详解python中的生成器、迭代器、闭包、装饰器

Python  /  管理员 发布于 7年前   233

迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。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。

1|1可迭代对象

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 。

1|2判断是否可以迭代

可以使用 isinstance() 判断一个对象是否是 Iterable 对象：

from collections import Iterableisinstance([],Iterable)# Trueisinstance({},Iterable)# Trueisinstance(123,Iterable)# Falseisinstance((x for x in range(10)),Iterable)# True

1|3什么是迭代器

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 Iteratorisinstance([],Iterator)Falseisinstance({},Iterator)Falseisinstance((x for x in range(10)),Iterator) # True

生成器都是迭代器。

1|4iter()函数

虽然list 、 tuple 、 dict 、 set 、 str 等是可迭代对象，但他们不是迭代器。可以通过iter()函数把可迭代对象编程迭代器。

isinstance(iter([]),Iterator)# Trueisinstance(iter({}),Iterator)# Trueisinstance(iter("asdf"),Iterator)# True

1|5总结：

• 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。
• 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。

2|0生成器

2|1什么是生成器

我们可以通过列表生成式来创建一个列表，但是收到内存的限制，列表的容量肯定是有限的。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。

1|1修改列表推导式创建生成器的方法

最简单的方法是把列表生成式中的 [ ] 改成 ( ) 就好了。

a = [x for x in range(10)]print(a) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]b = (x for x in range(10))print(b) # <generator object <genexpr> at 0x03387DB0>

如何遍历生成器

我们发现生成器不是能直接打印出来的，我们可以通过next()函数来获得生成器的下一个返回值。

生成器保存的是算法，每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的异常。

**使用next() 或者__next __():**print(next(b))# 0print(next(b))# 1print(next(b))# 2print(next(b))# 3print(next(b))# 4print(next(b))# 5print(b.__next__())# 6print(b.__next__())# 7print(b.__next__())# 8print(b.__next__())# 9print(b.__next__())# Traceback (most recent call last):# File "<input>", line 2, in <module># StopIteration

那么有什么简单的方法呢？因为生成器是可迭代对象，也可以使用for循环来遍历它，并且不需要关心 StopIteration 异常。

b = (x for x in range(10))for x in b: print(x)# 0# 1# 2# 3#...

1|2函数中使用yield创建生成器的方法

如果如果生成器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。把你要返回的值前面加yield 即可。

使用函数实现上面代码：

def fn(): for x in range(3):  yield x# 遍历函数实现的生成器f = fn()print(next(f))# 0print(next(f))# 1print(next(f))# 2print(next(f))# Traceback (most recent call last):# File "<input>", line 1, in <module># StopIteration

使用生成器实现斐波拉契数列：

def fib(count): n = 0 a,b = 0,1 while n < count:  yield b  a,b = b,a+b  n += 1 return "done"f = fib(5)print(next(f))# 1print(next(f))# 1print(next(f))# 2print(next(f))# 3print(next(f))# 5print(next(f))# Traceback (most recent call last):# File "<input>", line 1, in <module># StopIteration: done

yield执行流程

• 当执行next(f)时，函数开始执行到yield，yield 右边的变量x作为next()的返回值被返回，此时函数保存当前的运行状态，并暂停执行。
• 再次调用next(f)时，函数从上次暂停的位置开始继续执行，再次遇到yield时重复上面的操作
• 直到生成器遍历结束

我们在循环过程中不断调用 yield ，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用 next() 来获取下一个返回值，而是直接使用 for 循环来迭代：

for x in fib(5): print(x)# 1# 1# 2# 3# 5

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

f = fib(5)while True: try:  print(next(f)) except StopIteration as e:  print("生成器返回值:%s"%e.value)  break# 1# 1# 2# 3# 5# 生成器返回值:done

1|3send方法

def gen(): i = 0 while i<3:  temp = yield i  print(temp)  i+=1g = gen()print(g.__next__())# 0print(g.send(None))# None# 1print(next(g))# None# 2print(g.send("哈哈")# 哈哈# Traceback (most recent call last):# File "<input>", line 1, in <module># StopIteration

上面代码可以看出next()、next ()、send(None)是等价的并没有什么区别。

• send()其实是比他们更高级的，在之前的代码中yield i是没有返回值的即输出为None。
  
• 如果修改send()的形参，那么yield i 的返回值就是括号中的形参，在上面的代码中g.send("哈哈")相当于temp = "哈哈"，并且g.send("哈哈")的返回值就是变量i。
  
• 使用send时要注意，第一次调用生成器对象时，send()不能传参数否则会报错，第一次必须是send(None)，或者第一次调
• 用next()、next ()也可以。
  

3|0闭包

3|1什么是闭包

在函数内部再定义一个函数，并且这个函数用到了外边函数的变量，那么将这个函数以及用到的一些变量称之为闭包

def test(number): def test_in(number_in):  print("test_in函数 的number_in=%s"%number_in)  return number_in+number # 返回test_in函数的引用 return test_inret = test(20)print(ret(100)) # 相当于直接调用test_in函数，并给它传值100# test_in函数 的number_in=100# 120print(ret(200))# test_in函数 的number_in=200# 220

3|2闭包的一个例子

在数学中，一次函数：y=kx+b，在一条确定的直线中，它的k、b是不变的。求y时，根据确定的k、b、x来求出。

def line_conf(k, b): def line(x):  return k*x + b return lineline1 = line_conf(1, 1)line2 = line_conf(4, 5)print(line1(5))print(line2(5))# 6# 25

如果没有闭包，我们需要每次创建直线函数的时候同时说明a,b,x。这样，我们就需要更多的参数传递，也减少了代码的可移植性。

4|0装饰器
4|1什么是装饰器

装饰器就是对一个函数进行装饰，给这个函数增加额外的功能。

def logging(func): def wrap():  print("正在打印日志！")  func() return wrap

@logging # 该装饰器为函数增加了打印日志的额外功能，并且之前函数内部代码不会改变。

def login(): print("张三正在登陆。")login()# 正在打印日志！# 张三正在登陆。4|2两个装饰器def makeBold(fn1): def wrapped():  print("----1----")  return "<b>"+fn1()+"</b>" return wrappeddef makeItalic(fn2): def wrapped():  print("----2----")  return "<i>"+fn2()+"</i>" return wrapped@makeBold@makeItalicdef f1(): print("----3----") return "hello world"ret = f1() # 此时f1并不是f1函数，它是makeBold装饰器返回的wrapped函数的引用。print(ret)"""输出结果：----1--------2--------3----<b><i>hello world</i></b>"""

调用流程：

1. 把函数f1的引用传入装饰器makeItalic中的变量fn2，此时fn2指向f1函数。
   
2. 把装饰器makeItalic中wrapped函数的引用传入装饰器makeBold的变量fn1，此时fn1指向装饰器makeItalic中的wrapped函数。
   
3. ret = f1()表是执行f1所指向的函数，并返回给ret。
   

4|3装饰器带参数

一般情况下装饰器内部函数的参数都是不定长参数，保证通用性，确保装饰任何函数时都不会出错。

def logging(func): def wrap(*args,**kwargs):  print("正在打印日志！")  func(*args,**kwargs) return wrap

@logging # 该装饰器为函数增加了打印日志的额外功能，并且之前函数内部代码不会改变。

def login(name,dic): print("%s正在登陆。"%name) print(dic)login("李四",{"sex":"男"})# 正在打印日志！# 李四正在登陆。# {'sex': '男'}4|4类装饰器class Test(object): def __init__(self, func):  print("---初始化---")  print("func name is %s"%func.__name__)  self.__func = func def __call__(self):  print("---装饰器中的功能---")  self.__func()@Testdef test(): print("----test---")test()"""

输出结果：

---初始化---
func name is test
---装饰器中的功能---
----test---
"""

说明：

• 当用Test来装作装饰器对test函数进行装饰的时候，首先会创建Test的实例对象并且会把test这个函数名当做参数传递到__init__方法中即在__init__方法中的func变量指向了test函数体。
  
• test函数相当于指向了用Test创建出来的实例对象。
  
• 当在使用test()进行调用时，就相当于让这个对象()，因此会调用这个对象的__call__方法。
  
• 为了能够在__call__方法中调用原来test指向的函数体，所以在__init __方法中就需要一个实例属性来保存这个函数体的引用所以才有了self.__func = func这句代码，从而在调用__call __方法中能够调用到test之前的函数体。

总结

以上所述是小编给大家介绍的python中的生成器、迭代器、闭包、装饰器,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！