装饰器
在不修改函源代码和调用方式的情况下给函数加上新的功能
无参数的装饰器:
def foo(func):
print('in the foo')
def inner(*args,**kwargs):
print('in the inner')
func(*args,**kwargs)
return inner
@foo #test=foo(test)
def test():
print('welcome to join')
test()
out:
in the foo
in the inner
test
有参数的装饰器(相当于再包一层):
def login(login_style):
if login_style =='QQ':
print('QQ')
elif login_style=="weibo":
print("weibo")
def outer(func):
print('in the foo')
def bar(*args,**kwargs):
print('in the bar')
func(*args,**kwargs)
return bar
return outer
@login('QQ')
def test():
print('test')
@login('weibo')
def test2():
print('test2')
生成器
1.使用列表生成式
把一个列表(0-9)中的每一个数+1
a = [i+1 for i in range(10)]
a
输出[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
装逼版本：
a = map(lambda x:x+1,range(10))
for i in a:
print(i)
如果需要100万个数的列表,使用生成器的话会占用大量的内存,而且真正操作的时候不需要一次性的使用这么多的数据,怎么办?
>>> a =(i for i in range(10))
>>> a
at 0x000001998ED0E780>
发现a是generator类型的对象,它就是一个迭代器,每次给你一个值,可以通过next()方法来获取它的值,如果值取完了,那就会报错.
>>> next(a)
0
>>> next(a)
1
但是每次都是用next实在是不实用,但其实generator是一个可迭代的对象,所以可以直接for迭代它.
>>> a =(i for i in range(10))
>>> for i in a:
... print(i)
...
0
1
2
3
4
5
6
7
8
9
2.使用函数
但是如果遇到了一些比较复杂的算法,斐波那契数列,使用函数可以轻易的取得:
def fib(max):
n,a,b = 0,0,1
while n使用yield把这个函数变成生成器:
def fib(max):
n,a,b = 0,0,1
while n>> next(f)
1
>>> next(f)
1
>>> next(f)
2
>>> next(f)
3
>>> next(f)
5
只要函数加上了yield就相当于程序执行到该处时返回值，并等待下一个next继续执行。
迭代器
可以直接作用于for循环的数据类型就是可迭代对象（lterable），主要有以下几种：
- 集合数据类型，如list、tuple、dict、set、str等;
- generator，包括生成器和带yielld的generator function
可以使用isinstance()判断一个对象是否为lterable(可迭代)对象：
from collections import Iterable
print(isinstance([],Iterable))
>>>True
而生成器不但可以作用于for循环，还可以被nex()函数不断调用并返回下一个值，直到最后抛出StopIteration异常表示无法返回下一个值。
可以被next()函数调用并不断返回下一个值的对象被称为迭代器：Iterator
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Itertor.