标签：迭代 软件开发 Python generator Iterator time print isinstance def
1.列表生成式，迭代器&生成器
现在有个需求，看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表里的每个值加1
a= [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
#方法一：
for i in range(len(a)):
a[i]+=100
#方法二：
for index ,i in enumerate(a):
a[index] = i+100
#方法三：
a = map(lambda x:x+100,a) #map(),Python 2.x 返回列表。Python 3.x 返回迭代器。
a = list(a) #所以要强制转化一下
#方法四： 该方法为列表生成式
a = [i+100 for i in a]
print(a)
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：
L = [x * x for x in range(10)]
print(L)
#输出：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
g = (x * x for x in range(10)) #g是个迭代器
print(g)
#输出：<generator object <genexpr> at 0x000001DF01888360>
l = list(g) #g为迭代器强制转成列表
print(l)
#输出：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
#迭代器访问方式
for n in g:
print (n)
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(n):
count,a,b = 0,0,1
while count<n:
print(b)
# yield b
a,b = b,a+b #相当于 t = (b,a+b) a = t[0],b=t[1]
count+=1
fib(10)
#输出
1
1
2
3
5
8
13
21
34
55
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：
#斐波拉契函数
import sys
def fib(n):
count,a,b = 0,0,1
while count<n:
# print(b)
yield b
a,b = b,a+b #相当于 t = (b,a+b) a = t[0],b=t[1]
count+=1
# fib(10)
g = fib(10)
print(g)
#输出
<generator object fib at 0x000002916E0D8360>
for i in g:
print(i)
#输出
1
1
2
3
5
8
13
21
34
55
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：
def fib(n):
count,a,b = 0,0,1
while True:
print("start")
yield b
print("end")
a,b = b,a+b #相当于 t = (b,a+b) a = t[0],b=t[1]
# fib(10)
g = fib(10)
print(g.__next__())
#输出：
# start
# 1
print(g.__next__())
#输出
# end
# start
# 1
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。
还可通过yield实现在单线程的情况下实现并发运算的效果
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(3):
time.sleep(1)
print("做了1个包子,分两半!")
c.send(i) #重新获取yield，并发送一个值
c2.send(i)
producer("Lisi")
#输出
# 老子开始准备做包子啦!
# 做了1个包子,分两半!
# 包子[0]来了,被[A]吃了!
# 包子[0]来了,被[B]吃了!
# 做了1个包子,分两半!
# 包子[1]来了,被[A]吃了!
# 包子[1]来了,被[B]吃了!
# 做了1个包子,分两半!
# 包子[2]来了,被[A]吃了!
# 包子[2]来了,被[B]吃了!
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：
>>> 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
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
*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。
可以使用isinstance()判断一个对象是否是Iterator对象：
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
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。
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。
Python的for循环本质上就是通过不断调用next()函数实现的，例如：
for x in [1, 2, 3, 4, 5]:
pass
实际上完全等价于：
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
2.装饰器
#写法
import time
def timmer(func):
def deco(*args,**kwargs): #传入非固定参数
start_time=time.time()
res = func(*args,**kwargs) #传入非固定参数
stop_time=time.time()
print('the func run time is %s' %(stop_time-start_time))
return res
return deco
@timmer #相当于 test1 = timmer(test1) = deco ,test1() = deco()
def test1():
time.sleep(1)
print('in the test1')
@timmer #相当于 test2 = timmer(test2) = deco ,test2(name) = deco(name)
def test2(name):
time.sleep(1)
print('in the test1:%s'%name)
return "from test2"
test1()
test2("LISI")
print(test2("LISI"))
#带参数的装饰器
import time
user,passwd = 'ZhangSan','abc123'
def auth(auth_type):
print("auth func:",auth_type)
def outer_wrapper(func):
def wrapper(*args, **kwargs):
print("wrapper func args:", *args, **kwargs)
if auth_type == "local":
username = input("Username:").strip()
password = input("Password:").strip()
if user == username and passwd == password:
print("\033[32;1mUser has passed authentication\033[0m")
res = func(*args, **kwargs) # from home
print("---after authenticaion ")
return res
else:
exit("\033[31;1mInvalid username or password\033[0m")
elif auth_type == "ldap":
print("ldap verification")
return wrapper
return outer_wrapper
def index():
print("welcome to index page")
@auth(auth_type="local") # home = wrapper()
def home():
print("welcome to home page")
return "from home"
@auth(auth_type="ldap")
def bbs():
print("welcome to bbs page")
index()
print(home()) #wrapper()
bbs()
end
标签：迭代,软件开发,Python,generator,Iterator,time,print,isinstance,def 来源： https://www.cnblogs.com/name2019/p/10780836.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。