学习python：day4

1.装饰器

定义：本质是函数，（装饰其他函数）就是为其他函数添加附加功能
原则：1.不能修改被装饰的函数的源代码
      2.不能修改被装饰的函数的调用方式
实现装饰器知识储备：
1，函数即变量
2，高阶函数：a.吧一个函数名当做实参传给另一个函数
             b.返回值中包含函数名

import time
def timer(func):
    def deco(*args,**kwargs):
        star_time = time.time()
        func(*args,**kwargs)
        stop_time = time.time()
        print("the func run time is  %s" %(stop_time-star_time))
    return deco
@timer
def test1():
    time.sleep(3)
    print("in the test1")
@timer
def test2(name,age):
    print("test2:","alex",33)

test1()
test2()

2.迭代器&生成器

生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。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。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

使用for循环

 斐波拉契数列

注意，赋值语句：

相当于：

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

*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：

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：

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

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，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：

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

协程

import time
def consumer(name):
    print("%s 准备吃包子了！" %name)
    while True:
        baozi = yield
        print("包子[%s]来了，被[%s]吃了！" %(baozi,name))
c = consumer("zhangsan")
c.__next__()



def producter(name):
    c = consumer("A")
    c1 = consumer("B")
    c.__next__()
    c1.__next__()
    print("老子开始准备做包子了")
    for i in range(10):
        time.sleep(1)
        print("做一个包子，分两半！")
        c.send(i)
        c1.send(i)

producter("lisi")

列表生成式

b = [i*2 for i in range(10)]
print(b)

a = (i*2 for i in range(10))
for i in a:
    print(i)


def fib(max):
    n,a,b = 0,0,1
    while n < max:
        yield b
        a, b=b ,a+b
        n = n+1
    return ‘---done---‘
g = fib(6)
while True:
    try:
        x = next(g)
        print("g:",x)
    except StopIteration as  e:
        print(‘Generator return value‘ , e.value)
        break

3.json

用于序列化的两个模块

• json，用于字符串 和 python数据类型间进行转换
• pickle，用于python特有的类型 和 python的数据类型间进行转换

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

序列化

import pickle
def sayhi(name):
    print("hello,",name)
info = {
    ‘name‘:‘alex‘,
    ‘age‘:22,
    ‘func‘:sayhi
}

f = open("test.text","wb")
#print(json.dumps(info))
print( )
f.write( pickle.dumps( info) )
f.close()
‘‘‘

pickle.dump(info,f)

info[‘age‘] = 21
f.write( json.dumps( info) )
‘‘‘

反序列化

import pickle
def sayhi(name):
    print("hello2,",name)
f = open("test.text","rb")
data = pickle.loads(f.read())
print(data["func"]("Alex"))
‘‘‘

data = pickle.load(f) #data = pickle.loads(f.read())
print(data["func"]("Alex"))

for line in f:
    print(json.loads(line))
‘‘‘

学习python：day4

原文：http://www.cnblogs.com/liuyuchen123456/p/5786186.html