注：在这里有两个概念，一个是 可迭代对象 一个是 迭代器对象 不要混淆
demo：
from collections import Iterator
# 自定义可迭代对象: 在类里面定义__iter__方法创建的对象就是可迭代对象
class MyList(object):
def __init__(self):
self.my_list =list()
# 添加指定元素
def append_item(self, item):
self.my_list.append(item)
def __iter__(self):
# 可迭代对象的本质：遍历可迭代对象的时候其实获取的是可迭代对象的迭代器， 然后通过迭代器获取对象中的数据
my_iterator = MyIterator(self.my_list)
return my_iterator
# 自定义迭代器对象: 在类里面定义__iter__和__next__方法创建的对象就是迭代器对象
class MyIterator(object):
def __init__(self, my_list):
self.my_list = my_list
# 记录当前获取数据的下标
self.current_index =0
# 判断当前对象是否是迭代器
result =isinstance(self, Iterator)
print("MyIterator创建的对象是否是迭代器:", result)
def __iter__(self):
return self
# 获取迭代器中下一个值
def __next__(self):
if self.current_index
self.current_index +=1
return self.my_list[self.current_index -1]
else:
# 数据取完了，需要抛出一个停止迭代的异常
raise StopIteration
my_list = MyList()
my_list.append_item(1)
my_list.append_item(2)
result =isinstance(my_list, Iterable)
print(result)
for value in my_list:
print(value)
iter()函数与next()函数
iter函数: 获取可迭代对象的迭代器，会调用可迭代对象身上的__iter__方法
next函数: 获取迭代器中下一个值，会调用迭代器对象身上的__next__方法
for循环的本质
遍历的是可迭代对象
for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。
遍历的是迭代器
for item in Iterator 循环的迭代器，不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。
生成器
生成器是一类特殊的迭代器,它不需要再像上面的类一样写__iter__()和__next__()方法了, 使用更加方便,它依然可以使用next函数和for循环取值
创建生成器方法1
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：
(i for i in range(5))
如果我们打印它的类型我们可以看到是
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过generator的next()方法：
创建生成器方法2
在def函数里面看到有yield关键字那么就是生成器
demo(斐波那契额数列)
def fibonacci(num):
a =0
b =1
# 记录生成fibonacci数字的下标
current_index =0
while current_index < num:
result = a
a, b = b, a + b
current_index +=1
# 代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
yield result
for i in fibonacci(5):
print(i)
只要在def中有yield关键字的 就称为 生成器
使用send方法启动生成器并传参
def gen():
i =0
while i<5:
temp =yield i
print(temp)
i+=1
我们可以调用send方法给yield传值
f = gen()
next(f) #首次调用必须是next，因为生成器还没有执行到yield 无法进行接收值
f.send('haha') #send 发送值 传递给生成器 由temp进行接收
next(f) #再次调用next 相当于send了一个None
f.send('haha')
yield和return的对比
使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
每次启动生成器都会返回一个值，多次启动可以返回多个值，也就是yield可以返回多个值
return只能返回一次值，代码执行到return语句就停止迭代,抛出停止迭代异常
yield可以在下次执行的时候接受传递的值
生成器创建有两种方式，一般都使用yield关键字方法创建生成器
yield特点是代码执行到yield会暂停，把结果返回出去，再次启动生成器在暂停的位置继续往下执行
装饰器
装饰器使用的原理就是闭包，在函数的时候介绍过闭包的一个使用：
https://www.jianshu.com/p/40ab45debf43
装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。
概括的讲，装饰器的作用就是为已经存在的函数或对象添加额外的功能。
简单装饰器
def test(fun):
def test_in():
#增加的功能
print("这是我新增的功能")
return fun() #一般我们把函数的结果返回，不会自己直接执行
# 其实这里返回的就是闭包的结果
return test_in#返回一定是内部函数的引用，不能带有小括号
@test
def fun():
return "rookieyu"
print(fun())
简单的装饰器，函数没有参数传递
装饰器 @test
相当于 fun = test(fun)
在这里调用的test ，然后把fun这个函数当做一个对象传递给test函数，返回的是test_in函数重新赋值给fun
最后我们在执行fun()的时候，相当于执行的是test(fun)() 是test_in函数。执行后会在函数里面先执行我们增加的功能，之后把函数之后的结果返回。
函数带参数装饰器
def debug(func):
def wrapper(*args, **kwargs):# 指定宇宙无敌参数
print("[DEBUG]: enter {}()".format(func.__name__))
print('Prepare and say...',)
return func(*args, **kwargs)
return wrapper # 返回
@debug
def say(something):
print("hello {}!".format(something))
say("rookieyu")
我们采用的是*args, **kwargs，这样我们再调用装饰器的时候可以随意设置变量，让我们的装饰器更具有通用性
装饰器带参数,在原有装饰器的基础上，设置外部变量
def logging(level):
def wrapper(func):
def inner_wrapper(*args, **kwargs):
print("[{level}]: enter function {func}()".format(level=level,func=func.__name__))
return func(*args, **kwargs)
return inner_wrapper
return wrapper
@logging(level='INFO')
def say(something):
print("say {}!".format(something))
# 如果没有使用@语法，等同于
# say = logging(level='INFO')(say)
@logging(level='DEBUG')
def do(something):
print("do {}...".format(something))
if __name__ =='__main__':
say('hello')
do("my work")
在这里我们可以看到装饰器也可以传参数的，但是我们必须要再去做一层嵌套的使用。
基于类实现的装饰器
装饰器函数其实是这样一个接口约束，它必须接受一个callable对象作为参数，然后返回一个callable对象。在Python中一般callable对象都是函数，但也有例外。只要某个对象重载了__call__()方法，那么这个对象就是callable的。
demo:
class logging(object):
def __init__(self, func):
self.func = func
def __call__(self, *args, **kwargs):
print("[DEBUG]: enter function {func}()".format(func=self.func.__name__))
return self.func(*args, **kwargs)
@logging
def say(something):
print("say {}!".format(something))
say("rookie")
内置的装饰器
内置的装饰器和普通的装饰器原理是一样的，只不过返回的不是函数，而是类对象，所以更难理解一些。
@property 可以将一个方法，当做一个属性来使用
@staticmethod 将类方法装换成一个静态方法
@classmethod 将类方法装换成为类方法