首页 > 代码库 > python基础知识(day4)
python基础知识(day4)
一、装饰器
为什么要使用装饰器?
1、不改变函数原有的代码
2、不改变函数原有的调用方式
什么是装饰器?
高阶函数+嵌套函数====》装饰器
装饰器的具体实现:
通过装饰器实现用户登录页面的认证:
1 __author__ = ‘NL‘ 2 3 user,passwd = "nl","123" 4 5 def login(login_tpye): 6 def out_wapper(func): 7 def wapper(*args,**kwargs): 8 if login_tpye == "local": 9 username = input("username:") 10 password = input("password:") 11 if user == username and passwd == password: 12 print("you are loggin!") 13 res = func(*args,**kwargs) 14 return res 15 else: 16 print("Invalid username or password") 17 elif login_tpye == "ldap": 18 print("去ldap上认证吧。。。。") 19 return wapper 20 print(out_wapper) # login = out_wapper 21 return out_wapper 22 23 def index(): 24 print("in the index") 25 26 @login("local") 27 def home(): 28 print("in the home") 29 return "from home" 30 31 @login("ldap") 32 def bbs(): 33 print("in the bbs") 34 35 print(login) # login = out_wapper 36 index() 37 home() 38 bbs()
二、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。
每次调用__next__()
,就计算出g
的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration
的错误。
1 __author__ = ‘NL‘ 2 3 l = [i**2 for i in range(10)] #列表 4 p = (i**2 for i in range(10)) #生成器 5 print(l) 6 #结果:[0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 7 print(p) 8 #结果:<generator object <genexpr> at 0x00AAAE70> 9 10 #生成器使用__next__()获取下一个值或者使用for循环获取值 11 print(p.__next__()) 12 print(p.__next__()) 13 print(p.__next__()) 14 print(p.__next__()) 15 print(p.__next__()) 16 print(p.__next__()) 17 print(p.__next__()) 18 print(p.__next__()) 19 print(p.__next__()) 20 print(p.__next__()) 21 22 for i in p: 23 print(i)
定义generator的另一种方法是:如果一个函数定义中包含yield
关键字,那么这个函数就不再是一个普通函数,而是一个generator:
1 __author__ = ‘NL‘ 2 3 def fib(max): 4 n,a,b = 0,0,1 5 while n < max: 6 # print(b) 7 yield b #Yield是关键字, 用起来像return,yield在告诉程序,要求函数返回一个生成器。 8 a,b = b,a+b 9 n += 1 10 return "--done--" 11 12 13 g = fib(10) 14 print(g) #结果:<generator object fib at 0x0331AE70> 15 16 print(g.__next__()) #用__next__()调用并返回下一个值 17 print("其他操作") #可以中断跳出,执行其他操作,再返回去,返回下一个值 18 print(g.__next__()) 19 print(g.__next__()) 20 print(g.__next__()) 21 print("其他操作") 22 print(g.__next__()) 23 print(g.__next__()) 24 25 for i in g: #用for循环进行迭代取值 26 print(i)
还可通过yield实现在单线程的情况下实现并发运算的效果(生产者消费者问题)
1 __author__ = ‘NL‘ 2 import time 3 4 def consumer(name): 5 print("%s准备好吃包子了!"%name) 6 while True: 7 baozi = yield 8 time.sleep(1) 9 print("我吃了%s个包子!"%baozi) 10 11 def productor(name): 12 c1 = consumer("A") 13 print("我开始做包子了!") 14 c1.__next__() 15 for i in range(1,10): 16 time.sleep(1) 17 print("我做了%s个包子"%i) 18 c1.send(i) 19 20 productor("NL")
三、迭代器
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
。
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
。
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
可以使用isinstance()
判断一个对象是否是Iterable
对象或Iterator:
1 __author__ = ‘NL‘ 2 3 from collections import Iterator 4 from collections import Iterable 5 6 print(isinstance([], Iterator)) 7 #结果:False 8 9 print(isinstance(iter([]),Iterator)) #通过iter()使得可迭代的对象称为迭代器 10 #结果:Ture 11 12 print(isinstance([],Iterable)) 13 #结果:Ture
为什么list
、dict
、str
等数据类型不是Iterator
?
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
四、数据序列化
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
五、程序结构
参考链接:https://stackoverflow.com/questions/193161/what-is-the-best-project-structure-for-a-python-application
假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:
Foo/
|-- bin/
| |-- foo
|
|-- foo/
| |-- tests/
| | |-- __init__.py
| | |-- test_main.py
| |
| |-- __init__.py
| |-- main.py
|
|-- docs/
| |-- conf.py
| |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README
简要解释一下:
bin/
: 存放项目的一些可执行文件,当然你可以起名script/
之类的也行。foo/
: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/
存放单元测试代码; (3) 程序的入口最好命名为main.py
。docs/
: 存放一些文档。setup.py
: 安装、部署、打包的脚本。requirements.txt
: 存放软件依赖的外部Python包列表。README
: 项目说明文件。
除此之外,有一些方案给出了更加多的内容。比如LICENSE.txt
,ChangeLog.txt
文件等
python基础知识(day4)