python可以从可迭代对象中获取迭代器
1.1 可迭代对象概念可迭代对象是使用iter内置函数可以获取迭代器的对象，如果对象实现了能返回迭代器的__iter__方法，那么对象就是可迭代的。序列都可以迭代；实现了__getitem__方法，并且参数从零开始的索引，这种对象也可以迭代。
# 第一种方式判断对象是不是可迭代对象print('__iter__' in dir(List))print('__iter__' in dir(tuple))print('__iter__' in dir(dict))print('__iter__' in dir(set))print('__iter__' in dir(str))print('__iter__' in dir(int))print('__iter__' in dir(bool))print('__iter__' in dir([1,2,3]))# 输出TrueTrueTrueTrueTrueFalseFalseTrue# 第二种方式判断对象是不是可迭代对象from collections import Iterableprint(isinstance('abc', Iterable))print(isinstance({1, 2, 3}, Iterable))print(isinstance(1, Iterable))输出如下： TrueTrueFalse通过内置函数iter(iteratable) 返回可迭代对象的迭代器
next(iterator) 返回可迭代对象的下一个元素或者抛出stopiteration异常
it = iter([1,2,3,4])next(it)> 1next(it)> 2next(it)> 3next(it)> 4next(it)> stopiterationclass MyIter: def __init__(self): self.storage = [1,2,3] def __iter__(self): return self def __next__(self): try: return self.storage.pop() except Exception as e: return e mi = MyIter() # mi是一个可迭代对象，因为实现了__iter__方法it = iter(mi) # it是一个迭代器next(it) # 执行MyIter的__next__方法生成器也是迭代器，但更加优雅。使用生成器，我们可以实现与迭代器相同的功能，但不必在类中编写iter()和next()函数
如果迭代器是人类，生成器就是人类中的一种，比如黄种人
# 方式1 yIElddef gen(): yIEld 1 yIEld 2 yIEld 3 g = gen() # g是一个genenrator对象next(g)> 1next(g)> 2 next(g)> 3 next(g)> StopInteration# 方式2 推导式li = [i*i for i in range(10000)]# 这是一句列表推导式，使用列表推导式会把0~9999的平方分别进行平方存储到这个列表中# 生成器推导式gen = (i*i for i in range(10000))gen > <generator object <genexpr> at 0x000001FAE47B8CF0>next(gen)> 0 next(gen)> 1next(gen)> 4# 生成器与列表推导式相比可以节省内存空间，在你需要的时候获取值，而不是一次加载到内存中装饰器首先要学的是闭包
3.1 闭包def out_func(data): def inner_func(): msg = "hello" print(f"{msg}-{data}") return inner_func闭包的两个条件：
外部函数返回内部函数内部函数使用外部函数作用域内的变量3.2 使用例子详细说明闭包# >符号开头的代表在命令行或者jupyter下执行命令# 计算移动平均值的类class Average(): def __init__(self): self.serIEs = [] def __call__(self, new_value): self.serIEs.append(new_value) total = sum(self.serIEs) return total/len(self.serIEs)> avg = Average()> avg(10)> 10> avg(11)> 10.5# 使用函数的形式def make_average(): serIEs = [] def average(new_value): serIEs.append(new_value) total = sum(serIEs) return total/len(serIEs) return average> avg = make_average() # avg=average函数> avg(10) # avg(10) serIEs=[10] new_value=10 > 10> avg(11) # avg(11) serIEs=[10,11] new_value=11 > 10.5 例子中的serIEs列表就是一个自由变量，指未在本地作用域中绑定的变量，闭包延申到函数作用域之外，包含自由变量serIEs的绑定
闭包函数的__closure__返回一个cell对象，cell对象是一个列表，获取列表的cell_contents属性可以拿到自由变量的值自由变量如果是不可变数据类型
def make_average(): total=0 count=0 def average(new_value): total += new_value count += 1 return total/count return averageavg = make_average()avg(10)> UnboundLocalError: local variable 'total' referenced before assignment # 先说一下解决方案，python3有一个关键字 nonlocaldef make_average(): total=0 count=0 def average(new_value): nonlocal total,count total += new_value count += 1 return total/count return averageavg = make_average()avg(10)> 10.0 当内部函数执行total+=new_value,相当于total被重新赋值，将自由变量变为局部变量，total就不是自由变量，就不会被保存到闭包中，所以报错
当使用serIEs列表的时候，List.append(value),并没有改变列表的地址，利用了列表是可变对象的这个事实
nonlocal的作用就是声明这个不是局部变量，而是一个自由变量，这样才会被解释器重新保存到闭包中，对于python2中没有nonlocal这个关键字，只能利用可变对象做为闭包的自由变量。
先了解闭包的原理，是学习装饰器的必要条件，话不多说，还是直接上代码，实践才是检验真理的唯一标准，哈哈哈
这是一个最基本的装饰器，例子来自于python3官方网站def wrap(obj): return obj @wrapdef say_hello(): return "hello world"say_hello() # 等同于warp(sayhello)()> "hello world"wrap(say_hello) #返回say_hello对象> <function __main__.say_hello()>wrap(say_hello)() #执行say_hello> "hello world"# 嵌套函数的装饰器def my_decorator(func): def wrapper(): print('wrapper of decorator') func() return wrapperdef greet(): print('hello world')greet = my_decorator(greet) # greet = wrapper（wrapper是调用my_decoraor返回的函数对象），并且把greet放进闭包greet() # 执行wrapper() 先输出print('wrapper of decorator')，在调用greet(),输出print('hello world')# 输出>wrapper of decorator>hello world# @语法糖def my_decorator(func): def wrapper(): print('wrapper of decorator') func() return wrapper@my_decorator #@是python的语法糖等同于my_decorator(greet)def greet(): print('hello world')greet()# 输出>wrapper of decorator>hello world# 多层闭包# repeat重复输出，num指重复输出次数def repeat(num): def my_decorator(func): @functools.wraps(func)# 如果有这句 被装饰函数的__name__是被装饰函数本身的名字，如果没有，__name__不论被装饰函数是谁，都返回wrapper def wrapper(*args, **kwargs): for i in range(num): print('wrapper of decorator') func(*args, **kwargs) return wrapper return my_decorator@repeat(4)def greet(message): print(message)greet('hello world')# 输出：> wrapper of decorator> hello world> wrapper of decorator> hello world> wrapper of decorator> hello world> wrapper of decorator> hello worldgreet.__name__ #输出wrapper# functools.wrap会保留原函数的元信息类装饰器主要依赖函数__call__ ，因此我们主要重写__call__即可。
每当调用一个类的实例，函数__call__就会执行一次。
class Count: def __init__(self, func): self.func = func self.num_calls = 0 def __call__(self, *args, **kwargs): self.num_calls += 1 print('num of calls is: {}'.format(self.num_calls)) return self.func(*args, **kwargs)@Countdef example(): print("hello world")example()# 输出num of calls is: 1hello worldexample()# 输出num of calls is: 2hello world嵌套装饰器执行顺序从里到外
import functoolsdef my_decorator1(func): @functools.wraps(func) def wrapper(*args, **kwargs): print('execute decorator1') func(*args, **kwargs) return wrapperdef my_decorator2(func): @functools.wraps(func) def wrapper(*args, **kwargs): print('execute decorator2') func(*args, **kwargs) return wrapper@my_decorator1@my_decorator2def greet(message): print(message)greet('hello world') #相当于my_decorator1(my_decorator2(greet('hello world')))# 输出execute decorator1execute decorator2hello world以上是内存溢出为你收集整理的Python迭代器、生成器、装饰器全部内容，希望文章能够帮你解决Python迭代器、生成器、装饰器所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）