python之路6-迭代器、生成器、装饰器

1、迭代器&生成器

列表生成式

现在有个需求，列表[1,2,3,4,5,6,7,,8,9],要求把列表里的每个值加1，如何实现？

方法一：

list = [1,2,3,4,5,6,7,8,9]

for index,i in enumerate(list):
    list[index] = i + 1

print(list)
运行结果：
[2, 3, 4, 5, 6, 7, 8, 9, 10]

　方法二：

list = [1,2,3,4,5,6,7,8,9]
#map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 列表list，并通过把函数 f 依次作用在 list 的每个元素上，
# 得到一个新的 list 并返回
a = map(lambda x:x+1,list)
for i in a:
    print(i)

运行结果：
[2, 3, 4, 5, 6, 7, 8, 9, 10]

　其实，还有一种写法

list = [1,2,3,4,5,6,7,8,9]
a = [x+1 for x in list]
print(a)

运行结果：
[2, 3, 4, 5, 6, 7, 8, 9, 10]

　这就叫做列表生成式

　生成器

通过列表生成式，我们可以创建一个列表，但是，受到内存限制，列表容量是有限的。而且，创建一个包含100百万元素的列表，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就白白浪费了。所以，如果列表元素可以按照某种算法推算出来，那我们是否可在循环过程中不断推算出后面的元素呢？这样就不需创建完整的列表，从而节省大量空间。在python中，这种一边循环一边计算的机制，称为生成器：generator。创建一个generator，有很多中方法，第一种方法很简单，只要把列表生成式中的[]改成（），就创建了一个generator。

a = [x+1 for x in range(10)]
print(a)
a = (x+1 for x in range(10))
print(a)
运行结果：
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
<generator object <genexpr> at 0x0000017258EF2830>

　generator要打印出来，需要通过next()函数获得generator的返回值

print(next(a))
1
print(next(a))
2

generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

for i in a:
    print(i)

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ..

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 +=1
    return 'done'

fib(10)

　　

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:
        yield b
        a,b=b,a+b
        n +=1
    return 'done'

　　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。yield相当于一个断点

f = fib(10)
print(f.__next__())
print(f.__next__())
print("干点别的事")
print(f.__next__())
print(f.__next__())
运行结果：
1
1
干点别的事
2
3

　　同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

for i in fib(10):
    print(i)

　　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：

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。

个人理解：生成器就是迭代器

3、装饰器

软件开发原则：开放-封闭，不能改变原代码的调用方式。

• 封闭：已实现的功能代码块不应该被修改
• 开放：对现有功能的扩展开放

闭包函数：python中的闭包从表现形式上定义（解释）为：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闭包(closure)。

import time
def timer(func):
    def wrapper(*args,**kwargs):
        start_time=time.time()
        res=func(*args,**kwargs)#执行index原始函数
        stop_time = time.time()
        print('run time is %s' %(stop_time-start_time))
        return res
    return wrapper

@timer #index=timer(index)
def index(msg):
    print('in the index: ',msg)
    return 1
res=index('hello world') #wrapper('hello world')
print(res)
# 装饰器执行流程：
# 1、导入time模块
# 2、定义timer函数，函数名作为变量名赋值给timer函数
# 3、@timer index赋值给timer函数
# 4、定义闭包函数wrapper，直接返回wrapper
# 5、定义index函数
# 6、执行index函数，实际是执行timer函数的返回值wrapper函数