闭包,装饰器,迭代器,生成器,列表推导式,匿名函数

闭包函数

# 一:大前提:
# 闭包函数=名称空间与作用域+函数嵌套+函数对象
# 核心点:名字的查找关系是以函数定义阶段为准

# 二:什么是闭包函数
# "闭"函数指的该函数是内嵌函数
# "包"函数指的该函数包含对外层函数作用域名字的引用(不是对全局作用域)

# 闭包函数:名称空间与作用域的应用+函数嵌套
# def f1():
# x = 33333333333333333333
# def f2():
# print(x)
# f2()
#
#
# x=11111
# def bar():
# x=444444
# f1()
#
# def foo():
# x=2222
# bar()
#
# foo()



# 闭包函数:函数对象
# def f1():
# x = 33333333333333333333
# def f2():
# print('函数f2:',x)
# return f2
#
# f=f1()
# # print(f)
#
# # x=4444
# # f()
# def foo():
# x=5555
# f()
#
# foo()


# 三:为何要有闭包函数=》闭包函数的应用
# 两种为函数体传参的方式
# 方式一:直接把函数体需要的参数定义成形参
# def f2(x):
# print(x)
#
# f2(1)
# f2(2)
# f2(3)

# 方式二:
# def f1(x): # x=3
# x=3
# def f2():
# print(x)
# return f2
#
# x=f1(3)
# print(x)
#
# x()

装饰器
def outter(func):
@wraps(func)
def wrapper(*args, **kwargs):
"""这个是主页功能"""
res = func(*args, **kwargs) # res=index(1,2)
return res

# 手动将原函数的属性赋值给wrapper函数
# 1、函数wrapper.__name__ = 原函数.__name__
# 2、函数wrapper.__doc__ = 原函数.__doc__
# wrapper.__name__ = func.__name__
# wrapper.__doc__ = func.__doc__

return wrapper
迭代器
'''
1、什么是迭代器
迭代器指的是迭代取值的工具,迭代是一个重复的过程,每次重复
都是基于上一次的结果而继续的,单纯的重复并不是迭代

2、为何要有迭代器
迭代器是用来迭代取值的工具,而涉及到把多个值循环取出来的类型
有:列表、字符串、元组、字典、集合、打开文件

l=['egon','liu','alex']
i=0
while i < len(l):
print(l[i])
i+=1

上述迭代取值的方式只适用于有索引的数据类型:列表、字符串、元组
为了解决基于索引迭代器取值的局限性
python必须提供一种能够不依赖于索引的取值方式,这就是迭代器


3、如何用迭代器

'''

# 1、可迭代的对象:但凡内置有__iter__方法的都称之为可迭代的对象
# s1=''
# # s1.__iter__()
#
# l=[]
# # l.__iter__()
#
# t=(1,)
# # t.__iter__()
#
# d={'a':1}
# # d.__iter__()
#
# set1={1,2,3}
# # set1.__iter__()
#
# with open('a.txt',mode='w') as f:
# # f.__iter__()
# pass

# 2、调用可迭代对象下的__iter__方法会将其转换成迭代器对象
d={'a':1,'b':2,'c':3}
d_iterator=d.__iter__()
# print(d_iterator)

# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__()) # 抛出异常StopIteration


# while True:
# try:
# print(d_iterator.__next__())
# except StopIteration:
# break
#
# print('====>>>>>>') # 在一个迭代器取值取干净的情况下,再对其取值娶不到
# d_iterator=d.__iter__()
# while True:
# try:
# print(d_iterator.__next__())
# except StopIteration:
# break


# l=[1,2,3,4,5]
# l_iterator=l.__iter__()
#
# while True:
# try:
# print(l_iterator.__next__())
# except StopIteration:
# break


# 3、可迭代对象与迭代器对象详解
# 3.1 可迭代对象("可以转换成迭代器的对象"):内置有__iter__方法对象
# 可迭代对象.__iter__(): 得到迭代器对象

# 3.2 迭代器对象:内置有__next__方法并且内置有__iter__方法的对象
# 迭代器对象.__next__():得到迭代器的下一个值
# 迭代器对象.__iter__():得到迭代器的本身,说白了调了跟没调一个样子
# dic={'a':1,'b':2,'c':3}
#
# dic_iterator=dic.__iter__()
# print(dic_iterator is dic_iterator.__iter__().__iter__().__iter__())
#

# 4、可迭代对象:字符串、列表、元组、字典、集合、文件对象
# 迭代器对象:文件对象
# s1=''
# s1.__iter__()
#
# l=[]
# l.__iter__()
#
# t=(1,)
# t.__iter__()
#
#
# d={'a':1}
# d.__iter__()
#
# set1={1,2,3}
# set1.__iter__()
#
#
# with open('a.txt',mode='w') as f:
# f.__iter__()
# f.__next__()





# 5、for循环的工作原理:for循环可以称之为叫迭代器循环
d={'a':1,'b':2,'c':3}

# 1、d.__iter__()得到一个迭代器对象
# 2、迭代器对象.__next__()拿到一个返回值,然后将该返回值赋值给k
# 3、循环往复步骤2,直到抛出StopIteration异常for循环会捕捉异常然后结束循环
# for k in d:
# print(k)


# with open('a.txt',mode='rt',encoding='utf-8') as f:
# for line in f: # f.__iter__()
# print(line)


# list('hello') #原理同for循环

# 6、迭代器优缺点总结
# 6.1 缺点:
# I、为序列和非序列类型提供了一种统一的迭代取值方式。
# II、惰性计算:迭代器对象表示的是一个数据流,可以只在需要时才去调用next来计算出一个值,就迭代器本身来说,同一时刻在内存中只有一个值,因而可以存放无限大的数据流,而对于其他容器类型,如列表,需要把所有的元素都存放于内存中,受内存大小的限制,可以存放的值的个数是有限的。

# 6.2 缺点:
# I、除非取尽,否则无法获取迭代器的长度
#
# II、只能取下一个值,不能回到开始,更像是‘一次性的’,迭代器产生后的唯一目标就是重复执行next方法直到值取尽,否则就会停留在某个位置,等待下一次调用next;若是要再次迭代同个对象,你只能重新调用iter方法去创建一个新的迭代器对象,如果有两个或者多个循环使用同一个迭代器,必然只会有一个循环能取到值。

生成器
# 如何得到自定义的迭代器:
# 在函数内一旦存在yield关键字,调用函数并不会执行函数体代码
# 会返回一个生成器对象,生成器即自定义的迭代器
def func():
print('第一次')
yield 1
print('第二次')
yield 2
print('第三次')
yield 3
print('第四次')


# g=func()
# print(g)
# 生成器就是迭代器
# g.__iter__()
# g.__next__()


# 会触发函数体代码的运行,然后遇到yield停下来,将yield后的值
# 当做本次调用的结果返回
# res1=g.__next__()
# print(res1)
#
#
# res2=g.__next__()
# print(res2)
#
# res3=g.__next__()
# print(res3)
#
# res4=g.__next__()



# len('aaa') # 'aaa'.__len__()

# next(g) # g.__next__()
# iter(可迭代对象) # 可迭代对象.__iter__()


# 应用案列
def my_range(start,stop,step=1):
# print('start...')
while start < stop:
yield start
start+=step
# print('end....')


# g=my_range(1,5,2) # 1 3
# print(next(g))
# print(next(g))
# print(next(g))

for n in my_range(1,7,2):
print(n)


# 总结yield:
# 有了yield关键字,我们就有了一种自定义迭代器的实现方式。yield可以用于返回值,但不同于return,函数一旦遇到return就结束了,而yield可以保存函数的运行状态挂起函数,用来返回多次值
列表推导式

例子:
我们先来看一个例子,把一个矩阵(以列表为元素的列表)展平为一个列表。首先,我们用for循环来实现一下

matrix = [
[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
]


flattened = []


for row in matrix:
for i in row:
flattened.append(i)

接着我们用列表推导式实现该功能:

flattened = [i for row in matrix for i in row]

匿名函数
# 方式一:
# res=(lambda x,y:x+y)(1,2)
# print(res)

# 方式二:
# func=lambda x,y:x+y
# res=func(1,2)
# print(res)
 




 

上一篇:浅谈可迭代对象、迭代器


下一篇:深入浅出地解读Python迭代器和生成器