一.函数的有用信息
1.首先我们看这样一个装饰器：
可以看到我们用login.__doc__就把函数的有用信息打印出来了，注意此时并没有用装饰器，接下来我们把装饰器加上实验：
很明显，当加上装饰器的时候，原函数的函数说明就无法调用的到，只能调用到装饰器的函数说明，那如果我们想要调用到，该怎么办呢？，py的一个模块提供了一个方法：
可以看到，这样就调用到了被装饰函数的函数说明啦。
二.装饰器的升级
1.带参数的装饰器,我们先看如下函数：
如上是三个函数，我们用了一个装饰器进行装饰，假设有这样一个场景，我们有500个函数需要装饰，ok，有的同学可能会说，那就写500遍@wrapper就行了，等你写完我又不想用他装饰了，那是不是还要在删500次呢，这样看来是不是太复杂了呢，接下来我们引入一个带参数的装饰器解决这个问题，一步轻松搞定！
此时我们的flog变量设置的是True,就是启用装饰器，接下来设为False,看下结果：
这是不是就是一步就搞定了呢，不用在来回删除增加啦，这里简单分析下：
在外层加了一个timmer(flog)的函数，装饰器函数形式为：@timmer(flog),首先将@和timmer(flog)拆分，先计算timmer(flog),执行timmer函数，将flog的值赋值给flog1，然后执行函数返回wrapper,此时在于@结合成@wrapper,这就与之前的装饰器调用形式一样了，接下来继续执行程序，判断flog1的值，为True就进行装饰，为Falase就不装饰。
2.多个装饰器装饰一个函数，首先看下面的例子：
想一想为什么会打印出这样的结果呢？接下来一步步来分析：
首先我们知道函数最近的装饰器先执行，这里先执行wrapper1这个装饰器，fun = wrapper1(fun),里面的fun是函数名，外面的fun是inner1.接下来执行wrapper2这个装饰器，fun=wrapper2(fun),执行完毕，里面的fun是inner1,外面的fun是inner2,接下来在执行wrapper3这个装饰器，fun=wrapper3(fun),执行完毕，里面的fun是inner2,外面的fun是inner3.这时，所有的装饰器已经循环完毕，首先会打印inner3的装饰器：打印before wrapper3,然后是inner2(),打印before wrapper2，然后是inner1(),打印before wrapper1，接下来就是执行fun函数打印666666666，打印完毕依次返回打印after wrapper1,after wrapper2,after wrapper3,然后程序结束。
三.迭代器
1.什么是可迭代对象？类似于for循环遍历这种：
以上是字符串的循环，接下来看下整形数据的：
可以看到int类型是不可迭代的。
str, list tuple dict set range 文件句柄都是可迭代对象
该对象中，含有__iter__方法的就是可迭代对象，遵循可迭代协议
print(dir(str))
判断该对象是不是可迭代对象的两种方法：
（1）：判断是否含有__iter__方法：
（2）.利用isinstance方法进行判断：
2.迭代器：
迭代器 内部含有__iter__ 且含有__next__方法的对象就是迭代器，遵循迭代器协议。
可迭代对象转换为迭代器：
判断该对象是不是迭代器的两种方法：
（1）.判断是否含有__next__方法：
（2）.利用isinstance方法：
迭代器的好处:节省内存、惰性机制、单向执行，不可逆。
用while取值迭代器案例：
四.生成器：
1.生成器本质就是迭代器，他是自定义的迭代器（自己用python代码写的迭代器）,生成器的关键词是yield,下面利用函数的方式构建一个生成器：
凡是函数中有yield关键词就是生成器。
可以看出，每执行一个next就对应一个yield,也就是只执行一个yield.
案例：
send和next都是对生成器取值,
send会给上一个yield发送一个值
send不能用在第一次取值
最后一个yield不能得到值
五.生成器表达式，列表推导式
1.生成器表达式的基本语法：
[变量（加工后的变量) for 变量 in iterable] 遍历模式
打印30以内能被3整除的数：
2.列表生成式：
# 列表推导式：简单，一行搞定。
# 特别复杂的数据列表推导式无法实现，只能用其他方式实现。
# 列表推导式不能排错。
# 列表推导式与生成器表达式区别
# 1 ,列推直观能看出，但是占内存
# 2，生成器表达式不易看出，但是节省内存。
案例练习：
（1）.构建列表： 十以内的所有的元素的平方。
（2）.20以内所有能被3整除的数的平方
（3）.[3,6,9] 组成的列表M = [[1,2,3],[4,5,6],[7,8,9]]
(4).
