标签：闭包 __ .__ 迭代 生成器 iter next print

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)

标签：闭包,__,.__,迭代,生成器,iter,next,print
来源： https://www.cnblogs.com/wxw1/p/15795653.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。