li = [1, 2, 3]
sr ="abcd"
# print(li.__iter__())
# print(sr.__iter__())
li_iter = li.__iter__()
sr_iter = iter(sr)

print(li_iter.__next__())
print(next(li_iter))
print(li_iter.__next__())

print(next(sr_iter))
print(sr_iter.__next__())

1.3 可迭代对象的测试

collections

使用isinstance()来判断一个对象是否可迭代

from collections import Iterable
#使用isinstance()来判断一个对象是否可迭代
print(isinstance([],Iterable))      #True
print(isinstance(str(),Iterable))   #True
print(isinstance({},Iterable))      #True
print(isinstance(set(),Iterable))   #True
print(isinstance(123,Iterable))     ##False
print(isinstance(True,Iterable))    #False

自定义一个类，其可以容纳数据，测试该类的可迭代性

from collections import Iterable

class MyClass:
def __init__(self):
self.names = []

def add(self, name):
self.names.append(name)

my_class = MyClass()
my_class.add("Tom")
my_class.add("Jack")
my_class.add("Lucy")

print("是否为可迭代对象：", isinstance(my_class, Iterable))	#False

回顾之前说的

__iter__

方法，其可以为我们提供一个迭代器。在迭代一个可迭代对象的时候，实际上就是获取该对象提供一个迭代器。然后提供该迭代器依次获取对象的每一个数据

from collections import Iterable

class MyClass:
def __init__(self):
self.names = []

def add(self, name):
self.names.append(name)

def __iter__(self):
return self.names.__iter__()

print("是否为可迭代对象：", isinstance(my_class, Iterable))	#True

for i in my_class:
print(i, end=" ")

1.4 for item in 可迭代对象循环的本质

就是通过iter()函数获取可迭代对象的Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值，当遇到StopIteration的异常后，退出

1.5 应用场景

迭代器的核心就是通过next()函数调用返回下一个数据值。如果每次返回的数据值不是在一个已有的数据集合中读取的，而是通过程序按照一定的规律计算生成。那么也就意味着可以不用依赖一个已有的数据集合，namely，无需将所有的迭代对象数据一次性缓存下来供后续使用。这样可以节省大量的存储（内存）空间。

如

斐波那契数列

现在我们希望通过for…in…的方式来遍历斐波那契数列中的前n个数。

通过迭代来实现，每次迭代都可以

class FibIterator(object):
'''
斐波那契数列迭代器
'''

def __init__(self, n):
# 记录生成的斐波那契数列的个数
self.n = n
# 记录当前记录的索引
self.current_index = 0
# 记录两个初始值
self.num1 = 0
self.num2 = 1

def __next__(self):
'''调用next()来获取下一个数'''
if self.current_index < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num2 + self.num1
self.current_index += 1
return num
else:
raise StopIteration

def __iter__(self):
return self

fib = FibIterator(10)
for num in fib:
print(num,end=" ")

二、生成器

生成器，利用迭代器，我们可以在每次迭代获取数据时（通过next()方法）按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代的状态需要我们自己记录，进而才能根据当前的状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，可以采用更简便的语法。

即生成器（generator），生成器是一种特殊的迭代器，它比迭代器更优雅

2.1 创建一个生成器

列表[ ] ---->（）

li = [x**2 for x in range(6)]
print(li)

gen = (x**2 for x in range(6))
print(gen)

print("通过next()函数取得下一个值")
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))

#print("通过for遍历")
#for i in gen:
#    print(i,end=" ")

2.2 生成器函数

在函数中如果出现了yield关键字，那么该函数就不再是一个普通函数，而是一个生成器函数

如

def foo():
yield 1
yield 2
return
yield 3

f = foo()
print(next(f))
#程序会停留在对应的yield后的语句
print(next(f))
#当程序遇到return，return后的语句不会执行
print(next(f))  #StopIteration

next 和 yield进行匹配，如果遇到return，return后的语句不会执行，直接抛出异常StopIteration，终止迭代
在一个生成器中，如果return后有返回值，那么这个值就是异常的说明，而不是函数的返回值

构造一个产生无穷奇数的生成器

def odd():
n = 1
while True:
yield n
n += 2

odd_num = odd()
# print(odd_num)
# count = 0
# for i in odd_num:
#     if count >5:
#         break
#     print(i)
#     count += 1

# print(next(odd_num))
# print(next(odd_num))

for i in range(0,6):
print(next(odd_num))

通过类手动编写迭代器，实现类似的效果

class OddIter:
def __init__(self):
self.start = -1

def __iter__(self):
return self

def __next__(self):
self.start += 2
return self.start

odd = OddIter()
for i in range(6):
print(next(odd))

2.3 生成器支持的方法

Help on generator object:

odd = class generator(object)
|  Methods defined here:
|
|  __del__(...)
|
|  __getattribute__(self, name, /)
|      Return getattr(self, name).
|
|  __iter__(self, /)
|      Implement iter(self).
|
|  __next__(self, /)
|      Implement next(self).
|
|  __repr__(self, /)
|      Return repr(self).
|
|  close(...)
|      close() -> raise GeneratorExit inside generator.
|
|  send(...)
|      send(arg) -> send 'arg' into generator,
|      return next yielded value or raise StopIteration.
|
|  throw(...)
|      throw(typ[,val[,tb]]) -> raise exception in generator,
|      return next yielded value or raise StopIteration.
|
|  ----------------------------------------------------------------------
|  Data descriptors defined here:
|
|  gi_code
|
|  gi_frame
|
|  gi_running
|
|  gi_yieldfrom
|      object being iterated by yield from, or None

close()：手动关闭生成器函数，后面调用会直接引起StopIteration异常
send()： x = yield y 语句的含义：send() 的作用就是使x赋值为其所传送的值（send的参数），然后让生成器执行到下一个yield
如果生成器未启动，则必须在使用send()前启动生成器，而启动的方法可以是gen.next()，也可以是gen.send(None)执行到第一个yield处。之后就可以使用send(para)不断传入值
如果已启动，则send(para)的作用就是给x赋值为所发送的值（send的参数），然后生成器执行到下一个yield

throw()：手动抛出异常

#close()
def gen():
yield 1
yield 2
yield 3
yield 4

g = gen()
print(next(g))
print(next(g))
g.close()
print(next(g))

#send()
def gen():
value = 0
while True:
receive = yield value
if receive == 'e':
break
value = "got:%s" % receive

g = gen()
print(g.send(None))	# send() 的作用就是使receive赋值为其所传送的值，然后让生成器执行到下一个yield
print(g.send("aaa"))
print(g.send(123))
print(g.send('e')) # StopIteration

#throw()
def gen():
i = 0
while i < 5:
temp = yield i
print(temp)
i += 1

obj = gen()
print(next(obj))
print(next(obj))
print(obj.throw(Exception,"Method throw called"))

三、闭包

闭是封闭（函数中的函数），包是包含（该内部函数对外部函数作用域而非全局作用域变量的引用）

闭包：

内部函数对外部函数作用域里的变量的引用
函数内的属性，都是有生命周期，都是在函数执行期间
闭包内的闭包函数私有化了变量，完成了数据的封装，类似面向对象

如

def foo():
print("in foo()")

def bar():
print("in bar()")

# 1.直接运行内部函数bar()，报错
# 2.先运行外部函数foo(),再运行内部函数bar()，依然报错

由于作用域的问题，函数内的属性，都是有生命周期的，只有在函数执行期间

再考虑这段代码，只有调用foo()时，内部的print()及bar()才能存活

现在我们为了让foo()内的bar()存活，就是调用bar()，我们该怎么做？

把bar()函数返回给函数

def foo():
print("in foo()")

def bar():
print("in bar()")
return bar

var = foo()
var()
'''
in foo()
in bar()
'''

前面说，内部函数对外部函数作用域变量的引用---->如果是变量呢？

def foo():
a = 66
print("in foo()")

def bar(num):
print("in bar()")
print(a + num)
return bar

var = foo()
var(22)

四、装饰器

首先，看一个例子

@func1
def func():
print('aaa')

4.1 装饰器存在的意义

不影响原有函数的功能
可以添加新的功能

4.2 用法

一般常见的，比如拿到第三方的API接口，第三方不允许修改这个接口，这个时候，装饰器就派上用场

装饰器本身也是一个函数，作用是为现有的函数，在不改变函数的基础上，增加一些功能进行装饰

它是以闭包的形式去实现的

在使用装饰器函数时，在被装饰的函数的前一行，使用

@装饰器函数名

的形式来进行装饰

如：

现在在一个项目中，有很多函数，由于我们的项目越来越大，功能也越来越多，导致程序越来越慢

其中一个功能函数的功能是实现100万次的累加

def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:",s)

假如我们要计算函数的运行时间

import time
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)
start = time.time()
my_count()
end = time.time()
print("执行时间为：", end - start)

实现了时间的计算，但如果有成千上万个函数，每个函数这么写一遍，非常麻烦，代码量也凭空增加很多

明显不符合开发原则，代码太过冗余。考虑将上述代码中的时间计算改写进函数

import time
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)

def count_time(func):
start = time.time()
func()
end = time.time()
print("执行时间为：", end - start)

count_time(my_count) #更改了调用方式

这样做仍然影响了原来的使用

思考能不能在使用时不影响函数的原来使用方式，同时实现时间计算

考虑闭包

import time

def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print("执行时间为：", end - start)
return wrapper

def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)

my_count = count_time(my_count)
my_count()

让my_count函数重新指向count_time函数返回的函数引用。这样使用my_count时，就和原来的方式一样了

采用装饰器

import time
def count_time(func):
def wrapper():
start = time.time()
func()
end = time.time()
print("执行时间为：", end - start)
return wrapper

@count_time
def my_count():
s = 0
for i in range(1000001):
s += i
print("sum:", s)

my_count()

这样实现的好处，定义闭包函数后，只需要通过

@装饰器函数名

的形式的装饰器语法，就可以将

@装饰器函数名

加到要装饰的函数前即可

这种不改变原有函数功能，对函数进行拓展的形式，就称为

装饰器

在执行

@装饰器函数名

时，就是讲原函数传递到闭包中。然后，原函数的引用指向闭包返回的装饰过的内部函数的引用

4.3 形式

无参数无返回值

def setFunc(func):
def wrapper():
print("start")
func()
print("end")
return wrapper

@setFunc
def show():
print("show")

show()
'''
start
show
end
'''

无参数有返回值

def setFunc(func):
def wrapper():
print("start")
return func()
print("end")    #遇到return，此句不执行
return wrapper

@setFunc
def show():
return "show"

print(show())
'''
start
show
'''

有参数无返回值

def setFunc(func):
def wrapper(s):
print("start")
func(s)
print("end")
return wrapper

@setFunc
def show(s):
print("hello %s" % s)

show("city college")

'''
start
hello city college
end
'''

有参数有返回值

def setFunc(func):
def wrapper(x,y):
print("start")
return func(x,y)
return wrapper

@setFunc
def myAdd(x,y):
return x + y

print(myAdd(1,2))
'''
start
3
'''

万能装饰器

根据被装饰函数的定义不同，分出了四种形式

能不能实现一种适用于任何形式函数定义的装饰器

通过改变*args和**kwargs来改变传入参数的个数

def setFunc(func):
def warpper(*args,**kwargs):
print("warpper context.")
return func(*args,**kwargs)
return warpper

#有参数无返回值
@setFunc
def func(name,age):
print(name,age)
func("Tom",20)
# warpper context.
# Tom 20

#无参数无返回值
@setFunc
def func2():
print("func2")
func2()
# warpper context.
# func2

#无参数有返回值
@setFunc
def func3():
return "func3"
print(func3())
# warpper context.
# func3

#有参数有返回值
@setFunc
def func4(a,b):
return a + b
print(func4(1,2))
# warpper context.
# 3

#不定参数
@setFunc
def func5(a,b,*c,**d):
print((a,b))
print(c)
print(d)
func5("city","college",1999,7,school = "zucc")
# warpper context.
# ('city', 'college')
# (1999, 7)
# {'school': 'zucc'}

4.4 函数被多个装饰器所装饰

一个函数在使用时，通过一个装饰器来拓展，并不能达到预期

一个函数被多个装饰器所装饰

#装饰器1
def setFunc1(func):
def wrapper1(*args,**kwargs):
print("wrapper context 1 start".center(40,"-"))
func(*args,**kwargs)
print("wrapper context 1 end".center(40,"-"))
return wrapper1

#装饰器2
def setFunc2(func):
def wrapper2(*args,**kwargs):
print("wrapper context 2 start".center(40,"-"))
func(*args,**kwargs)
print("wrapper context 2 end".center(40,"-"))
return wrapper2

@setFunc1
@setFunc2
def show(*args,**kwargs):
print("show run".center(40))

show()
'''
--------wrapper context 1 start---------
--------wrapper context 2 start---------
show run
---------wrapper context 2 end----------
---------wrapper context 1 end----------
'''

程序语句运行顺序来看，从下往上去装饰

从函数的调用来看，从内往外去装饰

总结：

函数可以像普通变量一样，作为函数的参数或者返回值进行传递
函数的内部可以定义另外一个函数。目的，隐藏函数功能的实现
闭包实际上也是函数定义的一种形式
闭包定义的规则，在外部函数内定义一个内部函数，内部函数使用外部函数的变量，并返回内部函数的引用
python中，装饰器就是用闭包来实现的
装饰器的作用，在不改变现有函数的基础上，为函数增加功能
装饰器的使用，通过
```
@装饰器函数名
```
的形式来给已有函数进行装饰，添加功能
装饰器四种形式，根据参数的不同以及返回值的不同
万能装饰器，通过可变参数（*args和**kwargs）来实现
一个装饰器可以为多个函数提供装饰功能
一个函数也可以被多个装饰器所装饰（了解）
通过类实现装饰器，重写
```
__init__
```
和
```
__call__
```
函数
类装饰器在装饰函数后，原来的引用不再是函数，而是装饰类的对象

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航

Python学习（迭代器、生成器、装饰器）

文章目录

一、迭代器

1.1 可迭代对象

1.2 迭代器协议