Python--day4--迭代器-生成器-装饰器-目录

Posted 2020-08-25

迭代器

迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件

特点：

1. 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容

2. 不能随机访问集合中的某个值 ，只能从头到尾依次访问

3. 访问到一半时不能往回退

4. 便于循环比较大的数据集合，节省内存

---

names = iter([‘alex‘,‘jack‘,‘list‘])

print(names)

print(names.__next__())  ##2.7    next()

print(names.__next__())

print(names.__next__())

<list_iterator object at 0x000001850C3AA748>

alex

jack

list

---

生成器

定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器 .

#!/usr/bin/env python

# -*- coding: utf-8 -*-

def cash_out(amount):

    while amount > 0:

        amount -= 1

        yield 1

        print("擦，又来取钱了。。。败家子！")

ATM = cash_out(5)

print(type(ATM))

print("取到钱 %s 万" % ATM.__next__())

print("花掉花掉!")

print("取到钱 %s 万" % ATM.__next__())

print("取到钱 %s 万" % ATM.__next__())

print("花掉花掉!")

print("取到钱 %s 万" % ATM.__next__())

print("取到钱 %s 万" % ATM.__next__())

#print("取到钱 %s 万" % ATM.__next__())  # 到这时钱就取没了,再取就报错了

#print("取到钱 %s 万" % ATM.__next__())

---

串行        同步

并行        异步

---

12月7日

yield异步

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(10):

        time.sleep(1)

        print("做了2个包子!")

        c.send(i)

        c2.send(i)

producer("alex")

---

凡是可以用作for循环的对象都是Iterable类型

凡是可以用于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：

1 2	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

iterator甚至可以表示一个无限大的数据流。

Iterable  可迭代的对象

Iterator  迭代器

---

装饰器  12/13

封闭：已实现的功能代码  开放：对扩展开放

def w1(func):

    def inner():

        # 验证1

        # 验证2

        # 验证3

        return func()

    return inner

@w1

def f1():

    print ‘f1‘

@w1

def f2():

    print ‘f2‘

@w1

def f3():

    print ‘f3‘

@w1

def f4():

    print ‘f4‘

@装饰器

---

总结：迭代器 访问集合元素的一种方式。  iter()  next()

          使用了yield的函数称为生成器。

import  functools

def logging(func):

    @functools.wraps(func)

    def decorator():

        print("%s called" % func.__name__)

        result = func()

        print("%s end" % func.__name__)

        return result

    return decorator

# 使用装饰器

@logging

def test01():

    return 1

# 测试用例

print(test01())

print(test01.__name__)

#!/usr/bin/env python

#-*- coding: UTF-8 -*-

import functools

def logging(func):

    @functools.wraps(func)

    def  decorator(*args,**kwargs):

        print("%s  called" %func.__name__)

        result = func(*args,**kwargs)

        print("%s end" %func.__name__)

        return result

    return decorator

@logging

def test01(a,b):

    print("in function  test01,a=%s,b=%s" % (a,b))

    return 1

@logging

def test02(a,b,c=1):

    print("in  function  test02,a=%s,b=%s,c=%s"%(a,b,c))

    return 1

print(test01(1,2))

print(test02(1,2,c=3))

---

开放--封闭   规定已经实现的功能代码不允许被修改，但是可以被扩展

目录组织方式

关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。

这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。

假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:

Foo/
|-- bin/
|   |-- foo
|
|-- foo/
|   |-- tests/
|   |   |-- __init__.py
|   |   |-- test_main.py
|   |
|   |-- __init__.py
|   |-- main.py
|
|-- docs/
|   |-- conf.py
|   |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README

简要解释一下:

1. bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。

2. foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。

3. docs/: 存放一些文档。

4. setup.py: 安装、部署、打包的脚本。

5. requirements.txt: 存放软件依赖的外部Python包列表。

6. README: 项目说明文件。

除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。

下面，再简单讲一下我对这些目录的理解和个人要求吧。

关于README的内容

这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。

它需要说明以下几个事项:

1. 软件定位，软件的基本功能。

2. 运行代码的方法: 安装环境、启动命令等。

3. 简要的使用说明。

4. 代码目录结构说明，更详细点可以说明软件的基本原理。

5. 常见问题说明。

我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。

可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。

关于requirements.txt和setup.py

setup.py

一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。

这个我是踩过坑的。

我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:

1. 安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。

2. Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。

3. 如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。

4. 新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。

setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。

setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py

当然，简单点自己写个安装脚本（deploy.sh）替代setup.py也未尝不可。

requirements.txt

这个文件存在的目的是:

1. 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在setup.py安装依赖时漏掉软件包。

2. 方便读者明确项目使用了哪些Python包。

这个文件的格式是每一行包含一个包依赖的说明，通常是flask>=0.10这种格式，要求是这个格式能被pip识别，这样就可以简单的通过 pip install -r requirements.txt来把所有Python包依赖都装好了。具体格式说明： 点这里。

 

关于配置文件的使用方法

注意，在上面的目录结构中，没有将conf.py放在源码目录下，而是放在docs/目录下。

很多项目对配置文件的使用做法是:

1. 配置文件写在一个或多个python文件中，比如此处的conf.py。

2. 项目中哪个模块用到这个配置文件就直接通过import conf这种形式来在代码中使用配置。

这种做法我不太赞同:

1. 这让单元测试变得困难（因为模块内部依赖了外部配置）

2. 另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。

3. 程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖conf.py这个文件。

所以，我认为配置的使用，更好的方式是，

1. 模块的配置都是可以灵活配置的，不受外部配置文件的影响。

2. 程序的配置也是可以灵活控制的。

能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。

所以，不应当在代码中直接import conf来使用配置文件。上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的。

---

def  login(func):

     def inner(arg):

          print()

          func(arg)

     return  inner 

@login

tv("Alex")

---

递归   调用自己算法

def func(arg1,arg2,stop):

    if arg1 ==0:

        print(arg1,arg2)

    arg3 = arg1 + arg2

    print(arg3)

    if arg3<stop:

        func(arg2,arg3,stop)

func(0,1,30)

#!/usr/bin/env python

# -*- coding: utf-8 -*-

##二分

def binary_search(data_source,find_n):

    mid=int(len(data_source)/2)

    if len(data_source)  >= 1:

        if  data_source[mid]   > find_n:

            print("data in  left  of {}".format(data_source[mid]))

            binary_search(data_source[:mid],find_n)

        elif  data_source[mid]  <  find_n:

            print("data in ringt of {}".format(data_source[mid]))

            binary_search(data_source[mid:],find_n)

        else:

            print("found  find_s," , find_n)

    else:

         print("这些找不到")

if  __name__==‘__main__‘:

        data = list(range(1,6))

        #print(data)

        binary_search(data,2)

---

a = [[col for col in range(4)] for row in range(4)]

for r_index,row in enumerate(a):
for c_index in range(r_index,len(row)):
tmp = a[c_index][r_index]
a[c_index][r_index] = row[c_index]
a[r_index][c_index] = tmp

for r in a :
print(r)

---

本文出自 “何全” 博客，请务必保留此出处http://hequan.blog.51cto.com/5701886/1886276