day10作业—（闭包迭代器递归）

补充：一个星号的  打散和聚合

a, b , *c = [1,2, 1,4]
print( a , b , *c)   #1 2 1 4
print(a, b, c)      #1 2 [1, 4]
*c , = [1,2,3]
print(*c)

1.函数名的使用

函数名可以当做值赋值给变量

def func():
    print(1)
print(func)  # 函数的内存地址

a = func
a()
func()# 函数名可以当做值赋值给变量

#函数名可以当做元素放到容器里　　

def func2():
    print(2)

l1 = [func,func2]
print(l1)    #函数名可以当做元素放到容器里

l1 = [func(),func2()]#None , None
print(l1)

#发现 函数名先调用 计算  prinT（6+7）=打印 13 不是打印 6+7

                    # 不是从前往后 先计算后面的 后面有值 返回或打印

return aa() # 传的是值
# return aa # 传的是地址

# 楼梯 是 定义  箭头是 调用

def f():
    def a():
        def b():
            def c():
                return '传递'
            return c()
        return b()
    return a()
print(f())

2.闭包

#1. 一个嵌套函数
#2.在嵌套函数的内部函数使用外部（非全局的变量）
#满足以上两条
判断 不是 None

def wrapper():
    a = 10
    def inner():
        print(a)
    return inner # 返回的地址 第5步
    # inner()
    print(inner.__closure__)#不是None jius就是闭包

# 普通函数 执行调用完 了就销毁了
#python中 闭包 会进行内存驻留
# money = 10  # 以后不要这么干
#全局里存放 会有污染和不安全的现象
# 面试必问 ， 装饰器 ---装饰器的本质就是闭包
# 闭包有个弊端： 会出现内存泄露

money = 10
def wrapper():
    money = 10
    def inner(num):
        nonlocal money
        money += num
        print(money)
    return inner
wrapper()(100)

 关于内存地址（列表和字典哪个寻值快？）

列表   （有序空间）每一个值对应一个 内存地址，但是由于找到了第一个值，然后依次取下面的数时，遍历而省去了查找，所以相对省时间。--》链表

字典   每一个键   对应一个哈希表   然后对着  哈希表去寻找值， 所以每一个都须寻找内存地址 ，所以相对列表链式浪费些时间

1.3 迭代器
'''
可迭代对象  可被for 循环的就是可迭代对象
python 协议：  具有.__init__方法的就是可迭代对象
a = 对象.__iter__#创建一个迭代器
具有a.__iter__a.__next__的就是迭代器
'''

l1 = [1,2,3]
print(l1.__iter__)  #地址
a = l1.__iter__()   #赋值
print(a.__next__()) #打印第一个
print(a.__next__())
print(a.__next__())  #若再打印则报错StopIteration
# print(a.__next__())#StopIteration 没了取不到

for 循环

对可迭代的内容  进行一个个遍历 从前到后   就是构成一个标准迭代器

for i in [1,2,3]:
    print(i)

for 循环的迭代器原理

#  做出 for 的机制
li = [1,2,3]
em = li.__iter__()
while 1:
    try:             #尝试
        print(em.__next__())
    except StopIteration:     #错误类型
        # print('你不能这么干')
        break

#int str list 工厂模式  把零件往里面一扔 车出来了

# 迭代器特性:
#     惰性机制  ： 点一个用一个 
#     不能从下向上走
#     一次性的,用完就没了
#     省内存

1.4 递归

递归的最大深度 官方1000 实际993    
递归的效率比较低,尾递归的用时 和 for的用时 是一样的,比for慢
    递归的应用场景:
        在不明确要循环的次数时候,可以用递归
        递归操作文件目录

  def func(n):
        n+=1
        print(n)
        if n == 5:
            return
        func(n)
    func(2)