装饰器
器即函数，装饰即修饰，意指为其他函数添加新功能
装饰器定义：本质就是函数，功能是为其他函数添加新功能 装饰器涉及的知识点= 高阶函数+函数嵌套+闭包 在遵循下面两个原则的前提下为被装饰者新功能
必须遵循的原则：
1）一定不能修改源代码
2）不能修改调用方式 语法糖（格式符号）：@
@timer #@timer就等同于cal=timer(cal)
def cal(array):
res=0
for i in array:
res+=i
return res cal(range(10)) ###装饰器初识###
def time(func):
def wrapper():
print('in the wrapper ---start')
func() #实际执行原始的index
print('in the wrapper ---end')
return wrapper @time
def index():
print('in the index') index() #执行的wrapper
'''运行结果：
in the wrapper ---start
in the index
in the wrapper ---end
''' ###实例代码###
import time
def timer(func):
def wrapper(*args,**kwargs):
start_time=time.time()
res=func(*args,**kwargs)
stop_time=time.time()
print('run time is %s' %(stop_time-start_time))
return res
return wrapper @timer
def index(msg):
print('in the index: ',msg)
@timer
def home(user,msg):
print('in the home %s %s' %(user,msg))
return 1 res = home('tom',msg='xxxxx')
print(res) ###运行结果###
C:\Python34\python.exe E:/Python16/day4/装饰器代码.py
in the home tom xxxxx
run time is 0.0 Process finished with exit code 0
user_list=[
{'name':'alex','passwd':''},
{'name':'linhaifeng','passwd':''},
{'name':'wupeiqi','passwd':''},
{'name':'yuanhao','passwd':''},
] current_user={'username':None,'login':False} def auth_deco(func):
def wrapper(*args,**kwargs):
if current_user['username'] and current_user['login']:
res=func(*args,**kwargs)
return res
username=input('用户名: ').strip()
passwd=input('密码: ').strip() for index,user_dic in enumerate(user_list):
if username == user_dic['name'] and passwd == user_dic['passwd']:
current_user['username']=username current_user['login']=True
res=func(*args,**kwargs)
return res
break
else:
print('用户名或者密码错误,重新登录') return wrapper @auth_deco
def index():
print('欢迎来到主页面') @auth_deco
def home():
print('这里是你家') def shopping_car():
print('查看购物车啊亲') def order():
print('查看订单啊亲') print(user_list)
# index()
print(user_list)
home() 无参装饰器--登录验证
无参装饰器----登陆验证
user_list=[
{'name':'alex','passwd':''},
{'name':'linhaifeng','passwd':''},
{'name':'wupeiqi','passwd':''},
{'name':'yuanhao','passwd':''},
] current_user={'username':None,'login':False}
def auth(auth_type='file'):
def auth_deco(func):
def wrapper(*args,**kwargs):
if auth_type == 'file':
if current_user['username'] and current_user['login']:
res=func(*args,**kwargs)
return res
username=input('用户名: ').strip()
passwd=input('密码: ').strip() for index,user_dic in enumerate(user_list):
if username == user_dic['name'] and passwd == user_dic['passwd']:
current_user['username']=username
current_user['login']=True
res=func(*args,**kwargs)
return res
break
else:
print('用户名或者密码错误,重新登录')
elif auth_type == 'ldap':
print('巴拉巴拉小魔仙')
res=func(*args,**kwargs)
return res
return wrapper
return auth_deco #auth(auth_type='file')就是在运行一个函数,然后返回auth_deco,所以@auth(auth_type='file')
#就相当于@auth_deco,只不过现在,我们的auth_deco作为一个闭包的应用,外层的包auth给它留了一个auth_type='file'参数
@auth(auth_type='ldap')
def index():
print('欢迎来到主页面') @auth(auth_type='ldap')
def home():
print('这里是你家') def shopping_car():
print('查看购物车啊亲') def order():
print('查看订单啊亲') # print(user_list)
index()
# print(user_list)
home() 有参装饰器 有参装饰器--登录验证
有参装饰器----登陆验证
装饰器相关参考链接：http://www.cnblogs.com/wupeiqi/articles/4980620.html
列表生成式
列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。
举个例子，现在生成一个list[1,2,...10]，可以用list(range(1,11))
>>> list(range(1,11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>>
根据需求，想要将[1,2,...10]变为[1x1,2x2,...10x10]，如何做到？
###方法一
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a=list(range(1,11))
>>> b=[]
>>> for i in a:b.append(i*i)
...
>>> b
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
>>> ###方法二
b = []
for i in range(1,11):
b.append(i*i)
print(b)
'''结果：
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
''' ###方法三
for index,i in enumerate(a):
a[index] =i*i
print(a)
'''结果为
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
''' ###方法四
a = list(range(1,11))
a = map(lambda x:x*x,a)
for i in a:
print(i)
'''结果为
1
4
9
16
25
36
49
64
81
100
'''
总而言之方法很多，最简单快捷的方式应该是——列表生成式，如下：
>>> a = [x * x for x in range(1, 11)]
>>> a
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
>>>
OK！一行搞定。除此之外，
列表生成式的其他常见用法
1）for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方
>>> a=[x * x for x in range(1, 11) if x % 2 == 0]
>>> a
[4, 16, 36, 64, 100]
>>> 2）两层循环，生成全排列
>>> a=[m + n for m in 'ABC' for n in 'XYZ']
>>> a
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
>>> 3）其他操作
三层和三层以上的循环就很少用到了。 运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现： >>> import os # 导入os模块，模块的概念后面讲到
>>> [d for d in os.listdir('.')] # os.listdir可以列出文件和目录
['.emacs.d', '.ssh', '.Trash', 'Adlm', 'Applications', 'Desktop', 'Documents', 'Downloads', 'Library', 'Movies', 'Music', 'Pictures', 'Public', 'VirtualBox VMs', 'Workspace', 'XCode']
for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value： >>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> for k, v in d.items():
... print(k, '=', v)
...
y = B
x = A
z = C
因此，列表生成式也可以使用两个变量来生成list： >>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [k + '=' + v for k, v in d.items()]
['y=B', 'x=A', 'z=C']
最后把一个list中所有的字符串变成小写： >>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']
生成器(generator)
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。
什么是生成器:
可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己内置的__iter__方法），所以生成器就是可迭代对象
生成器分类及在python中的表现形式：（Python有两种不同的方式提供生成器）
1)生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行
2)生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
生成器的优点:
Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。
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：
>>> 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>
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
我们讲过，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。
当然，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：
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。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 = n + 1
return 'done'
注意，赋值语句：
a, b = b, a + b
相当于：
t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]
但不必显式写出临时变量t就可以赋值。上面的函数可以输出斐波那契数列的前N个数：
>>> fib(6)
1
1
2
3
5
8
'done'
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 = n + 1
return 'done'
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
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。
def fib(max):
n,a,b=0,0,1
while n<max:
#print(b)
yield b
a,b = b,a+b
n=n+1
return 'done'
f=fib(10) print(f.__next__()) #多次调用就多次执行
print(f.__next__())
print("函数中断，做点其他事，然后继续。。。")
print(f.__next__())
print(f.__next__())
'''执行结果：
C:\Python35\python.exe D:/Python代码目录/Python_codeing/Python16_code/day05/生成器fib.py
1
1
函数中断，做点其他事，然后继续。。。
2
3 Process finished with exit code 0 '''
举个简单的例子，定义一个generator，依次返回数字1，3，5：
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。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 n in fib(6):
... print(n)
...
1
1
2
3
5
8
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在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: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
生成器代码示例：
######母鸡下蛋######
##代码：
def lay_eggs(num):
egg_list=[]
for egg in range(num):
egg_list.append('蛋%s' %egg)
return egg_list yikuangdan=lay_eggs(5) #我们拿到的是蛋
print(yikuangdan) def lay_eggs(num):
for egg in range(num):
res='蛋%s' %egg
yield res
print('下完一个蛋') laomuji=lay_eggs(5)#我们拿到的是一只母鸡
print(laomuji)
print(laomuji.__next__())
print(laomuji.__next__())
print(laomuji.__next__())
egg_l=list(laomuji)
print(egg_l)
#演示只能往后不能往前
#演示蛋下完了，母鸡就死了 ##结果：
C:\Python35\python.exe D:/Python代码目录/day5/迭代器.py
['蛋0', '蛋1', '蛋2', '蛋3', '蛋4']
<generator object lay_eggs at 0x0000000000D0DF68>
蛋0
下完一个蛋
蛋1
下完一个蛋
蛋2
下完一个蛋
下完一个蛋
下完一个蛋
['蛋3', '蛋4'] Process finished with exit code 0 ######ATM取钱######
##代码：
def cash_out(amount):
while amount >0:
amount -= 1
yield 1
print("擦，又来取钱了。。。败家子！") ATM = cash_out(5) print("取到第一个 %s 万" % ATM.__next__())
print("花掉第一个一万")
print("取到第二个 %s 万" % ATM.__next__())
print("花掉第二个一万")
print("取到第三个 %s 万" % ATM.__next__())
print("花掉第三个一万!")
print("取到第四个 %s 万" % ATM.__next__())
print("花掉第四个一万!")
print("取到第五个 %s 万" % ATM.__next__())
print("花掉第五个一万!")
print("取到第六个 %s 万" % ATM.__next__()) #到这时钱就取没了,再取就报错了
print("取到第N个 %s 万" % ATM.__next__()) ##结果：
C:\Python35\python.exe D:/Python代码目录/day5/迭代器.py
取到第一个 1 万
花掉第一个一万
擦，又来取钱了。。。败家子！
取到第二个 1 万
花掉第二个一万
擦，又来取钱了。。。败家子！
取到第三个 1 万
花掉第三个一万!
擦，又来取钱了。。。败家子！
取到第四个 1 万
花掉第四个一万!
擦，又来取钱了。。。败家子！
取到第五个 1 万
花掉第五个一万!
擦，又来取钱了。。。败家子！
Traceback (most recent call last):
File "D:/Python代码目录/day5/迭代器.py", line 52, in <module>
print("取到第六个 %s 万" % ATM.__next__()) #到这时钱就取没了,再取就报错了
StopIteration Process finished with exit code 1 ######吃包子（并联模拟）######
##代码：
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("劳资开始做包子了！")
for i in range(5):
time.sleep(2)
c.send(i)
c2.send(i) producer('wei') ##'''运行结果：
C:\Python34\python.exe E:/Python16/Python16_code/day05/吃包子（并联模拟）.py
a 准备吃包子啦！
b 准备吃包子啦！
劳资开始做包子了！
包子[0]来了,被[a]吃了
包子[0]来了,被[b]吃了
包子[1]来了,被[a]吃了
包子[1]来了,被[b]吃了
包子[2]来了,被[a]吃了
包子[2]来了,被[b]吃了
包子[3]来了,被[a]吃了
包子[3]来了,被[b]吃了
包子[4]来了,被[a]吃了
包子[4]来了,被[b]吃了 Process finished with exit code 0 '''
生成器小结：
1)是可迭代对象
2)实现了延迟计算,省内存啊
3)生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其余的可迭代对象可没有这点好处，记住喽！！！
迭代器
迭代器简介：
迭代器是访问集合元素的一种方式。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，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件
迭代器特点：
1）访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
2）不能随机访问集合中的某个值 ，只能从头到尾依次访问
3）访问到一半时不能往回退
4）便于循环比较大的数据集合，节省内存
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：
>>> 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
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。把list、dict、str等Iterable变成Iterator可以使用iter()函数：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
生成一个迭代器：
>>> num = iter([1,2,3,4,5])
>>> num
<list_iterator object at 0x000000000305E898> >>> num.__next__()
1
>>> num.__next__()
2
>>> num.__next__()
3
>>> num.__next__()
4
>>> num.__next__()
5
>>> num.__next__() #超出赋值边界报错
Traceback (most recent call last):
File "<input>", line 1, in <module>
StopIteration
常见访问方式对比：
l=['a','b','c']
#一:下标访问方式
print(l[0])
print(l[1])
print(l[2])
# print(l[3])#超出边界报错:IndexError #二:遵循迭代器协议访问方式
diedai_l=l.__iter__()
print(diedai_l.__next__())
print(diedai_l.__next__())
print(diedai_l.__next__())
# print(diedai_l.__next__())#超出边界报错:StopIteration #三:for循环访问方式
#for循环l本质就是遵循迭代器协议的访问方式,先调用diedai_l=l.__iter__()方法,或者直接diedai_l=iter(l),然后依次执行diedai_l.next()...
...直到for循环捕捉到StopIteration终止循环
#for循环所有对象的本质都是一样的原理 for i in l:#diedai_l=l.__iter__()
print(i) #i=diedai_l.next() #四:用while去模拟for循环做的事情
diedai_l=l.__iter__()
while True:
try:
print(diedai_l.__next__())
except StopIteration:
print('迭代完毕了,循环终止了')
break