生成器

生成器是生成一个值的特殊函数,它具有这样的特点:第一次执行该函数时,先从头按顺序执行,在碰到yield关键字时该函数会暂停执行该函数后续的代码,并且返回一个值;在下一次调用该函数执行时,程序将从上一次暂停的位置继续往下执行。

通过一个例子来理解生成器的执行过程。求1-10的所有整数的立方并将结果打印输出,正常使用列表的实现如下:

输出结果如下:

当数据量很少时,可以很快得到结果。但是如果范围扩大到10000甚至是100000000,就会发现程序执行时间会变长,变卡,甚至有可能会因超出内存空间而出现程序崩溃的现象。这是因为当数据量变得非常大的时候,内存需要开辟很大的空间去存储这些数据,内存都被吃了,自然会变慢变卡。使用生成器就能解决这个问题。

对于上述同一个问题用生成器实现如下,将范围扩大到1-10000000:

执行效果如下:

可以看到没有任何的结果输出,这说明程序已经可以顺利执行。对于迭代器来讲需要用next()方法来获取值,修改主函数为以下情况可以打印输出前4个整数的立方数:

输出结果如下:

到此可以看到,生成器生成的值需要使用next()方法一个一个的取,它不会一次性生成所有的计算结果,只有在取值时才调用,这时程序会返回计算的一个值且程序暂停;下一次取值时从上一次中断了的地方继续往下执行。

以取出前3个值为例,下图为生成器代码解析图:

图解:Python解释器从上往下解释代码,首先是函数定义,这时在计算机内存开辟了一片空间来存储这个函数,函数没有被执行,继续往下解释;到了主函数部分,首先执行蓝色箭头1,接着往下执行到蓝色箭头2第一次调用生成器取值,此时生成器函数lifang_generate()开始执行,执行到生成器函数lifang_generate()的蓝色箭头2碰到yield关键字,这时候生成器函数暂停往下执行并且将result的结果返回,由于是第一次执行,因此result存储着1的立方的值,此时将1返回,第54行代码print(first)将结果打印输出。

主函数中程序接着往下执行到蓝色箭头3,生成器函数lifang_generate()第二次被调用,与第一次不同,第二次从上一次(也就是第一次)暂停的位置继续往下执行,上一次停在了yield处,因此蓝色箭头3所作的事情就是执行yield后面的语句,也就是第48行print('end'),执行完成之后因for循环条件满足,程序像第一次执行那样,执行到yield处暂停并返回一个值,此时返回的是2的立方数,在第57行打印输出8。

第三次调用(蓝色箭头4)与第二次类似,在理清了执行过程之后,程序执行结果如下:

迭代器

这里先抛出两个概念:可迭代对象、迭代器。

凡是可以通过for循环遍历其中的元素的对象,都是可迭代对象;之前学习得组合数据类型list(列表)、tuple(元组)、dict(字典)、集合(set)等,上一小节介绍得生成器也可以使用for循环来遍历,因此,生成器也是迭代器,但迭代器不一定就是生成器,例如组合数据类型。

凡是可以通过next访问取值得对象均为迭代器,生成器就是一种迭代器。可以看到,生成器不仅可以用for循环来获取值,还可以通过next()来获取。

Python中有一个库collections,通过该库的Iterable方法来判断一个对象是否是可迭代对象;如果返回值为True则说明该对象为可迭代的,返回值为False则说明该对象为不可迭代。用Iterator方法来判断一个对象是否是迭代器,根据返回值来判断是否为迭代器。

使用Iterable分别判断列表,字典,字符串以及一个整数类型是否是可迭代对象的代码如下:

执行的输出结果如下:

使用Iterator判断一个对象是否是迭代器的代码如下,与判断是否为可迭代对象类似:

输出的结果如下:

组合数据类型不是迭代器,但是属于可迭代对象,可以通过iter()函数将其转换位迭代器,这样就可以使用next方法来获取对象各个元素的值,代码如下:

输出结果为:

闭包

内部函数对外部函数变量的引用,则将该函数与用到的变量称为闭包。以下为闭包的例子:

理解闭包是理解装饰器的前提,同样通过一张图来理解闭包的执行过程:

图解:Python解释器从上往下解释代码,首先定义一个函数,func指向了该函数(红箭头所示);接着到主函数执行第14行代码 ret = func(10),此时先执行赋值号“=”右边的内容,这里调用了函数func()并传入10这个实参,函数func()代码开始执行,先是打印输出“start”,接着定义了一个函数func_in(),func_in指向了该函数,函数没有被调用,程序接着往下执行,return func_in 将函数的引用返回,第14行代码用ret接收了这个返回值,到此ret就指向了func_in所指向的函数体(绿箭头所示)。最后执行ret所指的函数。这就是闭包的整个过程,func_in()函数以及该函数内用到的变量num就称为闭包。

装饰器

代码的编写需要遵循封闭开放原则,封闭是指对于已有的功能代码实现不允许随意进行修改,开放是指能够对已有的功能进行扩展。例如一款手游,现在已经能够实现现有的游戏模式,但随着外部环境的变化发展(市场竞争,用户体验等),现有的游戏模式已经不能满足用户的需求了。为了留住用户,需要加入更多的玩法来保持用户对该款游戏的新鲜感,于是开发方在原来游戏的基础上又开发了好几种游戏模式。像这样,新的游戏版本既增加了先的游戏模式,又保留了原有的游戏模式,体现了封闭开放的原则。 装饰器的作用就是在不改变原来代码的基础上,在原来的功能上进行拓展,保证开发的效率以及代码的稳定性。 打印输出九九乘法表可以通过以下代码实现:

输出结果如下: 假如现在需要实现一个功能,在不修改func_1函数代码的前提下,在九九乘法表前增加一个表头说明,在乘法表最后也增加一个说明。下面的代码实现了装饰器的功能:

输出结果如下: 可以看到func_1函数的代码没有任何修改,还实现了问题提出的要求,这其中的核心就在于最后两行代码。通过下图来理解装饰器执行的过程:

图解:跟之前一样,Python解释器自上往下解释代码,遇到定义函数的代码不用管,因为没有调用函数是不会执行的;这样直接就来到了第22行代码中,程序先执行赋值号“=”右边的代码,shuoming(func_1)调用了之前定义的函数,并传入了func_1实参,程序转到shuoming(func)执行,形参func接收实参func_1,此时func也指向了func_1所指向的函数(如图中分界线上方白色方框内的蓝箭头所示);在shuoming()函数中代码继续往下走,在shuoming()函数内容又定义了一个shuoming_in()函数(如图中分界线上方白色方框内的蓝色方框所示),接着往下,将shuoming_in()函数的引用返回,至此shuoming()函数执行完毕,程序回到第22行代码执行,shuoming()函数的返回值被func_1接收,此时,func_1不在指向原来的函数,转成指向shuoming_in所指向的函数(如图中分界线下方白色方框内的黄色箭头)。最后调用func_1所指向的函数,也就是shuoming_in()函数,shuoming_in()函数内的func指向了原来func_1()所指的函数(也就是生成九九乘法表的函数),因此程序最终的结果就在九九乘法表前后各加了一个说明性字符串。

以上为装饰器的执行过程,但是以上装饰写法不够简洁,大多数情况下采取以下写法,输出结果是一样的:

有时候有些被装饰的函数可能有以下几种情况:存在或不存在参数,有返回值或没有返回值,参数可能定长或不定长等等,为了通用性,与爬虫的请求代码一样,装饰器有着通用的写法:

使用这个装饰器装饰九九乘法表一样可以正常输出,如果需要特定的装饰效果,修改这个通用代码即可。

结束

以上为生成器、迭代器、闭包以及装饰器的所有内容,其中装饰器属于难点。理解装饰器的执行过程能够更好的帮助我们进阶学习Python。

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

python

2018-10-10

关注

生成器

生成器是生成一个值的特殊函数,它具有这样的特点:第一次执行该函数时,先从头按顺序执行,在碰到yield关键字时该函数会暂停执行该函数后续的代码,并且返回一个值;在下一次调用该函数执行时,程序将从上一次暂停的位置继续往下执行。

通过一个例子来理解生成器的执行过程。求1-10的所有整数的立方并将结果打印输出,正常使用列表的实现如下:

输出结果如下:

当数据量很少时,可以很快得到结果。但是如果范围扩大到10000甚至是100000000,就会发现程序执行时间会变长,变卡,甚至有可能会因超出内存空间而出现程序崩溃的现象。这是因为当数据量变得非常大的时候,内存需要开辟很大的空间去存储这些数据,内存都被吃了,自然会变慢变卡。使用生成器就能解决这个问题。

对于上述同一个问题用生成器实现如下,将范围扩大到1-10000000:

执行效果如下:

可以看到没有任何的结果输出,这说明程序已经可以顺利执行。对于迭代器来讲需要用next()方法来获取值,修改主函数为以下情况可以打印输出前4个整数的立方数:

输出结果如下:

到此可以看到,生成器生成的值需要使用next()方法一个一个的取,它不会一次性生成所有的计算结果,只有在取值时才调用,这时程序会返回计算的一个值且程序暂停;下一次取值时从上一次中断了的地方继续往下执行。

以取出前3个值为例,下图为生成器代码解析图:

图解:Python解释器从上往下解释代码,首先是函数定义,这时在计算机内存开辟了一片空间来存储这个函数,函数没有被执行,继续往下解释;到了主函数部分,首先执行蓝色箭头1,接着往下执行到蓝色箭头2第一次调用生成器取值,此时生成器函数lifang_generate()开始执行,执行到生成器函数lifang_generate()的蓝色箭头2碰到yield关键字,这时候生成器函数暂停往下执行并且将result的结果返回,由于是第一次执行,因此result存储着1的立方的值,此时将1返回,第54行代码print(first)将结果打印输出。

主函数中程序接着往下执行到蓝色箭头3,生成器函数lifang_generate()第二次被调用,与第一次不同,第二次从上一次(也就是第一次)暂停的位置继续往下执行,上一次停在了yield处,因此蓝色箭头3所作的事情就是执行yield后面的语句,也就是第48行print('end'),执行完成之后因for循环条件满足,程序像第一次执行那样,执行到yield处暂停并返回一个值,此时返回的是2的立方数,在第57行打印输出8。

第三次调用(蓝色箭头4)与第二次类似,在理清了执行过程之后,程序执行结果如下:

迭代器

这里先抛出两个概念:可迭代对象、迭代器。

凡是可以通过for循环遍历其中的元素的对象,都是可迭代对象;之前学习得组合数据类型list(列表)、tuple(元组)、dict(字典)、集合(set)等,上一小节介绍得生成器也可以使用for循环来遍历,因此,生成器也是迭代器,但迭代器不一定就是生成器,例如组合数据类型。

凡是可以通过next访问取值得对象均为迭代器,生成器就是一种迭代器。可以看到,生成器不仅可以用for循环来获取值,还可以通过next()来获取。

Python中有一个库collections,通过该库的Iterable方法来判断一个对象是否是可迭代对象;如果返回值为True则说明该对象为可迭代的,返回值为False则说明该对象为不可迭代。用Iterator方法来判断一个对象是否是迭代器,根据返回值来判断是否为迭代器。

使用Iterable分别判断列表,字典,字符串以及一个整数类型是否是可迭代对象的代码如下:

执行的输出结果如下:

使用Iterator判断一个对象是否是迭代器的代码如下,与判断是否为可迭代对象类似:

输出的结果如下:

组合数据类型不是迭代器,但是属于可迭代对象,可以通过iter()函数将其转换位迭代器,这样就可以使用next方法来获取对象各个元素的值,代码如下:

输出结果为:

闭包

内部函数对外部函数变量的引用,则将该函数与用到的变量称为闭包。以下为闭包的例子:

理解闭包是理解装饰器的前提,同样通过一张图来理解闭包的执行过程:

图解:Python解释器从上往下解释代码,首先定义一个函数,func指向了该函数(红箭头所示);接着到主函数执行第14行代码 ret = func(10),此时先执行赋值号“=”右边的内容,这里调用了函数func()并传入10这个实参,函数func()代码开始执行,先是打印输出“start”,接着定义了一个函数func_in(),func_in指向了该函数,函数没有被调用,程序接着往下执行,return func_in 将函数的引用返回,第14行代码用ret接收了这个返回值,到此ret就指向了func_in所指向的函数体(绿箭头所示)。最后执行ret所指的函数。这就是闭包的整个过程,func_in()函数以及该函数内用到的变量num就称为闭包。

装饰器

代码的编写需要遵循封闭开放原则,封闭是指对于已有的功能代码实现不允许随意进行修改,开放是指能够对已有的功能进行扩展。例如一款手游,现在已经能够实现现有的游戏模式,但随着外部环境的变化发展(市场竞争,用户体验等),现有的游戏模式已经不能满足用户的需求了。为了留住用户,需要加入更多的玩法来保持用户对该款游戏的新鲜感,于是开发方在原来游戏的基础上又开发了好几种游戏模式。像这样,新的游戏版本既增加了先的游戏模式,又保留了原有的游戏模式,体现了封闭开放的原则。 装饰器的作用就是在不改变原来代码的基础上,在原来的功能上进行拓展,保证开发的效率以及代码的稳定性。 打印输出九九乘法表可以通过以下代码实现:

输出结果如下: 假如现在需要实现一个功能,在不修改func_1函数代码的前提下,在九九乘法表前增加一个表头说明,在乘法表最后也增加一个说明。下面的代码实现了装饰器的功能:

输出结果如下: 可以看到func_1函数的代码没有任何修改,还实现了问题提出的要求,这其中的核心就在于最后两行代码。通过下图来理解装饰器执行的过程:

图解:跟之前一样,Python解释器自上往下解释代码,遇到定义函数的代码不用管,因为没有调用函数是不会执行的;这样直接就来到了第22行代码中,程序先执行赋值号“=”右边的代码,shuoming(func_1)调用了之前定义的函数,并传入了func_1实参,程序转到shuoming(func)执行,形参func接收实参func_1,此时func也指向了func_1所指向的函数(如图中分界线上方白色方框内的蓝箭头所示);在shuoming()函数中代码继续往下走,在shuoming()函数内容又定义了一个shuoming_in()函数(如图中分界线上方白色方框内的蓝色方框所示),接着往下,将shuoming_in()函数的引用返回,至此shuoming()函数执行完毕,程序回到第22行代码执行,shuoming()函数的返回值被func_1接收,此时,func_1不在指向原来的函数,转成指向shuoming_in所指向的函数(如图中分界线下方白色方框内的黄色箭头)。最后调用func_1所指向的函数,也就是shuoming_in()函数,shuoming_in()函数内的func指向了原来func_1()所指的函数(也就是生成九九乘法表的函数),因此程序最终的结果就在九九乘法表前后各加了一个说明性字符串。

以上为装饰器的执行过程,但是以上装饰写法不够简洁,大多数情况下采取以下写法,输出结果是一样的:

有时候有些被装饰的函数可能有以下几种情况:存在或不存在参数,有返回值或没有返回值,参数可能定长或不定长等等,为了通用性,与爬虫的请求代码一样,装饰器有着通用的写法:

使用这个装饰器装饰九九乘法表一样可以正常输出,如果需要特定的装饰效果,修改这个通用代码即可。

结束

以上为生成器、迭代器、闭包以及装饰器的所有内容,其中装饰器属于难点。理解装饰器的执行过程能够更好的帮助我们进阶学习Python。

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器的更多相关文章

  1. Python核心编程的四大神兽

    http://www.cnblogs.com/ssy3340/p/9747722.html

  2. python语法生成器、迭代器、闭包、装饰器总结

    1.生成器 生成器的创建方法: (1)通过列表生成式创建 可以通过将列表生成式的[]改成() eg: # 列表生成式 L = [ x*2 for x in range(5)] # L = [0, 2, ...

  3. python中“生成器”、“迭代器”、“闭包”、“装饰器”的深入理解

    python中"生成器"."迭代器"."闭包"."装饰器"的深入理解 一.生成器 1.生成器定义:在python中,一边 ...

  4. python 生成器,迭代器,闭包,装饰器

    1.生成器,迭代器,闭包,装饰器的优点 生成器就是一类特殊的迭代器 迭代器的优点也即生成器的优点: 1.节约内存.python在使用生成器时对延迟操作提供了支持. 2.迭代到下一次的调用时,所使用的参 ...

  5. python中的生成器、迭代器、闭包、装饰器

    迭代器 迭代是访问集合元素的一种方式.迭代器是一个可以记住遍历的位置的对象.迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束.迭代器只能往前不会后退. 可迭代对象 以直接作用于 for ...

  6. python中“生成器”、“迭代器”、“闭包”、“装饰器”的深入理解

    一.生成器 1.什么是生成器? 在python中,一边循环一边计算的机制,称为生成器:generator. 2.生成器有什么优点? 1.节约内存.python在使用生成器时对延迟操作提供了支持.所谓延 ...

  7. python函数式编程之返回函数、匿名函数、装饰器、偏函数学习

    python函数式编程之返回函数 高阶函数处理可以接受函数作为参数外,还可以把函数作为结果值返回. 函数作为返回值 def laxy_sum(*args): def sum(): ax = 0; fo ...

  8. python中对变量的作用域LEGB、闭包、装饰器基本理解

    一.作用域 在Python程序中创建.改变.查找变量名时,都是在一个保存变量名的空间中进行,我们称之为命名空间,也被称之为作用域.python的作用域是静态的,在源代码中变量名被赋值的位置决定了该变量 ...

  9. python tips:最内嵌套作用域规则,闭包与装饰器

    在作用域与名字空间提到,python是静态作用域,变量定义的位置决定了变量作用的范围.变量沿着local,global,builtins的路径搜索,直觉上就是从里到外搜索变量,这称为最内嵌套作用域规则 ...

随机推荐

  1. [SHOI2015]聚变反应炉[树dp、贪心]

    题意 给定一棵 \(n\) 个点的树,每个点有一个启动能量 \(d\) 和传递能量 \(c\) ,如果一个点被启动了,就会向和他直接相连的点发送 \(c\) 的能量,初始所有节点能量为0,问最少多少能 ...

  2. REST-framework快速构建API--四部曲

    代码目录结构: 一.使用原生APIView 使用rest-framework原生的APIView实现过程: 以url(r'^books/$', views.BookView.as_view(),nam ...

  3. 【Direct2D1.1初探】Direct2D特效概览

    转载请注明出处:http://www.cnblogs.com/Ray1024 一.概述 Direct2D是一个基于Direct3D的2D图形API,可以利用硬件加速特性来提供高性能高质量的2D渲染.但 ...

  4. node基础-文件系统-文件写操作

    文件操作频率最高的就是读跟写.nodejs的文件的读取API在<node基础-文件系统-读取文件>里已经简单介绍过,本文就简单介绍下nodejs的文件写API. nodejs的文件操作均提 ...

  5. LintCode——Pour Water

    Pour Water: We are given an elevation map, heights[i] representing the height of the terrain at that ...

  6. Muduo学习笔记(一) 什么都不做的EventLoop

    Muduo学习笔记(一) 什么都不做的EventLoop EventLoop EventLoop的基本接口包括构造.析构.loop(). One Loop Per Thread 一个线程只有一个Eve ...

  7. DevOps架构下如何进行微服务性能测试?

    一. 微服务架构下的性能测试挑战 微服务与DevOps 微服务是实现DevOps的重要架构 微服务3S原则 DevOps核心点 微服务架构下的业务特点 亿级用户的平台 单服务业务随时扩容 服务之间存在 ...

  8. MongoDB作为Windows服务来安装 错误1053:服务没有及时响应启动或控制请求

    这个问题我解决了一晚上,用尽了所有百度 博客上的方法,都是失败的 结果重新换了一种安装的方法 视频讲解  非常清楚 https://www.bilibili.com/video/av31240330? ...

  9. Linux读书笔记第三、四章

    第三章 主要内容: 进程和线程 进程的生命周期 进程的创建 进程的终止 1. 进程和线程 进程和线程是程序运行时状态,是动态变化的,进程和线程的管理操作(比如,创建,销毁等)都是有内核来实现的. Li ...

  10. 《Linux 内核分析》第五周

    [李行之原创作品 转载请注明出处 <Linux内核分析>MOOC课程http://mooc.study.163.com/course/USTC-1000029000] <Linux内 ...