目錄:
程序出問題的時候可以用debug來看一下代碼運行軌跡,然後找找問題在哪裏
1.先給即將debug的代碼打上斷點:
2.打完斷點之後右鍵點擊debug:
3.然後依次點擊開始按鈕讓程序開始一步步運行:
定義:裝飾器爲其他函數添加附加功能,本質上還是一個函數
原則:①不修改被修飾函數的源代碼
②不修改被修飾函數的調用方式
有這樣一個函數:demo()
先導入時間模塊,然後函數執行時先睡兩秒,在執行打印
1 import time
2 def demo():
3 time.sleep(2)
4 print("welcome sir")
5 demo()
現在想爲demo()函數添加一個統計函數運行時間的功能,但是要遵循開放封閉原則
初步思想:
1 import time
2 def demo():
3 start_time = time.time()
4 time.sleep(2)
5 print("welcome sir")
6 end_time = time.time()
7 print("運行時間%s" %(end_time-start_time))
8 demo()
這樣就完美解決了,但是,我們要用可持續發展的眼光來看,假如有十萬個代碼,我們這樣一個一個添加,你不加班誰加班?
這個時候我們可以用函數的思維來解決
進步思想:
1 import time
2 def demo():
3 time.sleep(2)
4 print("welcome sir")
5 def timmer(func_name):
6 def inner():
7 start_time = time.time()
8 func_name()
9 end_time = time.time()
10 print("運行時間%s" %(end_time-start_time))
11 return inner
12 res = timmer(demo)
13 res()
這樣看起來非常Nice,用到了高階函數,嵌套函數,函數閉包,但是我們違反了開放封閉原則,這個時候把res 改成 demo 就可以了
在這裏有一個命令,可以直接略過這個賦值,讓代碼看起來更美觀,執行效率更高
1 import time
2 def timmer(func_name):
3 def inner():
4 start_time = time.time()
5 func_name()
6 end_time = time.time()
7 print("運行時間%s" %(end_time-start_time))
8 return inner
9 @timmer
10 def demo():
11 time.sleep(2)
12 print("welcome sir")
13 demo()
ok,代碼完成,這其實就是一個函數裝飾器,我們來解釋一下代碼運行順序
爲裝飾器加上返回值:
1 import time
2 def timmer(func_name):
3 def inner():
4 start_time = time.time()
5 res = func_name()
6 end_time = time.time()
7 print("運行時間%s" %(end_time-start_time))
8 return res
9 return inner
10 @timmer
11 def demo():
12 time.sleep(2)
13 return '函數demo的返回值'
14 val = demo()
15 print(val)
有參數的裝飾器:
1 import time
2 def timmer(func_name):
3 def inner(*args,**kwargs):
4 start_time = time.time()
5 res = func_name(*args,**kwargs)
6 end_time = time.time()
7 print("運行時間%s" %(end_time-start_time))
8 return res
9 return inner
10 @timmer
11 def demo(name,age):
12 time.sleep(2)
13 return '函數demo的返回值,姓名:%s,年齡:%s' %(name,age)
14 val = demo('zrh',20)
15 print(val)
圖示流程:
可迭代協議:只要包括了"_iter_"方法的數據類型就是可迭代的
1 print([1,2,3].__iter__()) #打印結果:<list_iterator object at 0x000002E7F803DE88>
iterable 形容詞 可迭代的
1 from collections import Iterable #檢測一個對象是否可迭代
2 print(isinstance('aaa',Iterable))
3 print(isinstance(123,Iterable))
4 print(isinstance([1,2,3],Iterable))
迭代器協議:迭代器中有 __next__ 和 __iter__方法
iterator 名詞 迭代器,迭代器 就是實現了能從其中一個一個的取出值來
檢測參數是不是個迭代器:
1 from collections import Iterator
2 print(isinstance(lst_iterator,Iterator))
3 print(isinstance([1,2,3],Iterator))
在python裏,目前學過的所有的可以被for循環的基本數據類型都是可迭代的,而不是迭代器。
迭代器包含可迭代對象
可迭代對象轉換爲迭代器:
可迭代對象._iter_() 這樣就變成可一個迭代器
lise_case = [1,2,3].__iter__()
迭代器存在的意義:
1.能夠對python中的基本數據類型進行統一的遍歷,不需要關心每一個值分別是什麼
2.它可以節省內存 —— 惰性運算
for循環的本質:
1 lst_iterator = [1,2,3].__iter__()
2 while True:
3 try:
4 print(lst_iterator.__next__())
5 except StopIteration:
6 break
只不過for循環之後如果參數是一個可迭代對象,python內部會將可迭代對象轉換成迭代器而已。
Iterator 迭代器
Gerator 生成器
生成器其實就是迭代器,生成器是用戶寫出來的
1 def generator_func(): #生成器函數
2 print(123)
3 yield 'aaa'
4 generate = generator_func()
5 print(generate)
6 print(generate.__next__())
7 # 打印結果:
8 # <generator object generator_func at 0x0000018F3942E8C8>
9 # 123
10 # aaa
帶yield關鍵字的函數就是生成器函數,包含yield語句的函數可以用來創建生成器對象,這樣的函數也稱爲生成器函數。
yield語句與return語句的作用相似,都是用來從函數中返回值,return語句一旦執行會立刻結束函數的運行
而每次執行到yield語句並返回一個值之後會暫停或掛起後面的代碼的執行,下次通過生成器對象的__next__()、for循環或其他方式索要數據時恢復執行
生成器具有惰性求值的特點
生成器運行順序:
生成器問題注意1:
1 def generator_func(): #生成器函數
2 print(123)
3 yield 'aaa'
4 print(456)
5 yield 'bbb'
6 ret_1 = generator_func().__next__()
7 print(ret_1)
8 ret_2 = generator_func().__next__()
9 print(ret_2)
10 # 輸出結果:
11 # 123
12 # aaa
13 # 123
14 # aaa
15 def generator_func(): #生成器函數
16 print(123)
17 yield 'aaa'
18 print(456)
19 yield 'bbb'
20 generate_1 = generator_func()
21 ret_1 = generate_1.__next__()
22 print(ret_1)
23 ret_2 = generate_1.__next__()
24 print(ret_2)
25 # 輸出結果:
26 # 123
27 # aaa
28 # 456
29 # bbb
第6行和第8行相當於創建了兩個生成器,第20行創建了一個生成器,21行和23行都用的是第20行創建的生成器,所以輸出結果不一樣
生成器問題注意2:
for循環完了之後生成器數據就取完了,再繼續print數據的話,就會報錯,因爲沒有數據可以讀了。
一個函數有兩個以上的yield,纔算一個必要的生成器,如果只有一個yield,那還不如老老實實的去寫return
生成器實例:
需求:寫一個實時監控文件輸入的內容,並將輸入內容返回的函數
1 def tail(filename):
2 f = open(filename,encoding='utf-8')
3 f.seek(0,2)
4 while True:
5 line = f.readline()
6 if not line:continue
7 yield line
8 tail_g = tail('file_1')
9 for line in tail_g:print(line,end='')
生成器send用法:
1.send和next工作的起止位置是完全相同的
2.send可以把一個值作爲信號量傳遞到函數中去
3.在生成器執行伊始,只能先用next
4.只要用send傳遞參數的時候,必須在生成器中還有一個未被返回的yield
1 def average_func():
2 total = 0
3 count = 0
4 average = 0
5 while True:
6 value = yield average
7 total += value
8 count += 1
9 average = total/count
10 g = average_func()
11 print(g.__next__())
12 print(g.send(30))
13 print(g.send(20))
代碼解釋:
裝飾器生成激活函數裝置:
1 def wrapper(func):
2 def inner(*args,**kwargs):
3 g = func(*args,**kwargs)
4 g.__next__()
5 return g
6 return inner
7 @wrapper
8 def average_func():
9 total = 0
10 count = 0
11 average = 0
12 while True:
13 value = yield average
14 total += value
15 count += 1
16 average = total/count
17 g = average_func()
18 print(g.send(30))
利用函數裝飾器寫了一個函數激活裝置,就不用在18行之前的send前使用 next 了,next 在第4行已經實現了。
原文出處:https://www.cnblogs.com/zrh918/p/11756082.html