玉溪网站开发公司,帮别人做网站备案,湘潭网站建设有名磐石网络,重生做皇帝小说网站目录 前言
一、迭代器
#xff08;一#xff09;基本概念
#xff08;二#xff09;迭代器和可迭代对象
#xff08;三#xff09;创建迭代器
#xff08;四#xff09;内置迭代器函数
#xff08;五#xff09;优点和局限性
二、生成器
#xff08;一…目录 前言
一、迭代器
一基本概念
二迭代器和可迭代对象
三创建迭代器
四内置迭代器函数
五优点和局限性
二、生成器
一基本概念
二创建生成器
三生成器表达式
四生成器的优势
五使用生成器
六生成器的应用
七生成器和列表对比
三、装饰器
一装饰器的基本概念
二带参数的装饰器
三应用场景
四保持元数据
五总结
四、闭包
一简介
二闭包的结构
三工作原理
四应用场景
五注意事项
六闭包中修改外部变量
七总结
五、总结 前言
上篇文章将了python多态类属性等知识这篇文章了解一下python的三器一包迭代器、生成器、装饰器和闭包 一、迭代器
Python的迭代器是一个重要的概念特别是在处理序列数据和流数据时。迭代器是一种可以逐一遍历集合中所有元素的对象。
一基本概念
迭代器是实现了__iter__()和__next__()方法的对象。
__iter__(): 这个方法返回迭代器对象本身。它在一个对象被迭代时会被自动调用可以在循环或其他迭代环境中使用。__next__(): 这个方法返回迭代中的下一个值。当序列遍历结束时它会引发StopIteration异常通知迭代终止。
二迭代器和可迭代对象
在Python中有两种与迭代有关的对象类型可迭代对象和迭代器。 可迭代对象Iterable任何可以返回一个迭代器的对象都被称为可迭代对象。常见的可迭代对象包括列表、元组、字典、集合和字符串。可迭代对象实现了__iter__()方法。 迭代器Iterator是一个有状态的对象它会在调用__next__()时返回序列中的下一个值。迭代器对象实现了__iter__()和__next__()方法。
三创建迭代器
可以通过实现__iter__()和__next__()方法来手动创建一个迭代器。也可以通过iter()函数将一个可迭代对象转换为迭代器。
# 自定义迭代器示例
class MyIterator:def __init__(self, data):self.data dataself.index 0def __iter__(self):return selfdef __next__(self):if self.index len(self.data):value self.data[self.index]self.index 1return valueelse:raise StopIteration# 使用迭代器
my_iter MyIterator([1, 2, 3])
for item in my_iter:print(item)四内置迭代器函数
python提供了一些内置函数来处理迭代器
iter(): 返回一个迭代器对象。对于可迭代对象iter()函数将其转换为迭代器。next(): 通过调用迭代器的__next__()方法来获取下一个元素。如果没有元素可返回则会引发StopIteration异常。
#示例
numbers [1, 2, 3]
iterator iter(numbers)
print(next(iterator)) # 输出: 1
print(next(iterator)) # 输出: 2
print(next(iterator)) # 输出: 3五优点和局限性
优点 延迟计算迭代器在需要时才生成元素有助于节省内存。简化代码通过迭代器代码更简洁容易处理无限序列。局限性 一次性使用迭代器一旦耗尽遍历完无法复用必须重新创建。无法反向迭代标准迭代器仅支持从前到后遍历不能逆向。 二、生成器
生成器是一种特殊的迭代器它能够在需要时生成值从而使得处理大型数据集或流数据变得更加高效。生成器通过使用 yield 关键字创建并且具有延迟计算的特性即惰性求值只有在迭代时才会生成值。下面详细介绍生成器的相关概念和使用方法。
一基本概念
生成器Generator 是一种函数它在每次调用时都会生成一个值并在其 yield 语句的地方暂停执行下一次迭代从暂停的位置继续。与普通函数不同生成器函数在执行完所有 yield 语句后会自动退出。
生成器的关键特性包括
惰性求值生成器不会一次性生成所有值而是按需生成这对于处理大数据集或无限序列非常有用。状态保持生成器函数在暂停时保持其执行状态包括局部变量、指针等并在下一次调用时继续执行。
二创建生成器
生成器通过定义一个包含 yield 语句的函数来创建。yield 会暂停函数的执行并返回一个值当生成器的 __next__() 方法被调用时函数会从暂停处继续执行。
# 生成器函数示例
def my_generator():print(First yield)yield 1print(Second yield)yield 2print(Third yield)yield 3# 使用生成器
gen my_generator()
print(next(gen)) # 输出: First yield \n 1
print(next(gen)) # 输出: Second yield \n 2
print(next(gen)) # 输出: Third yield \n 3三生成器表达式
python 提供了一种简洁的生成器定义方式称为 生成器表达式。生成器表达式类似于列表推导式但返回的是一个生成器对象而不是一个列表。
# 生成器表达式示例
gen_expr (x * x for x in range(5))for value in gen_expr:print(value)在上面的示例中gen_expr 是一个生成器它在每次迭代时按需生成平方数。
四生成器的优势
生成器相比于普通函数和数据结构有许多优点
节省内存生成器按需生成值不会一次性将所有数据存储在内存中非常适合处理大型或无限数据集。代码简洁生成器表达式可以用一行代码创建生成器减少了代码量。惰性求值生成器只有在需要时才计算值提高了效率尤其是处理需要延迟计算的场景。
五使用生成器
除了使用 next() 函数来迭代生成器还可以通过以下方式控制生成器
send(value): 向生成器发送一个值并暂停生成器的当前位置恢复执行。close(): 终止生成器生成器在下一次调用 __next__() 或 send() 时会引发 StopIteration 异常。throw(type, valueNone, tracebackNone): 在生成器中引发指定的异常生成器可以捕获这个异常并决定是继续还是终止。
def controlled_generator():while True:value yieldif value is None:breakprint(fReceived: {value})gen controlled_generator()
next(gen) # 初始化生成器
gen.send(Hello) # 输出: Received: Hello
gen.send(World) # 输出: Received: World
gen.close() # 关闭生成器六生成器的应用
生成器在Python中有许多实际应用以下是一些常见的场景
数据流处理生成器可以逐行读取文件或按需处理数据流减少内存消耗。延迟计算当需要对大数据集进行计算但不想一次性加载时生成器可以按需计算结果。管道处理生成器可以连接在一起形成数据处理管道每个生成器处理数据的一部分。
七生成器和列表对比
特性生成器列表内存使用按需生成节省内存一次性加载所有元素占用大量内存执行方式惰性求值逐步生成立即求值一次性生成所有元素适用场景大数据集、流数据小数据集频繁访问元素代码复杂度简洁适合管道处理简单明了适合频繁访问
通过生成器可以使Python程序在处理大规模数据时更加高效特别是在内存受限或需要流式处理的场景下。生成器不仅提供了强大的功能还保持了代码的简洁和可维护性。 三、装饰器
python的装饰器是一个强大的特性允许你以优雅的方式修改函数或类的行为。装饰器可以用来插入额外的功能、修改函数行为甚至是对函数进行包装而不直接修改其代码。
一装饰器的基本概念
装饰器是一个函数接受另一个函数作为参数返回一个新的函数。这个新的函数通常会在原函数的调用之前或之后执行额外的代码。装饰器本质上是一种“包装”机制使得你可以在不修改原始函数代码的情况下添加额外的功能。
示例
def my_decorator(func):def wrapper():print(有些事情在调用方法之前发生)func()print(有些事情在调用方法之后发生)return wrappermy_decorator
def say_hello():print(Hello!)say_hello()在该示例中
my_decorator 是一个装饰器函数它接受 func 作为参数。wrapper 函数在调用 func 之前和之后打印了一些信息。my_decorator 是装饰器的应用方式相当于 say_hello my_decorator(say_hello)。当你调用 say_hello() 时实际执行的是 wrapper 函数其中包括了原始的 say_hello 函数的调用。
二带参数的装饰器
装饰器也可以接受参数。要实现带参数的装饰器你需要创建一个嵌套的装饰器函数
def repeat(num_times):def decorator(func):def wrapper(*args, **kwargs):for _ in range(num_times):func(*args, **kwargs)return wrapperreturn decoratorrepeat(3)
def say_hello():print(Hello!)say_hello()在这个例子中
repeat 是一个接受参数 num_times 的外部函数。decorator 是实际的装饰器函数。wrapper 是用来包装原函数的内部函数它会根据 num_times 的值多次调用原函数。
三应用场景
装饰器在实际编程中非常有用常见的应用场景包括
日志记录记录函数的调用信息。权限检查检查用户是否有权限调用某个函数。性能计时测量函数的执行时间。缓存缓存函数的返回值以提高性能。输入验证验证函数参数是否符合要求。
四保持元数据
使用装饰器时通常会改变原函数的一些元数据如名称和文档字符串。可以使用 functools.wraps 来保留这些元数据
示例
from functools import wrapsdef my_decorator(func):wraps(func)def wrapper(*args, **kwargs):print(调用函数之前被执行)result func(*args, **kwargs)print(调用函数之后被执行)return resultreturn wrappermy_decorator
def say_hello():Prints Hello!print(Hello!)print(say_hello.__name__) # 输出 say_hello
print(say_hello.__doc__) # 输出 Prints Hello!wraps 装饰器帮助 wrapper 函数保留原函数的元数据如名称和文档字符串
五总结
装饰器是一种功能强大的工具可以让你在不修改原始函数代码的情况下添加额外的功能。理解装饰器的工作原理以及如何创建和使用它们可以让你写出更加简洁、灵活和可维护的代码。 四、闭包
一简介
闭包是一个函数对象它能记住并访问它所在的词法作用域中的变量即使在该作用域已经结束时仍然可以使用这些变量。换句话说闭包是一种函数可以捕获其外部环境的变量使得这些变量即使超出了其正常的生命周期也能在函数内被访问。
闭包是由嵌套函数和自由变量构成的闭包可以访问这些自由变量即外部函数作用域中的变量即使外部函数已经执行完毕。
二闭包的结构
一个闭包通常由三部分组成
外部函数定义了一个包含变量的作用域。内部函数嵌套在外部函数中并引用了外部函数的变量。闭包环境内部函数对外部函数作用域中变量的引用使得这些变量在外部函数结束后仍然有效。
示例
def outer_function(message):def inner_function():print(message)return inner_functionclosure_function outer_function(Hello, Python!)
closure_function() # 输出: Hello, Python!在这个例子中
outer_function 是外部函数它接受一个参数 message。inner_function 是嵌套在 outer_function 中的内部函数它使用了外部函数的变量 message。当 outer_function 返回 inner_function 时message 的值仍然被保留并可以在之后调用 closure_function() 时使用即使 outer_function 已经执行完毕。
三工作原理
在上述示例中虽然 outer_function 已经执行结束但返回的 inner_function依然“记住”了 message 变量的值。这种机制就是闭包的重要特性函数会保存它们所在的词法作用域中的变量使得这些变量可以在函数执行后依然有效。python中的闭包通过函数对象的 __closure__ 属性来实现这个属性包含了对外部作用域变量的引用。
示例
def outer_function(message):def inner_function():print(message)return inner_functionclosure_function outer_function(Hello, Python!)
print(closure_function.__closure__) # 输出闭包中的自由变量
print(closure_function.__closure__[0].cell_contents) # 输出自由变量的值 Hello, Python!四应用场景
闭包在以下场景中非常有用
数据隐藏使用闭包可以隐藏数据实现类似于面向对象编程中的私有变量的效果。函数工厂创建带有特定参数配置的函数避免重复写相似逻辑。回调函数在异步编程或事件驱动编程中闭包可以保持上下文确保在执行回调时能访问正确的环境。装饰器装饰器的实现原理就依赖于闭包允许在不改变函数定义的情况下扩展其功能。
五注意事项
闭包虽然强大但也有一些需要注意的地方
变量的作用域闭包只能访问外部函数中的不可变变量如果你想在内部函数中修改外部变量必须使用 nonlocal 关键字。可能导致内存泄漏如果闭包引用的外部变量占用较多资源可能导致内存泄漏因为这些资源会一直存在直到闭包被销毁。
六闭包中修改外部变量
通常情况下闭包只能访问外部变量但不能修改它们。如果需要修改外部函数中的变量必须使用 nonlocal 关键字
示例
def outer_function():count 0def inner_function():nonlocal count # 使用nonlocal声明count 1print(count)return inner_functionclosure_function outer_function()
closure_function() # 输出 1
closure_function() # 输出 2在这个例子中nonlocal 允许 inner_function 修改 outer_function 中的 count 变量。
七总结
python的闭包是一种函数对象它能够捕获并“记住”外部函数作用域中的自由变量使得这些变量在外部函数执行结束后依然可用。闭包在许多高级编程场景中非常有用比如装饰器、回调函数和数据隐藏等。 五、总结
该篇文章主要讲了python的三器一包迭代器、生成器、装饰器和闭包每个知识点都有各自的用途相信大家都能通过这篇文章体会到其中的差异点欢迎提出宝贵的意见和建议
