a = []
for i in range(10):
a.append(i)
print(a)
a = [ i*10 for i in range(10) ]
print(a)
如今的需求是吧列表a的每一位都加1
a = [1,2,3,4,5,6]
b = []
for i in a:
i+=1
b.append(i)
print(b)
[2, 3, 4, 5, 6, 7]
>>> a = [i+1 for i in range(10)] >>> a [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
經過列表生成式,咱們能夠直接建立一個列表。可是,受到內存限制,列表容量確定是有限的。並且,建立一個包含100萬個元素的列表,不只佔用很大的存儲空間,若是咱們僅僅須要訪問前面幾個元素,那後面絕大多數元素佔用的空間都白白浪費了。html
因此,若是列表元素能夠按照某種算法推算出來,那咱們是否能夠在循環的過程當中不斷推算出後續的元素呢?這樣就沒必要建立完整的list,從而節省大量的空間。在Python中,這種一邊循環一邊計算的機制,稱爲生成器:generator。python
要建立一個generator,有不少種方法。第一種方法很簡單,只要把一個列表生成式的[]
改爲()
,就建立了一個generator:mysql
b = (i for i in range(10))
print(b)
print(b.__next__()) 0
print(b.__next__()) 1
print(b.__next__()) 2
print(b.__next__()) 3
print(next(b)) 4
print(next(b)) 5
咱們講過,generator保存的是算法,每次調用next(g)
,就計算出g
的下一個元素的值,直到計算到最後一個元素,沒有更多的元素時,拋出StopIteration
的錯誤。nginx
固然,上面這種不斷調用next(g)
實在是太變態了,正確的方法是使用for
循環,由於generator也是可迭代對象:git
>>> g
=
(x
*
x
for
x
in
range
(
10
))
>>>
for
n
in
g:
...
print
(n)
...
0
1
4
9
16
25
36
49
64
81
因此,咱們建立了一個generator後,基本上永遠不會調用next()
,而是經過for
循環來迭代它,而且不須要關心StopIteration
的錯誤。github
generator很是強大。若是推算的算法比較複雜,用相似列表生成式的for
循環沒法實現的時候,還能夠用函數來實現。redis
好比,著名的斐波拉契數列(Fibonacci),除第一個和第二個數外,任意一個數均可由前兩個數相加獲得:算法
1, 1, 2, 3, 5, 8, 13, 21, 34, ...sql
斐波拉契數列用列表生成式寫不出來,可是,用函數把它打印出來卻很容易:flask
def fib(x):
a,b,n=1,0,1
while n < x:
a,b=b,a+b
n+=1
print(b)
fib(10)
1
1
2
3
5
8
13
21
34
仔細觀察,能夠看出,fib
函數其實是定義了斐波拉契數列的推算規則,能夠從第一個元素開始,推算出後續任意的元素,這種邏輯其實很是相似generator。
也就是說,上面的函數和generator僅一步之遙。要把fib
函數變成generator,只須要把print(b)
改成yield b
就能夠了:
def fib(x):
a,b,n=1,0,1
while n < x:
a,b=b,a+b
n+=1
yield d
f=fib(10)
print(f)
<generator object fib at 0x0058E420>
data = fib(10)
print(data) print(data.__next__()) 1 print(data.__next__()) 1 print("乾點別的事") 乾點別的事 print(data.__next__()) 2 print(data.__next__()) 3 print(data.__next__()) 5 print(data.__next__()) 8 print(data.__next__()) 13
在上面fib
的例子,咱們在循環過程當中不斷調用yield
,就會不斷中斷。固然要給循環設置一個條件來退出循環,否則就會產生一個無限數列出來。
一樣的,把函數改爲generator後,咱們基本上歷來不會用next()
來獲取下一個返回值,而是直接使用for
循環來迭代:
for n in fib(6): ... print(n) ... 1 1 2 3 5 8
可是用循環調用generator時,發現拿不到generator的語句的返回值。若是想要拿到返回值,必須捕獲錯誤,返回值包含在的中:
forreturnStopIterationStopIterationvalue
咱們已經知道,能夠直接做用於for
循環的數據類型有如下幾種:
一類是集合數據類型,如list
、tuple
、dict
、set
、str
等;
一類是generator
,包括生成器和帶yield
的generator function。
這些能夠直接做用於for
循環的對象統稱爲可迭代對象:Iterable
。
可使用isinstance()
判斷一個對象是不是Iterable
對象:
>>>
from
collections
import
Iterable
>>>
isinstance
([], Iterable)
True
>>>
isinstance
({}, Iterable)
True
>>>
isinstance
(
'abc'
, Iterable)
True
>>>
isinstance
((x
for
x
in
range
(
10
)), Iterable)
True
>>>
isinstance
(
100
, Iterable)
False
而生成器不但能夠做用於for
循環,還能夠被next()
函數不斷調用並返回下一個值,直到最後拋出StopIteration
錯誤表示沒法繼續返回下一個值了。
*能夠被next()
函數調用並不斷返回下一個值的對象稱爲迭代器:Iterator
。
可使用isinstance()
判斷一個對象是不是Iterator
對象:
>>>
from
collections
import
Iterator
>>>
isinstance
((x
for
x
in
range
(
10
)), Iterator)
True
>>>
isinstance
([], Iterator)
False
>>>
isinstance
({}, Iterator)
False
>>>
isinstance
(
'abc'
, Iterator)
False
生成器都是Iterator
對象,但list
、dict
、str
雖然是Iterable
,卻不是Iterator
。
把list
、dict
、str
等Iterable
變成Iterator
可使用iter()
函數:
>>>
isinstance
(
iter
([]), Iterator)
True
>>>
isinstance
(
iter
(
'abc'
), Iterator)
True
你可能會問,爲何list
、dict
、str
等數據類型不是Iterator
?
這是由於Python的Iterator
對象表示的是一個數據流,Iterator對象能夠被next()
函數調用並不斷返回下一個數據,直到沒有數據時拋出StopIteration
錯誤。能夠把這個數據流看作是一個有序序列,但咱們卻不能提早知道序列的長度,只能不斷經過next()
函數實現按需計算下一個數據,因此Iterator
的計算是惰性的,只有在須要返回下一個數據時它纔會計算。
Iterator
甚至能夠表示一個無限大的數據流,例如全體天然數。而使用list是永遠不可能存儲全體天然數的。
a = (i for i in range(100000000000000000000))
for i in a:
print(i)
小結
凡是可做用於for
循環的對象都是Iterable
類型;
凡是可做用於next()
函數的對象都是Iterator
類型,它們表示一個惰性計算的序列;
集合數據類型如list
、dict
、str
等是Iterable
但不是Iterator
,不過能夠經過iter()
函數得到一個Iterator
對象。
Python的for
循環本質上就是經過不斷調用next()
函數實現的,例如:
for
x
in
[
1
,
2
,
3
,
4
,
5
]:
pass
it = iter([1, 2, 3, 4, 5]) # 循環: while True: try: # 得到下一個值: x = next(it) except StopIteration: # 遇到StopIteration就退出循環 break
#裝飾器
#不能修改被裝飾的函數的源代碼
#同時也不能修改這個函數的調用方式
#裝飾器徹底透明
#函數即變量,高階函數,嵌套函數 高階函數+嵌套函數=》裝飾器
import time
def timmer(func):
def wrapper(*args,**kwargs):
start_time = time.time()
func()
stop_time = time.time()
print('the func run time is %s'%(stop_time-start_time))
return wrapper
@timmer
def test1():
time.sleep(3)
print('in the test1')
test1()
函數即變量,高階函數,嵌套函數 高階函數+嵌套函數=》裝飾器
def test() 在內存中存入函數體 :pass test = '函數體' test(),先聲明再調用
高階函數 知足 把一個函數名當作實參傳給另一個函數 (在不修改源函數的狀況下爲其添加功能) 返回值中包含函數名(不修改函數的調用方式)
lambda x:x*3 函數體而已 沒有函數名,在內存中會被回收
裝飾器
不能修改被裝飾的函數的源代碼
同時也不能修改這個函數的調用方式
裝飾器徹底透明
返回值中包含函數名(不修改函數的調用方式)
import time
def bar():
time.sleep(3)
print('in the bar')
def test2(func):
print(func)
return func
# print(test2(bar))
t=test2(bar)
t()
bar=test2(bar)
bar()
def foo():
print('in the foo')
def bar():#函數即變量,因此在函數裏面定義的函數就是局部變量
print('in the bar')
bar()
foo()
def grandfa():
x=1
def father():
x=2
def son():
x=3
print(x)
son()
father()
grandfa()
import time
def timer(func):
def deco(*args):
start_time = time.time()
func(args)
stop_time = time.time()
print('run time is %s'%(stop_time-start_time))
return deco
@timer#test1=timer(test1) 而且返回deco的內存空間地址,而且經過test1()執行
def test1():
time.sleep(3)
print('in the test1')
@timer
def test2(name):
time.sleep(3)
print('in the test2',name)
#test1 = timer(test1)
#test1()#deco() return deco的內存地址,時間+func()=test1()
test2('ronghui')
裝飾器終極版
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:rh
import time
user,passwd = 'alex','abc123'
def auth(auth_type):
print('auth:',auth_type)
def out_wrapper(func):
print('out_wrapper:',func)
def wrapper(*args, **kwargs):
if auth_type == 'local':
username = input('username:').strip()
password = input('password:').strip()
if user == username and passwd == password:
print("\033[32;1mUser has passed authentication\033[0m")
# func(*args,**kwargs) #沒有返回結果
res = func(*args, **kwargs)
print("--------------after authentication")
return res #返回home的return
else:
exit("\033[31;1mInvalid username or password\033[0m")
elif auth_type == 'ldap':
print("laozi bu hui ldap!")
return wrapper # 返回func()的內存地址給
return out_wrapper
def index():
print('welcome to index page')
@auth(auth_type='local')#home = wrapper()
def home():
print('welcome to home page')
return "from home"
@auth(auth_type='ldap')
def bbs():
print('welcome to bbs page')
index()
#home()#至關於調用wrapper
print(home())#wrapper()
bbs()
參考 http://www.cnblogs.com/alex3714/articles/5161349.html
"設計項目目錄結構",就和"代碼編碼風格"同樣,屬於我的風格問題。對於這種風格上的規範,一直都存在兩種態度:
我是比較偏向於後者的,由於我是前一類同窗思想行爲下的直接受害者。我曾經維護過一個很是很差讀的項目,其實現的邏輯並不複雜,可是卻耗費了我很是長的時間去理解它想表達的意思。今後我我的對於提升項目可讀性、可維護性的要求就很高了。"項目目錄結構"其實也是屬於"可讀性和可維護性"的範疇,咱們設計一個層次清晰的目錄結構,就是爲了達到如下兩點:
因此,我認爲,保持一個層次清晰的目錄結構是有必要的。更況且組織一個良好的工程目錄,實際上是一件很簡單的事兒。
關於如何組織一個較好的Python工程目錄結構,已經有一些獲得了共識的目錄結構。在Stackoverflow的這個問題上,能看到你們對Python目錄結構的討論。
這裏面說的已經很好了,我也不打算從新造輪子列舉各類不一樣的方式,這裏面我說一下個人理解和體會。
假設你的項目名爲foo, 我比較建議的最方便快捷目錄結構這樣就足夠了:
Foo/ |-- bin/ | |-- foo | |-- foo/ | |-- tests/ | | |-- __init__.py | | |-- test_main.py | | | |-- __init__.py | |-- main.py | |-- docs/ | |-- conf.py | |-- abc.rst | |-- setup.py |-- requirements.txt |-- README
簡要解釋一下:
bin/
: 存放項目的一些可執行文件,固然你能夠起名script/
之類的也行。foo/
: 存放項目的全部源代碼。(1) 源代碼中的全部模塊、包都應該放在此目錄。不要置於頂層目錄。(2) 其子目錄tests/
存放單元測試代碼; (3) 程序的入口最好命名爲main.py
。docs/
: 存放一些文檔。setup.py
: 安裝、部署、打包的腳本。requirements.txt
: 存放軟件依賴的外部Python包列表。README
: 項目說明文件。除此以外,有一些方案給出了更加多的內容。好比LICENSE.txt
,ChangeLog.txt
文件等,我沒有列在這裏,由於這些東西主要是項目開源的時候須要用到。若是你想寫一個開源軟件,目錄該如何組織,能夠參考這篇文章。
下面,再簡單講一下我對這些目錄的理解和我的要求吧。
這個我以爲是每一個項目都應該有的一個文件,目的是能簡要描述該項目的信息,讓讀者快速瞭解這個項目。
它須要說明如下幾個事項:
我以爲有以上幾點是比較好的一個README
。在軟件開發初期,因爲開發過程當中以上內容可能不明確或者發生變化,並非必定要在一開始就將全部信息都補全。可是在項目完結的時候,是須要撰寫這樣的一個文檔的。
能夠參考Redis源碼中Readme的寫法,這裏面簡潔可是清晰的描述了Redis功能和源碼結構。
通常來講,用setup.py
來管理代碼的打包、安裝、部署問題。業界標準的寫法是用Python流行的打包工具setuptools來管理這些事情。這種方式廣泛應用於開源項目中。不過這裏的核心思想不是用標準化的工具來解決這些問題,而是說,一個項目必定要有一個安裝部署工具,能快速便捷的在一臺新機器上將環境裝好、代碼部署好和將程序運行起來。
這個我是踩過坑的。
我剛開始接觸Python寫項目的時候,安裝環境、部署代碼、運行程序這個過程全是手動完成,遇到過如下問題:
setup.py
能夠將這些事情自動化起來,提升效率、減小出錯的機率。"複雜的東西自動化,能自動化的東西必定要自動化。"是一個很是好的習慣。
setuptools的文檔比較龐大,剛接觸的話,可能不太好找到切入點。學習技術的方式就是看他人是怎麼用的,能夠參考一下Python的一個Web框架,flask是如何寫的: setup.py
固然,簡單點本身寫個安裝腳本(deploy.sh
)替代setup.py
也何嘗不可。
這個文件存在的目的是:
setup.py
安裝依賴時漏掉軟件包。這個文件的格式是每一行包含一個包依賴的說明,一般是flask>=0.10
這種格式,要求是這個格式能被pip
識別,這樣就能夠簡單的經過 pip install -r requirements.txt
來把全部Python包依賴都裝好了。具體格式說明: 點這裏。
conf.py
放在源碼目錄下,而是放在docs/
目錄下。不少項目對配置文件的使用作法是:
import conf
這種形式來在代碼中使用配置。這種作法我不太贊同:
conf.py
這個文件。因此,我認爲配置的使用,更好的方式是,
可以佐證這個思想的是,用過nginx和mysql的同窗都知道,nginx、mysql這些程序均可以自由的指定用戶配置。
因此,不該當在代碼中直接import conf
來使用配置文件。上面目錄結構中的conf.py
,是給出的一個配置樣例,不是在寫死在程序中直接引用的配置文件。能夠經過給main.py
啓動參數指定配置路徑的方式來讓程序讀取配置內容。固然,這裏的conf.py
你能夠換個相似的名字,好比settings.py
。或者你也可使用其餘格式的內容來編寫配置文件,好比settings.yaml
之類的。
做業需求:
模擬實現一個ATM + 購物商城程序