python学习之day5,装饰器，生成器，迭代器，json，pickle

1.装饰器

 import os
 import time
 def auth(type):
     def timeer(func):
         def inner(*args,**kwargs):
             start = time.time()
             func(*args,**kwargs)
             print ("auth to %s"%type)
             stop = time.time()
             print ("it is running %s minit"%(stop-start))
         return  inner
     return timeer

 @auth("qq")
 def test1(name,age,six):
     time.sleep(2)
     print ("this is test1%s"%name)
 @auth("weixin")
 def test2():
     time.sleep(2)
     print ("it is test 2")

 test1("liruixin",22,"m")
 test2()

2.生成器

生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，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都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

例如：  a = (i for i in range(10))

2.1  yield  介绍

通过yield实现在单线程的情况下实现并发运算的效果　

 #_*_coding:utf-8_*_
 __author__ = 'Alex Li'

 import time
 def consumer(name):
     print("%s 准备吃包子啦!" %name)
     while True:
        baozi = yield

        print("包子[%s]来了,被[%s]吃了!" %(baozi,name))

 def producer(name):
     c = consumer('A')
     c2 = consumer('B')
     c.__next__()
     c2.__next__()
     print("老子开始准备做包子啦!")
     for i in range(10):
         time.sleep(1)
         print("做了2个包子!")
         c.send(i)
         c2.send(i)

 producer("alex")

 通过生成器实现协程并行运算

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。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

3.json  and pickle 序列化

二者区别  1.json可以对列表，字典，进行序列化，支持所有开发语言。

2.pickle可以序列的对象比json多，可以对函数进行序列化，但是pickle只有python中有

json 示例

pickle用法与json完全相同

 import json
 # dic = {
 #     "name":"liruixin",
 #     "age":"22",
 #     "country":"cn"
 #
 # }
 #
 # #序列化
 # f = open("test.json","a+")
 # #f.write(json.dumps(dic))  #第一种方式
 # #json.dump(dic,f)   #第二种方式
 # f.close()

 # #反序列化
 # f = open("test.json")
 # a = json.loads(f.read())
 # print(a["age"])

 # f = open("test.json")
 # a = json.load(f)
 # print(a["age"])