Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

时间:2022-09-26 19:51:11
 

生成器

生成器是生成一个值的特殊函数,它具有这样的特点:第一次执行该函数时,先从头按顺序执行,在碰到yield关键字时该函数会暂停执行该函数后续的代码,并且返回一个值;在下一次调用该函数执行时,程序将从上一次暂停的位置继续往下执行。

通过一个例子来理解生成器的执行过程。求1-10的所有整数的立方并将结果打印输出,正常使用列表的实现如下:

输出结果如下:

当数据量很少时,可以很快得到结果。但是如果范围扩大到10000甚至是100000000,就会发现程序执行时间会变长,变卡,甚至有可能会因超出内存空间而出现程序崩溃的现象。这是因为当数据量变得非常大的时候,内存需要开辟很大的空间去存储这些数据,内存都被吃了,自然会变慢变卡。使用生成器就能解决这个问题。

对于上述同一个问题用生成器实现如下,将范围扩大到1-10000000:

执行效果如下:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

可以看到没有任何的结果输出,这说明程序已经可以顺利执行。对于迭代器来讲需要用next()方法来获取值,修改主函数为以下情况可以打印输出前4个整数的立方数:

输出结果如下:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

到此可以看到,生成器生成的值需要使用next()方法一个一个的取,它不会一次性生成所有的计算结果,只有在取值时才调用,这时程序会返回计算的一个值且程序暂停;下一次取值时从上一次中断了的地方继续往下执行。

以取出前3个值为例,下图为生成器代码解析图:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

图解:Python解释器从上往下解释代码,首先是函数定义,这时在计算机内存开辟了一片空间来存储这个函数,函数没有被执行,继续往下解释;到了主函数部分,首先执行蓝色箭头1,接着往下执行到蓝色箭头2第一次调用生成器取值,此时生成器函数lifang_generate()开始执行,执行到生成器函数lifang_generate()的蓝色箭头2碰到yield关键字,这时候生成器函数暂停往下执行并且将result的结果返回,由于是第一次执行,因此result存储着1的立方的值,此时将1返回,第54行代码print(first)将结果打印输出。

主函数中程序接着往下执行到蓝色箭头3,生成器函数lifang_generate()第二次被调用,与第一次不同,第二次从上一次(也就是第一次)暂停的位置继续往下执行,上一次停在了yield处,因此蓝色箭头3所作的事情就是执行yield后面的语句,也就是第48行print('end'),执行完成之后因for循环条件满足,程序像第一次执行那样,执行到yield处暂停并返回一个值,此时返回的是2的立方数,在第57行打印输出8。

第三次调用(蓝色箭头4)与第二次类似,在理清了执行过程之后,程序执行结果如下:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

迭代器

这里先抛出两个概念:可迭代对象、迭代器。

凡是可以通过for循环遍历其中的元素的对象,都是可迭代对象;之前学习得组合数据类型list(列表)、tuple(元组)、dict(字典)、集合(set)等,上一小节介绍得生成器也可以使用for循环来遍历,因此,生成器也是迭代器,但迭代器不一定就是生成器,例如组合数据类型。

凡是可以通过next访问取值得对象均为迭代器,生成器就是一种迭代器。可以看到,生成器不仅可以用for循环来获取值,还可以通过next()来获取。

Python中有一个库collections,通过该库的Iterable方法来判断一个对象是否是可迭代对象;如果返回值为True则说明该对象为可迭代的,返回值为False则说明该对象为不可迭代。用Iterator方法来判断一个对象是否是迭代器,根据返回值来判断是否为迭代器。

使用Iterable分别判断列表,字典,字符串以及一个整数类型是否是可迭代对象的代码如下:

执行的输出结果如下:

使用Iterator判断一个对象是否是迭代器的代码如下,与判断是否为可迭代对象类似:

输出的结果如下:

组合数据类型不是迭代器,但是属于可迭代对象,可以通过iter()函数将其转换位迭代器,这样就可以使用next方法来获取对象各个元素的值,代码如下:

输出结果为:

闭包

内部函数对外部函数变量的引用,则将该函数与用到的变量称为闭包。以下为闭包的例子:

理解闭包是理解装饰器的前提,同样通过一张图来理解闭包的执行过程:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

图解:Python解释器从上往下解释代码,首先定义一个函数,func指向了该函数(红箭头所示);接着到主函数执行第14行代码 ret = func(10),此时先执行赋值号“=”右边的内容,这里调用了函数func()并传入10这个实参,函数func()代码开始执行,先是打印输出“start”,接着定义了一个函数func_in(),func_in指向了该函数,函数没有被调用,程序接着往下执行,return func_in 将函数的引用返回,第14行代码用ret接收了这个返回值,到此ret就指向了func_in所指向的函数体(绿箭头所示)。最后执行ret所指的函数。这就是闭包的整个过程,func_in()函数以及该函数内用到的变量num就称为闭包。

装饰器

代码的编写需要遵循封闭开放原则,封闭是指对于已有的功能代码实现不允许随意进行修改,开放是指能够对已有的功能进行扩展。例如一款手游,现在已经能够实现现有的游戏模式,但随着外部环境的变化发展(市场竞争,用户体验等),现有的游戏模式已经不能满足用户的需求了。为了留住用户,需要加入更多的玩法来保持用户对该款游戏的新鲜感,于是开发方在原来游戏的基础上又开发了好几种游戏模式。像这样,新的游戏版本既增加了先的游戏模式,又保留了原有的游戏模式,体现了封闭开放的原则。 装饰器的作用就是在不改变原来代码的基础上,在原来的功能上进行拓展,保证开发的效率以及代码的稳定性。 打印输出九九乘法表可以通过以下代码实现:

输出结果如下: 假如现在需要实现一个功能,在不修改func_1函数代码的前提下,在九九乘法表前增加一个表头说明,在乘法表最后也增加一个说明。下面的代码实现了装饰器的功能:

输出结果如下: 可以看到func_1函数的代码没有任何修改,还实现了问题提出的要求,这其中的核心就在于最后两行代码。通过下图来理解装饰器执行的过程:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

图解:跟之前一样,Python解释器自上往下解释代码,遇到定义函数的代码不用管,因为没有调用函数是不会执行的;这样直接就来到了第22行代码中,程序先执行赋值号“=”右边的代码,shuoming(func_1)调用了之前定义的函数,并传入了func_1实参,程序转到shuoming(func)执行,形参func接收实参func_1,此时func也指向了func_1所指向的函数(如图中分界线上方白色方框内的蓝箭头所示);在shuoming()函数中代码继续往下走,在shuoming()函数内容又定义了一个shuoming_in()函数(如图中分界线上方白色方框内的蓝色方框所示),接着往下,将shuoming_in()函数的引用返回,至此shuoming()函数执行完毕,程序回到第22行代码执行,shuoming()函数的返回值被func_1接收,此时,func_1不在指向原来的函数,转成指向shuoming_in所指向的函数(如图中分界线下方白色方框内的黄色箭头)。最后调用func_1所指向的函数,也就是shuoming_in()函数,shuoming_in()函数内的func指向了原来func_1()所指的函数(也就是生成九九乘法表的函数),因此程序最终的结果就在九九乘法表前后各加了一个说明性字符串。

以上为装饰器的执行过程,但是以上装饰写法不够简洁,大多数情况下采取以下写法,输出结果是一样的:

有时候有些被装饰的函数可能有以下几种情况:存在或不存在参数,有返回值或没有返回值,参数可能定长或不定长等等,为了通用性,与爬虫的请求代码一样,装饰器有着通用的写法:

使用这个装饰器装饰九九乘法表一样可以正常输出,如果需要特定的装饰效果,修改这个通用代码即可。

结束

以上为生成器、迭代器、闭包以及装饰器的所有内容,其中装饰器属于难点。理解装饰器的执行过程能够更好的帮助我们进阶学习Python。

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器
python
Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

2018-10-10

关注

生成器

生成器是生成一个值的特殊函数,它具有这样的特点:第一次执行该函数时,先从头按顺序执行,在碰到yield关键字时该函数会暂停执行该函数后续的代码,并且返回一个值;在下一次调用该函数执行时,程序将从上一次暂停的位置继续往下执行。

通过一个例子来理解生成器的执行过程。求1-10的所有整数的立方并将结果打印输出,正常使用列表的实现如下:

输出结果如下:

当数据量很少时,可以很快得到结果。但是如果范围扩大到10000甚至是100000000,就会发现程序执行时间会变长,变卡,甚至有可能会因超出内存空间而出现程序崩溃的现象。这是因为当数据量变得非常大的时候,内存需要开辟很大的空间去存储这些数据,内存都被吃了,自然会变慢变卡。使用生成器就能解决这个问题。

对于上述同一个问题用生成器实现如下,将范围扩大到1-10000000:

执行效果如下:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

可以看到没有任何的结果输出,这说明程序已经可以顺利执行。对于迭代器来讲需要用next()方法来获取值,修改主函数为以下情况可以打印输出前4个整数的立方数:

输出结果如下:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

到此可以看到,生成器生成的值需要使用next()方法一个一个的取,它不会一次性生成所有的计算结果,只有在取值时才调用,这时程序会返回计算的一个值且程序暂停;下一次取值时从上一次中断了的地方继续往下执行。

以取出前3个值为例,下图为生成器代码解析图:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

图解:Python解释器从上往下解释代码,首先是函数定义,这时在计算机内存开辟了一片空间来存储这个函数,函数没有被执行,继续往下解释;到了主函数部分,首先执行蓝色箭头1,接着往下执行到蓝色箭头2第一次调用生成器取值,此时生成器函数lifang_generate()开始执行,执行到生成器函数lifang_generate()的蓝色箭头2碰到yield关键字,这时候生成器函数暂停往下执行并且将result的结果返回,由于是第一次执行,因此result存储着1的立方的值,此时将1返回,第54行代码print(first)将结果打印输出。

主函数中程序接着往下执行到蓝色箭头3,生成器函数lifang_generate()第二次被调用,与第一次不同,第二次从上一次(也就是第一次)暂停的位置继续往下执行,上一次停在了yield处,因此蓝色箭头3所作的事情就是执行yield后面的语句,也就是第48行print('end'),执行完成之后因for循环条件满足,程序像第一次执行那样,执行到yield处暂停并返回一个值,此时返回的是2的立方数,在第57行打印输出8。

第三次调用(蓝色箭头4)与第二次类似,在理清了执行过程之后,程序执行结果如下:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

迭代器

这里先抛出两个概念:可迭代对象、迭代器。

凡是可以通过for循环遍历其中的元素的对象,都是可迭代对象;之前学习得组合数据类型list(列表)、tuple(元组)、dict(字典)、集合(set)等,上一小节介绍得生成器也可以使用for循环来遍历,因此,生成器也是迭代器,但迭代器不一定就是生成器,例如组合数据类型。

凡是可以通过next访问取值得对象均为迭代器,生成器就是一种迭代器。可以看到,生成器不仅可以用for循环来获取值,还可以通过next()来获取。

Python中有一个库collections,通过该库的Iterable方法来判断一个对象是否是可迭代对象;如果返回值为True则说明该对象为可迭代的,返回值为False则说明该对象为不可迭代。用Iterator方法来判断一个对象是否是迭代器,根据返回值来判断是否为迭代器。

使用Iterable分别判断列表,字典,字符串以及一个整数类型是否是可迭代对象的代码如下:

执行的输出结果如下:

使用Iterator判断一个对象是否是迭代器的代码如下,与判断是否为可迭代对象类似:

输出的结果如下:

组合数据类型不是迭代器,但是属于可迭代对象,可以通过iter()函数将其转换位迭代器,这样就可以使用next方法来获取对象各个元素的值,代码如下:

输出结果为:

闭包

内部函数对外部函数变量的引用,则将该函数与用到的变量称为闭包。以下为闭包的例子:

理解闭包是理解装饰器的前提,同样通过一张图来理解闭包的执行过程:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

图解:Python解释器从上往下解释代码,首先定义一个函数,func指向了该函数(红箭头所示);接着到主函数执行第14行代码 ret = func(10),此时先执行赋值号“=”右边的内容,这里调用了函数func()并传入10这个实参,函数func()代码开始执行,先是打印输出“start”,接着定义了一个函数func_in(),func_in指向了该函数,函数没有被调用,程序接着往下执行,return func_in 将函数的引用返回,第14行代码用ret接收了这个返回值,到此ret就指向了func_in所指向的函数体(绿箭头所示)。最后执行ret所指的函数。这就是闭包的整个过程,func_in()函数以及该函数内用到的变量num就称为闭包。

装饰器

代码的编写需要遵循封闭开放原则,封闭是指对于已有的功能代码实现不允许随意进行修改,开放是指能够对已有的功能进行扩展。例如一款手游,现在已经能够实现现有的游戏模式,但随着外部环境的变化发展(市场竞争,用户体验等),现有的游戏模式已经不能满足用户的需求了。为了留住用户,需要加入更多的玩法来保持用户对该款游戏的新鲜感,于是开发方在原来游戏的基础上又开发了好几种游戏模式。像这样,新的游戏版本既增加了先的游戏模式,又保留了原有的游戏模式,体现了封闭开放的原则。 装饰器的作用就是在不改变原来代码的基础上,在原来的功能上进行拓展,保证开发的效率以及代码的稳定性。 打印输出九九乘法表可以通过以下代码实现:

输出结果如下: 假如现在需要实现一个功能,在不修改func_1函数代码的前提下,在九九乘法表前增加一个表头说明,在乘法表最后也增加一个说明。下面的代码实现了装饰器的功能:

输出结果如下: 可以看到func_1函数的代码没有任何修改,还实现了问题提出的要求,这其中的核心就在于最后两行代码。通过下图来理解装饰器执行的过程:

Python核心编程的四大神兽:迭代器、生成器、闭包以及装饰器

图解:跟之前一样,Python解释器自上往下解释代码,遇到定义函数的代码不用管,因为没有调用函数是不会执行的;这样直接就来到了第22行代码中,程序先执行赋值号“=”右边的代码,shuoming(func_1)调用了之前定义的函数,并传入了func_1实参,程序转到shuoming(func)执行,形参func接收实参func_1,此时func也指向了func_1所指向的函数(如图中分界线上方白色方框内的蓝箭头所示);在shuoming()函数中代码继续往下走,在shuoming()函数内容又定义了一个shuoming_in()函数(如图中分界线上方白色方框内的蓝色方框所示),接着往下,将shuoming_in()函数的引用返回,至此shuoming()函数执行完毕,程序回到第22行代码执行,shuoming()函数的返回值被func_1接收,此时,func_1不在指向原来的函数,转成指向shuoming_in所指向的函数(如图中分界线下方白色方框内的黄色箭头)。最后调用func_1所指向的函数,也就是shuoming_in()函数,shuoming_in()函数内的func指向了原来func_1()所指的函数(也就是生成九九乘法表的函数),因此程序最终的结果就在九九乘法表前后各加了一个说明性字符串。

以上为装饰器的执行过程,但是以上装饰写法不够简洁,大多数情况下采取以下写法,输出结果是一样的:

有时候有些被装饰的函数可能有以下几种情况:存在或不存在参数,有返回值或没有返回值,参数可能定长或不定长等等,为了通用性,与爬虫的请求代码一样,装饰器有着通用的写法:

使用这个装饰器装饰九九乘法表一样可以正常输出,如果需要特定的装饰效果,修改这个通用代码即可。

结束

以上为生成器、迭代器、闭包以及装饰器的所有内容,其中装饰器属于难点。理解装饰器的执行过程能够更好的帮助我们进阶学习Python。