python-基礎 產生式 產生器 迭代器 JSON pickl

標籤：com   ace   函數調用   instance   src   ...   base   ons   序列   

目錄

1. 迭代器&產生器
2. 裝飾器
3. Json & pickle 資料序列化
4. 軟體目錄結構規範
5. 作業:ATM項目開發

1.列表產生式，迭代器&產生器列表產生式

列表產生式，是Python內建的一種極其強大的產生list的運算式。

現在有個需求，看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表裡的每個值加1，你怎麼實現？

 1 >>> a 2 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 3 >>> b = [] 4 >>> for i in a:b.append(i+1) 5 ...  6 >>> b 7 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 8 >>> a = b 9 >>> a10 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

普通青年版

 1 >>> a 2 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 3 >>> a = map(lambda x:x+1, a) 4 >>> a 5 <map object at 0x101d2c630> 6 >>> for i in a:print(i) 7 ...  8 2 9 310 411 512 613 714 815 916 1017 11

文藝青年版

1 >>> a = [i+1 for i in range(10)]2 >>> a3 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

裝逼青年版

這就叫做列表產生

產生器

通過列表產生式，我們可以直接建立一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，建立一個包含100萬個元素的列表，不僅佔用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。

所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，從而節省大量的空間。在Python中，這種一邊迴圈一邊計算的機制，稱為產生器：generator。

要建立一個generator，有很多種方法。第一種方法很簡單，只要把一個列表產生式的[]改成()，就建立了一個generator：

>>> L = [x * x for x in range(10)]>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]>>> g = (x * x for x in range(10))>>> g<generator object <genexpr> at 0x1022ef630>

建立L和g的區別僅在於最外層的[]和()，L是一個list，而g是一個generator。

我們可以直接列印出list的每一個元素，但我們怎麼列印出generator的每一個元素呢？

如果要一個一個列印出來，可以通過next()函數獲得generator的下一個傳回值：

>>> next(g)0>>> next(g)1>>> next(g)4>>> next(g)9>>> next(g)16>>> next(g)25>>> next(g)36...

我們講過，generator儲存的是演算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

當然，上面這種不斷調用next(g)實在是太變態了，正確的方法是使用for迴圈，因為generator也是可迭代對象：

>>> g = (x * x for x in range(10))>>> for n in g:...     print(n)...0149162536496481

所以，我們建立了一個generator後，基本上永遠不會調用next()，而是通過for迴圈來迭代它，並且不需要關心StopIteration的錯誤。

generator非常強大。如果推算的演算法比較複雜，用類似列表產生式的for迴圈無法實現的時候，還可以用函數來實現。

比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

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

斐波拉契數列用列表產生式寫不出來，但是，用函數把它列印出來卻很容易：

def fib(max):    n, a, b = 0, 0, 1    while n < max:        print(b)        a, b = b, a + b        n = n + 1    return ‘done‘

注意，指派陳述式：

a, b = b, a + b

相當於：

t = (b, a + b) # t是一個tuplea = t[0]b = t[1]

但不必顯式寫出臨時變數t就可以賦值。

上面的函數可以輸出斐波那契數列的前N個數：

>>> fib(10)11235813213455done

仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了：

ef fib(max):    n,a,b = 0,0,1    while n < max:        #print(b)        yield  b        a,b = b,a+b        n += 1    return ‘done‘ 

這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麼這個函數就不再是一個普通函數，而是一個generator：

>>> f = fib(6)>>> f<generator object fib at 0x104feaaa0>

這裡，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

data = fib(10)print(data)print(data.__next__())print(data.__next__())print("幹點別的事")print(data.__next__())print(data.__next__())print(data.__next__())print(data.__next__())print(data.__next__())#輸出<generator object fib at 0x101be02b0>11幹點別的事235813

在上面fib的例子，我們在迴圈過程中不斷調用yield，就會不斷中斷。當然要給迴圈設定一個條件來退出迴圈，不然就會產生一個無限數列出來。

同樣的，把函數改成generator後，我們基本上從來不會用next()來擷取下一個傳回值，而是直接使用for迴圈來迭代：

>>> for n in fib(6):...     print(n)...112358

但是用for迴圈調用generator時，發現拿不到generator的return語句的傳回值。如果想要拿到傳回值，必須捕獲StopIteration錯誤，傳回值包含在StopIteration的value中：

>>> g = fib(6)>>> while True:...     try:...         x = next(g)...         print(‘g:‘, x)...     except StopIteration as e:...         print(‘Generator return value:‘, e.value)...         break...g: 1g: 1g: 2g: 3g: 5g: 8Generator return value: done

還可通過yield實現在單線程的情況下實現並發運算的效果

#_*_coding:utf-8_*___author__ = ‘Alex Li‘import timedef consumer(name):    print("%s 準備吃包子啦!" %name)    while True:       baozi = yield       print("包子[%s]來了,被[%s]吃了!" %(baozi,name))def producer(name):    c = consumer(‘A‘)    c2 = consumer(‘B‘)    c.__next__()    c2.__next__()    print("老子開始準備做包子啦!")    for i in range(10):        time.sleep(1)        print("做了2個包子!")        c.send(i)        c2.send(i)producer("alex")

迭代器

我們已經知道，可以直接作用於for迴圈的資料類型有以下幾種：

一類是集合資料類型，如list、tuple、dict、set、str等；

一類是generator，包括產生器和帶yield的generator function。

這些可以直接作用於for迴圈的對象統稱為可迭代對象：Iterable。

可以使用isinstance()判斷一個對象是否是Iterable對象：

>>> from collections import Iterable>>> isinstance([], Iterable)True>>> isinstance({}, Iterable)True>>> isinstance(‘abc‘, Iterable)True>>> isinstance((x for x in range(10)), Iterable)True>>> isinstance(100, Iterable)False

而產生器不但可以作用於for迴圈，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。

*可以被next()函數調用並不斷返回下一個值的對象稱為迭代器：Iterator。

可以使用isinstance()判斷一個對象是否是Iterator對象：

>>> from collections import Iterator>>> isinstance((x for x in range(10)), Iterator)True>>> isinstance([], Iterator)False>>> isinstance({}, Iterator)False>>> isinstance(‘abc‘, Iterator)False

產生器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。

把list、dict、str等Iterable變成Iterator可以使用iter()函數：

>>> isinstance(iter([]), Iterator)True>>> isinstance(iter(‘abc‘), Iterator)True

小結

凡是可作用於for迴圈的對象都是Iterable類型；

凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合資料類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python的for迴圈本質上就是通過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]:    pass

 

2.裝飾器

　

3.JSON 和  pickle 資料序列化

　

python-基礎 產生式 產生器 迭代器 JSON pickl