python学习——装饰器、生成器、迭代器

‘‘‘修饰器本质是函数定义：修饰器是给函数补充某些功能，且不影响原函数的函数。   ps：应用在已上线的程序中的改动功能必须用到。

拿下一行的函数名作为赋给高阶函数（就是这个函数名）变量，运行一下高阶函数，然后把返回的结果返回下一行的函数名

原则：1.不改变被调用函数的调用方式；2.不改变被调用函数的内容；需要的概念：1.函数即变量：函数也和变量一样先在内存中存储，但是是以字符串的形式，在通过加上（）的形式，就在cpu中执行。函数和变量在内存中的存储是必须要有对应的“门牌号”的，就是函数名和变量名，如果名称消失，编译器就会在执行的时候把对应内存清除。有一个不用名的函数，lambda，但是必须要制定一个名字，其实也是一样的。另外，Python是按照顺序来执行的语言。而def这个是只是定义，就是存成字符串，而不涵盖执行。2.高阶函数：注意是函数名，不会带（）的执行括号的。a.把一个函数名当作实参传递给另一个函数； ps1:有了高阶函数就可以实现了不修改被装饰函数而改动函数的功能ps2:这个其实和“函数即变量”对应在一起的，给形参传递的就是实参，函数名对应的就是内存中的一堆字符串；b.返回值中包含函数名；ps:教程说是这个可以不改变形式，但是我感觉其实没有关系3.嵌套函数：在一个函数内部再定义一个函数。内部定义的函数是一个局部变量（函数），可以在内部调用。4.@函数名：放的位置，只能是一个函数上面的第一格； ps:这个也是为什么pycharm一直提示，函数前面空两行的原因，因为读取函数的时候还要看上面两行有没有别的要进来修饰　　功能：拿下一行的函数作为赋给高阶函数（就是这个函数名）变量，运行一下，然后把返回的结果返回下一行的函数名（就是覆盖原来的函数名代表的内存位置，指到了高阶函数返回值的位置。）可以看看第四周第六章20min左右。就相当于重新定义了一个已经存在的变量来覆盖；# ‘‘‘

‘‘‘下面是装饰器‘‘‘

import time


def decor_fun(func):
    def tm_func(*para1, **para2):    #‘‘‘如果这里要实现传递参数，必须加入一个参数，然后在下面的func（参数），需要这样的，不过最好是使用非固定参数！！‘‘‘
        start_time = time.time()
        func(*para1, **para2)   #注意在这个地方的函数定义的时候，引入的函数，还是会到原来函数存储的位置去找的。所以说，修饰器其实有一新一旧两个地址，但是用户只能用新的。
        end_time =time.time()
        print("the run time is %s"%(end_time-start_time))
    return tm_func     #局部变量是一个块内容里面有，这里tm_func是在整个装饰器的函数里面有用，
    # 所以在这个地方返回就可以返回到函数的外面。



@decor_fun  # 等于是将下面的函数调用变成，tst_demo = decor_fun(tst_demo)，所以以后的tst_demo 对应的就是新地址；那么相当于这个新地址就是tm_func对应的内容；旧地址tst_demo还是在的，只不过用户拿不到；18 def tst_demo():
    print("we know this test demo run time is very quick")
    time.sleep(3)
    print("but we want to know the time!")
    return 0

@decor_fun  #
def try1():
    print("jiushi shishi")
    time.sleep(2)

‘‘‘看看如果带入参数能够实现吗？就是输入的参数，能否被传入；结果显示是不行的，必须在装饰器那边就写上参数‘‘‘
def try2(name):
    print("this is try2", name)
    time.sleep(2)

tst_demo()
try1()

‘‘‘下面这个就是类似的效果‘‘‘
decor_fun(try2)("qie")

高阶函数还可以有2层的函数；

‘‘‘这个版本是为了学如何传递两层参数‘‘‘
import time


def decor_fun(*arg1):
    print("This out_layer", *arg1)   #遇到@符号救护先进来到这一步；

    def tm_func0(func):
        def tm_func(*para1, **para2):  # ‘‘‘如果这里要实现传递参数，必须加入一个参数，然后在下面的func（参数），需要这样的，不过最好是使用非固定参数！！‘‘‘
            start_time = time.time()
            func(*para1, **para2)  # 注意在这个地方的函数定义的时候，引入的函数，还是会到原来函数存储的位置去找的。所以说，修饰器其实有一新一旧两个地址，但是用户只能用新的。
            end_time = time.time()
            print("the run time is %s" % (end_time - start_time))
        return tm_func  # 局部变量是一个块内容里面有，这里tm_func是在整个装饰器的函数里面有用，
        # 所以在这个地方返回就可以返回到函数的外面。
    return tm_func0


@decor_fun("ky")  # 等于是将下面的函数调用变成，tst_demo = decor_fun(tst_demo)，所以以后的tst_demo 对应的就是新地址
def tst_demo():
    print("we know this test demo run time is very quick")
    time.sleep(3)
    print("but we want to know the time!")
    return 0


@decor_fun  #
def try1():
    print("jiushi shishi")
    time.sleep(2)


‘‘‘看看如果带入参数能够实现吗？就是输入的参数，能否被传入；结果显示是不行的，必须在装饰器那边就写上参数‘‘‘
def try2(name):
    print("this is try2", name)
    time.sleep(2)

tst_demo()
#try1()

‘‘‘下面这个就是类似的效果‘‘‘
decor_fun(try2)("qie")

# 生成器，相当于在内存里面存储一个算法，只有调用的时候，才会在内存中出现具体的数值。

生成器通常是应用于有规律的数据。

#按需要一个个取出来；

分类： 列表生成器以及函数生成器列表生成器：# 形式类似于， （ i*2 for i in range(10) ) .这是是利用小括号来表示，内部是具体的算法。中括号的话，就是列表生产式。# 调用的方式就是使用“for i in 列表生成器” 的形式调用；# #函数生成器只有__next__()方法，没办法往前,只能往后，取完之后就没有了。## #常见的列表生成式# list_generation = [i*3 for i in range(10)]# print(list_generation)## #生成器的例子# list_generator = （i*3 for i in range(10)）# print(list_generator)## for i in list_generator :  ####     if i < 10:#         print(list_generation[i])#     if i > 10:#         break## #函数的生成器# 过程中必须使用到yeild，原因就是它能够实现停顿记录；并且返回参数。即需要的时候才去生成取用；

#yeild（b） 的作用是停顿记录并且返回（）中的参数；

## #弄个斐波那契数列# def Feibonaqie(max):#     n,a,b = 0 , 0 ,1#     while n < max:#         print(b)#         a,b = b, a+b#         n = n +1#         ‘‘‘上面这个相对于：#             t = (b, a + b) # t是一个tuple#             a = t[0]#             b = t[1]‘‘‘#     return "done"## Feibonaqie(20)##函数型的生成器def Feibonaqie_generator(max):    n,a,b = 0 , 0 ,1    while n < max:        yield (b)  #使用yield就是生成器了，停顿记录，并且返回结果；        a,b = b, a+b        n = n +1f = Feibonaqie_generator(20)print(f.__next__())print(f.__next__())print("=========")   #意味着可以随时出来。而后继续操作。print(f.__next__())print("=======")# for i in f:    #还可以用for循环来打印。#    print(i)# 获取异常的信息while True:    try:        x = f.__next__()        print(‘g:‘, x)    except StopIteration as e:        print(‘Generator return value:‘)        break

#迭代器
"""凡是可作用于for循环的对象都是Iterable(可迭代）类型；*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。
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()

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：

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：