1. 程式人生 > >Python核心編程的四大神獸:叠代器、生成器、閉包以及裝飾器

Python核心編程的四大神獸:叠代器、生成器、閉包以及裝飾器

沒有 vertica 二次 輸出結果 九九乘法 num 很大的 自然 模式

生成器

生成器是生成一個值的特殊函數,它具有這樣的特點:第一次執行該函數時,先從頭按順序執行,在碰到yield關鍵字時該函數會暫停執行該函數後續的代碼,並且返回一個值;在下一次調用該函數執行時,程序將從上一次暫停的位置繼續往下執行。

通過一個例子來理解生成器的執行過程。求1-10的所有整數的立方並將結果打印輸出,正常使用列表的實現如下:

輸出結果如下:

當數據量很少時,可以很快得到結果。但是如果範圍擴大到10000甚至是100000000,就會發現程序執行時間會變長,變卡,甚至有可能會因超出內存空間而出現程序崩潰的現象。這是因為當數據量變得非常大的時候,內存需要開辟很大的空間去存儲這些數據,內存都被吃了,自然會變慢變卡。使用生成器就能解決這個問題。

對於上述同一個問題用生成器實現如下,將範圍擴大到1-10000000:

執行效果如下:

技術分享圖片

可以看到沒有任何的結果輸出,這說明程序已經可以順利執行。對於叠代器來講需要用next()方法來獲取值,修改主函數為以下情況可以打印輸出前4個整數的立方數:

輸出結果如下:

技術分享圖片

到此可以看到,生成器生成的值需要使用next()方法一個一個的取,它不會一次性生成所有的計算結果,只有在取值時才調用,這時程序會返回計算的一個值且程序暫停;下一次取值時從上一次中斷了的地方繼續往下執行。

以取出前3個值為例,下圖為生成器代碼解析圖:

技術分享圖片

圖解:Python解釋器從上往下解釋代碼,首先是函數定義,這時在計算機內存開辟了一片空間來存儲這個函數,函數沒有被執行,繼續往下解釋;到了主函數部分,首先執行藍色箭頭1,接著往下執行到藍色箭頭2第一次調用生成器取值,此時生成器函數lifang_generate()開始執行,執行到生成器函數lifang_generate()的藍色箭頭2碰到yield關鍵字,這時候生成器函數暫停往下執行並且將result的結果返回,由於是第一次執行,因此result存儲著1的立方的值,此時將1返回,第54行代碼print(first)將結果打印輸出。

主函數中程序接著往下執行到藍色箭頭3,生成器函數lifang_generate()第二次被調用,與第一次不同,第二次從上一次(也就是第一次)暫停的位置繼續往下執行,上一次停在了yield處,因此藍色箭頭3所作的事情就是執行yield後面的語句,也就是第48行print(‘end‘),執行完成之後因for循環條件滿足,程序像第一次執行那樣,執行到yield處暫停並返回一個值,此時返回的是2的立方數,在第57行打印輸出8。

第三次調用(藍色箭頭4)與第二次類似,在理清了執行過程之後,程序執行結果如下:

技術分享圖片

叠代器

這裏先拋出兩個概念:可叠代對象、叠代器。

凡是可以通過for循環遍歷其中的元素的對象,都是可叠代對象;之前學習得組合數據類型list(列表)、tuple(元組)、dict(字典)、集合(set)等,上一小節介紹得生成器也可以使用for循環來遍歷,因此,生成器也是叠代器,但叠代器不一定就是生成器,例如組合數據類型。

凡是可以通過next訪問取值得對象均為叠代器,生成器就是一種叠代器。可以看到,生成器不僅可以用for循環來獲取值,還可以通過next()來獲取。

Python中有一個庫collections,通過該庫的Iterable方法來判斷一個對象是否是可叠代對象;如果返回值為True則說明該對象為可叠代的,返回值為False則說明該對象為不可叠代。用Iterator方法來判斷一個對象是否是叠代器,根據返回值來判斷是否為叠代器。

使用Iterable分別判斷列表,字典,字符串以及一個整數類型是否是可叠代對象的代碼如下:

執行的輸出結果如下:

使用Iterator判斷一個對象是否是叠代器的代碼如下,與判斷是否為可叠代對象類似:

輸出的結果如下:

組合數據類型不是叠代器,但是屬於可叠代對象,可以通過iter()函數將其轉換位叠代器,這樣就可以使用next方法來獲取對象各個元素的值,代碼如下:

輸出結果為:

閉包

內部函數對外部函數變量的引用,則將該函數與用到的變量稱為閉包。以下為閉包的例子:

理解閉包是理解裝飾器的前提,同樣通過一張圖來理解閉包的執行過程:

技術分享圖片

圖解:Python解釋器從上往下解釋代碼,首先定義一個函數,func指向了該函數(紅箭頭所示);接著到主函數執行第14行代碼 ret = func(10),此時先執行賦值號“=”右邊的內容,這裏調用了函數func()並傳入10這個實參,函數func()代碼開始執行,先是打印輸出“start”,接著定義了一個函數func_in(),func_in指向了該函數,函數沒有被調用,程序接著往下執行,return func_in 將函數的引用返回,第14行代碼用ret接收了這個返回值,到此ret就指向了func_in所指向的函數體(綠箭頭所示)。最後執行ret所指的函數。這就是閉包的整個過程,func_in()函數以及該函數內用到的變量num就稱為閉包。

裝飾器

代碼的編寫需要遵循封閉開放原則,封閉是指對於已有的功能代碼實現不允許隨意進行修改,開放是指能夠對已有的功能進行擴展。例如一款手遊,現在已經能夠實現現有的遊戲模式,但隨著外部環境的變化發展(市場競爭,用戶體驗等),現有的遊戲模式已經不能滿足用戶的需求了。為了留住用戶,需要加入更多的玩法來保持用戶對該款遊戲的新鮮感,於是開發方在原來遊戲的基礎上又開發了好幾種遊戲模式。像這樣,新的遊戲版本既增加了先的遊戲模式,又保留了原有的遊戲模式,體現了封閉開放的原則。 裝飾器的作用就是在不改變原來代碼的基礎上,在原來的功能上進行拓展,保證開發的效率以及代碼的穩定性。 打印輸出九九乘法表可以通過以下代碼實現:

輸出結果如下: 假如現在需要實現一個功能,在不修改func_1函數代碼的前提下,在九九乘法表前增加一個表頭說明,在乘法表最後也增加一個說明。下面的代碼實現了裝飾器的功能:

輸出結果如下: 可以看到func_1函數的代碼沒有任何修改,還實現了問題提出的要求,這其中的核心就在於最後兩行代碼。通過下圖來理解裝飾器執行的過程:

技術分享圖片

圖解:跟之前一樣,Python解釋器自上往下解釋代碼,遇到定義函數的代碼不用管,因為沒有調用函數是不會執行的;這樣直接就來到了第22行代碼中,程序先執行賦值號“=”右邊的代碼,shuoming(func_1)調用了之前定義的函數,並傳入了func_1實參,程序轉到shuoming(func)執行,形參func接收實參func_1,此時func也指向了func_1所指向的函數(如圖中分界線上方白色方框內的藍箭頭所示);在shuoming()函數中代碼繼續往下走,在shuoming()函數內容又定義了一個shuoming_in()函數(如圖中分界線上方白色方框內的藍色方框所示),接著往下,將shuoming_in()函數的引用返回,至此shuoming()函數執行完畢,程序回到第22行代碼執行,shuoming()函數的返回值被func_1接收,此時,func_1不在指向原來的函數,轉成指向shuoming_in所指向的函數(如圖中分界線下方白色方框內的黃色箭頭)。最後調用func_1所指向的函數,也就是shuoming_in()函數,shuoming_in()函數內的func指向了原來func_1()所指的函數(也就是生成九九乘法表的函數),因此程序最終的結果就在九九乘法表前後各加了一個說明性字符串。

以上為裝飾器的執行過程,但是以上裝飾寫法不夠簡潔,大多數情況下采取以下寫法,輸出結果是一樣的:

有時候有些被裝飾的函數可能有以下幾種情況:存在或不存在參數,有返回值或沒有返回值,參數可能定長或不定長等等,為了通用性,與爬蟲的請求代碼一樣,裝飾器有著通用的寫法:

使用這個裝飾器裝飾九九乘法表一樣可以正常輸出,如果需要特定的裝飾效果,修改這個通用代碼即可。

結束

以上為生成器、叠代器、閉包以及裝飾器的所有內容,其中裝飾器屬於難點。理解裝飾器的執行過程能夠更好的幫助我們進階學習Python。

Python核心編程的四大神獸:叠代器、生成器、閉包以及裝飾器

技術分享圖片 python 技術分享圖片 2018-10-10 關註

生成器

生成器是生成一個值的特殊函數,它具有這樣的特點:第一次執行該函數時,先從頭按順序執行,在碰到yield關鍵字時該函數會暫停執行該函數後續的代碼,並且返回一個值;在下一次調用該函數執行時,程序將從上一次暫停的位置繼續往下執行。

通過一個例子來理解生成器的執行過程。求1-10的所有整數的立方並將結果打印輸出,正常使用列表的實現如下:

輸出結果如下:

當數據量很少時,可以很快得到結果。但是如果範圍擴大到10000甚至是100000000,就會發現程序執行時間會變長,變卡,甚至有可能會因超出內存空間而出現程序崩潰的現象。這是因為當數據量變得非常大的時候,內存需要開辟很大的空間去存儲這些數據,內存都被吃了,自然會變慢變卡。使用生成器就能解決這個問題。

對於上述同一個問題用生成器實現如下,將範圍擴大到1-10000000:

執行效果如下:

技術分享圖片

可以看到沒有任何的結果輸出,這說明程序已經可以順利執行。對於叠代器來講需要用next()方法來獲取值,修改主函數為以下情況可以打印輸出前4個整數的立方數:

輸出結果如下:

技術分享圖片

到此可以看到,生成器生成的值需要使用next()方法一個一個的取,它不會一次性生成所有的計算結果,只有在取值時才調用,這時程序會返回計算的一個值且程序暫停;下一次取值時從上一次中斷了的地方繼續往下執行。

以取出前3個值為例,下圖為生成器代碼解析圖:

技術分享圖片

圖解:Python解釋器從上往下解釋代碼,首先是函數定義,這時在計算機內存開辟了一片空間來存儲這個函數,函數沒有被執行,繼續往下解釋;到了主函數部分,首先執行藍色箭頭1,接著往下執行到藍色箭頭2第一次調用生成器取值,此時生成器函數lifang_generate()開始執行,執行到生成器函數lifang_generate()的藍色箭頭2碰到yield關鍵字,這時候生成器函數暫停往下執行並且將result的結果返回,由於是第一次執行,因此result存儲著1的立方的值,此時將1返回,第54行代碼print(first)將結果打印輸出。

主函數中程序接著往下執行到藍色箭頭3,生成器函數lifang_generate()第二次被調用,與第一次不同,第二次從上一次(也就是第一次)暫停的位置繼續往下執行,上一次停在了yield處,因此藍色箭頭3所作的事情就是執行yield後面的語句,也就是第48行print(‘end‘),執行完成之後因for循環條件滿足,程序像第一次執行那樣,執行到yield處暫停並返回一個值,此時返回的是2的立方數,在第57行打印輸出8。

第三次調用(藍色箭頭4)與第二次類似,在理清了執行過程之後,程序執行結果如下:

技術分享圖片

叠代器

這裏先拋出兩個概念:可叠代對象、叠代器。

凡是可以通過for循環遍歷其中的元素的對象,都是可叠代對象;之前學習得組合數據類型list(列表)、tuple(元組)、dict(字典)、集合(set)等,上一小節介紹得生成器也可以使用for循環來遍歷,因此,生成器也是叠代器,但叠代器不一定就是生成器,例如組合數據類型。

凡是可以通過next訪問取值得對象均為叠代器,生成器就是一種叠代器。可以看到,生成器不僅可以用for循環來獲取值,還可以通過next()來獲取。

Python中有一個庫collections,通過該庫的Iterable方法來判斷一個對象是否是可叠代對象;如果返回值為True則說明該對象為可叠代的,返回值為False則說明該對象為不可叠代。用Iterator方法來判斷一個對象是否是叠代器,根據返回值來判斷是否為叠代器。

使用Iterable分別判斷列表,字典,字符串以及一個整數類型是否是可叠代對象的代碼如下:

執行的輸出結果如下:

使用Iterator判斷一個對象是否是叠代器的代碼如下,與判斷是否為可叠代對象類似:

輸出的結果如下:

組合數據類型不是叠代器,但是屬於可叠代對象,可以通過iter()函數將其轉換位叠代器,這樣就可以使用next方法來獲取對象各個元素的值,代碼如下:

輸出結果為:

閉包

內部函數對外部函數變量的引用,則將該函數與用到的變量稱為閉包。以下為閉包的例子:

理解閉包是理解裝飾器的前提,同樣通過一張圖來理解閉包的執行過程:

技術分享圖片

圖解:Python解釋器從上往下解釋代碼,首先定義一個函數,func指向了該函數(紅箭頭所示);接著到主函數執行第14行代碼 ret = func(10),此時先執行賦值號“=”右邊的內容,這裏調用了函數func()並傳入10這個實參,函數func()代碼開始執行,先是打印輸出“start”,接著定義了一個函數func_in(),func_in指向了該函數,函數沒有被調用,程序接著往下執行,return func_in 將函數的引用返回,第14行代碼用ret接收了這個返回值,到此ret就指向了func_in所指向的函數體(綠箭頭所示)。最後執行ret所指的函數。這就是閉包的整個過程,func_in()函數以及該函數內用到的變量num就稱為閉包。

裝飾器

代碼的編寫需要遵循封閉開放原則,封閉是指對於已有的功能代碼實現不允許隨意進行修改,開放是指能夠對已有的功能進行擴展。例如一款手遊,現在已經能夠實現現有的遊戲模式,但隨著外部環境的變化發展(市場競爭,用戶體驗等),現有的遊戲模式已經不能滿足用戶的需求了。為了留住用戶,需要加入更多的玩法來保持用戶對該款遊戲的新鮮感,於是開發方在原來遊戲的基礎上又開發了好幾種遊戲模式。像這樣,新的遊戲版本既增加了先的遊戲模式,又保留了原有的遊戲模式,體現了封閉開放的原則。 裝飾器的作用就是在不改變原來代碼的基礎上,在原來的功能上進行拓展,保證開發的效率以及代碼的穩定性。 打印輸出九九乘法表可以通過以下代碼實現:

輸出結果如下: 假如現在需要實現一個功能,在不修改func_1函數代碼的前提下,在九九乘法表前增加一個表頭說明,在乘法表最後也增加一個說明。下面的代碼實現了裝飾器的功能:

輸出結果如下: 可以看到func_1函數的代碼沒有任何修改,還實現了問題提出的要求,這其中的核心就在於最後兩行代碼。通過下圖來理解裝飾器執行的過程:

技術分享圖片

圖解:跟之前一樣,Python解釋器自上往下解釋代碼,遇到定義函數的代碼不用管,因為沒有調用函數是不會執行的;這樣直接就來到了第22行代碼中,程序先執行賦值號“=”右邊的代碼,shuoming(func_1)調用了之前定義的函數,並傳入了func_1實參,程序轉到shuoming(func)執行,形參func接收實參func_1,此時func也指向了func_1所指向的函數(如圖中分界線上方白色方框內的藍箭頭所示);在shuoming()函數中代碼繼續往下走,在shuoming()函數內容又定義了一個shuoming_in()函數(如圖中分界線上方白色方框內的藍色方框所示),接著往下,將shuoming_in()函數的引用返回,至此shuoming()函數執行完畢,程序回到第22行代碼執行,shuoming()函數的返回值被func_1接收,此時,func_1不在指向原來的函數,轉成指向shuoming_in所指向的函數(如圖中分界線下方白色方框內的黃色箭頭)。最後調用func_1所指向的函數,也就是shuoming_in()函數,shuoming_in()函數內的func指向了原來func_1()所指的函數(也就是生成九九乘法表的函數),因此程序最終的結果就在九九乘法表前後各加了一個說明性字符串。

以上為裝飾器的執行過程,但是以上裝飾寫法不夠簡潔,大多數情況下采取以下寫法,輸出結果是一樣的:

有時候有些被裝飾的函數可能有以下幾種情況:存在或不存在參數,有返回值或沒有返回值,參數可能定長或不定長等等,為了通用性,與爬蟲的請求代碼一樣,裝飾器有著通用的寫法:

使用這個裝飾器裝飾九九乘法表一樣可以正常輸出,如果需要特定的裝飾效果,修改這個通用代碼即可。

結束

以上為生成器、叠代器、閉包以及裝飾器的所有內容,其中裝飾器屬於難點。理解裝飾器的執行過程能夠更好的幫助我們進階學習Python。

Python核心編程的四大神獸:叠代器、生成器、閉包以及裝飾器