Iterators
遵循迭代器协议，Python迭代器对象需要支持两种方法。
iter返回迭代器对象本身。这用于for 和in语句。
next方法返回迭代器中的下一个值。如果没有更多的项目要返回，那么它应该引发StopIteration异常。
class Counter(object):
def __init__(self, low, high):
self.current = low
self.high = high
def __iter__(self):
'Returns itself as an iterator object'
return self
def __next__(self):
'Returns the next value till current is lower than high'
if self.current > self.high:
raise StopIteration
else:
self.current += 1
return self.current - 1
现在我们可以在代码中使用这个迭代器。
>>> c = Counter(5,10)
>>> for i in c:
... print(i, end=' ')
...
5 6 7 8 9 10
请记住，迭代器对象只能使用一次。这意味着在它提升 一次StopIteration之后，它将继续引发相同的异常。
>>> c = Counter(5,6)
>>> next(c)
5
>>> next(c)
6
>>> next(c)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 11, in next
StopIteration
>>> next(c)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 11, in next
StopIteration
在我们看到的for循环示例中使用迭代器，下面的示例尝试显示幕后代码。
>>> iterator = iter(c)
>>> while True:
... try:
... x = iterator.__next__()
... print(x, end=' ')
... except StopIteration as e:
... break
...
5 6 7 8 9 10
Generators
在本节中，我们将了解Python生成器。它们是在Python 2.3中引入的。使用函数中的关键字yield创建迭代器是一种更简单的方法。
>>> def my_generator():
... print("Inside my generator")
... yield 'a'
... yield 'b'
... yield 'c'
...
>>> my_generator()
<generator object my_generator at 0x7fbcfa0a6aa0>
在上面的例子中，我们使用yield语句创建一个简单的生成器。我们可以在for循环中使用它，就像我们使用任何其他迭代器一样。
>>> for char in my_generator():
... print(char)
...
Inside my generator
a
b
c
在下一个示例中，我们将使用生成器函数创建相同的Counter类，并在for循环中使用它。
def counter_generator(low, high):
while low <= high:
yield low
low += 1
>>> for i in counter_generator(5,10):
... print(i, end=' ')
...
5 6 7 8 9 10
当while循环到达yield语句时，返回low值并暂停生成器状态。在第二次下一次调用期间，生成器恢复到之前冻结的位置，然后将low的值增加1。它继续while循环并再次进入yield语句。
当您调用生成器函数时，它返回* generator 对象。如果你在这个对象上调用 dir ，你会发现它在其他方法中包含iter和 __ next __ *方法。
>>> dir(c)
['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__',
'__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__iter__',
'__le__', '__lt__', '__name__', '__ne__', '__new__', '__next__', '__reduce__',
'__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__',
'close', 'gi_code', 'gi_frame', 'gi_running', 'send', 'throw']
我们主要使用生成器进行laze评估。这样，生成器成为处理大量数据的好方法。如果您不想加载内存中的所有数据，可以使用一次生成器，它会一次传递每个数据。
这种示例的最大例子之一是os.path.walk（）函数，它使用回调函数和当前的os.walk生成器。使用生成器实现可以节省内存。
我们可以有生成无限值的生成器。以下是一个这样的例子。
>>> def infinite_generator(start=0):
... while True:
... yield start
... start += 1
...
>>> for num in infinite_generator(4):
... print(num, end=' ')
... if num > 20:
... break
...
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
如果我们回到my_generator的例子，我们会发现生成器的一个特性。它们不可重复使用。
>>> g = my_generator()
>>> for c in g:
... print(c)
...
Inside my generator
a
b
c
>>> for c in g:
... print(c)
...
创建可重用生成器的一种方法是基于对象的生成器，它不保持任何状态。任何产生数据的iter方法的类都可以用作对象生成器。在下面的例子中，我们将重新创建计数器生成器。
>>> class Counter(object):
... def __init__(self, low, high):
... self.low = low
... self.high = high
... def __iter__(self):
... counter = self.low
... while self.high >= counter:
... yield counter
... counter += 1
...
>>> gobj = Counter(5, 10)
>>> for num in gobj:
... print(num, end=' ')
...
5 6 7 8 9 10
>>> for num in gobj:
... print(num, end=' ')
...
5 6 7 8 9 10
生成器表达式
在本节中，我们将学习生成器表达式，它是列表推导和生成器的高性能，内存有效概括。
例如，我们将尝试将所有数字的平方从1加到9。
>>> sum([x*x for x in range(1,10)])
该示例实际上首先在内存中创建一个方形值列表，然后迭代它，最后在求和后释放内存。如果列出大的列表，您可以了解内存使用情况。
我们可以使用生成器表达式来节省内存使用量。
sum(x*x for x in range(1,10))
生成器表达式的语法表示总是需要直接在一组括号内，并且两边都不能有逗号。这基本上意味着以下两个示例都是有效的生成器表达式用法示例
>>> sum(x*x for x in range(1,10))
285
>>> g = (x*x for x in range(1,10))
>>> g
<generator object <genexpr> at 0x7fc559516b90>
我们可以链接生成器或生成器表达式。在下面的示例中，我们将读取文件* / var / log / cron *并查找是否有任何特定作业（在我们搜索anacron的示例中）是否成功运行。
我们可以使用shell命令tail -f / var / log / cron | grep anacron来做同样的事情
>>> jobtext = 'anacron'
>>> all_lines = (line for line in open('/var/log/cron', 'r') )
>>> job = ( line for line in all_lines if line.find(jobtext) != -1)
>>> text = next(job)
>>> text
"May 6 12:17:15 dhcp193-104 anacron[23052]: Job `cron.daily' terminated\n"
>>> text = next(job)
>>> text
'May 6 12:17:15 dhcp193-104 anacron[23052]: Normal exit (1 job run)\n'
>>> text = next(job)
>>> text
'May 6 13:01:01 dhcp193-104 run-parts(/etc/cron.hourly)[25907]: starting 0anacron\n'
你可以在行上写一个for循环。
闭包
闭包只不过是另一个函数返回的函数。我们使用闭包来删除代码重复。在以下示例中，我们创建了一个用于添加数字的简单闭包。
>>> def add_number(num):
... def adder(number):
... 'adder is a closure'
... return num + number
... return adder
...
>>> a_10 = add_number(10)
>>> a_10(21)
31
>>> a_10(34)
44
>>> a_5 = add_number(5)
>>> a_5(3)
8
adder是一个闭包，它将给定的数字添加到预定义的数字中。
装饰者
Decorator是为某些对象动态添加一些新行为的方法。我们通过使用闭包在Python中实现了相同的功能。
在这个例子中，我们将创建一个简单的例子，它将在执行函数之前和之后打印一些语句。
>>> def my_decorator(func):
... def wrapper(*args, **kwargs):
... print("Before call")
... result = func(*args, **kwargs)
... print("After call")
... return result
... return wrapper
...
>>> @my_decorator
... def add(a, b):
... "Our add function"
... return a + b
...
>>> add(1, 3)
Before call
After call
4
image
欢迎大家关注公众号：「Python精选」，关注公众号，回复「1024」你懂得，免费领取 6 本经典Python编程书籍。关注我，与 10 万程序员一起进步。每天更新Python干货哦，期待你的到来！
网友评论