day4

  1. 迭代器&生成器
  2. 裝飾器
  3. Json & pickle 數據序列化
  4. 軟件目錄結構規範
  5. 做業:ATM項目開發

.列表生成式,迭代器&生成器

 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]







生成器

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

迭代器

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listtupledictsetstr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listdictstr雖然是Iterable,卻不是Iterator

listdictstrIterable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listdictstr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listdictstr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

 

#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()


3.Json & pickle 數據序列化

 
        

參考 http://www.cnblogs.com/alex3714/articles/5161349.html

 
        

 

 
        

  

 
        

4.軟件目錄結構規範

 
        

爲何要設計好目錄結構?

 
        

"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:

 
        
  1. 一類同窗認爲,這種我的風格問題"可有可無"。理由是能讓程序work就好,風格問題根本不是問題。
  2. 另外一類同窗認爲,規範化能更好的控制程序結構,讓程序具備更高的可讀性。
 
        

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:

 
        
  1. 可讀性高: 不熟悉這個項目的代碼的人,一眼就能看懂目錄結構,知道程序啓動腳本是哪一個,測試目錄在哪兒,配置文件在哪兒等等。從而很是快速的瞭解這個項目。
  2. 可維護性高: 定義好組織規則後,維護者就能很明確地知道,新增的哪一個文件和代碼應該放在什麼目錄之下。這個好處是,隨着時間的推移,代碼/配置的規模增長,項目結構不會混亂,仍然可以組織良好。
 
        

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。

 
        

目錄組織方式

 
        

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:

 
        
  1. 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。
  2. 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
  3. docs/: 存放一些文檔。
  4. setup.py: 安裝、部署、打包的腳本。
  5. requirements.txt: 存放軟件依賴的外部Python包列表。
  6. 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。

 
        

關於README的內容

 
        

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:

 
        
  1. 軟件定位,軟件的基本功能。
  2. 運行代碼的方法: 安裝環境、啓動命令等。
  3. 簡要的使用說明。
  4. 代碼目錄結構說明,更詳細點能夠說明軟件的基本原理。
  5. 常見問題說明。
 
        

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。

 
        

關於requirements.txt和setup.py

 
        

setup.py

 
        

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:

 
        
  1. 安裝環境時常常忘了最近又添加了一個新的Python包,結果一到線上運行,程序就出錯了。
  2. Python包的版本依賴問題,有時候咱們程序中使用的是一個版本的Python包,可是官方的已是最新的包了,經過手動安裝就可能裝錯了。
  3. 若是依賴的包不少的話,一個一個安裝這些依賴是很費時的事情。
  4. 新同窗開始寫項目的時候,將程序跑起來很是麻煩,由於可能常常忘了要怎麼安裝各類依賴。
 
        

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。

 
        

requirements.txt

 
        

這個文件存在的目的是:

 
        
  1. 方便開發者維護軟件的包依賴。將開發過程當中新增的包添加進這個列表中,避免在setup.py安裝依賴時漏掉軟件包。
  2. 方便讀者明確項目使用了哪些Python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

 
        

 

 
        

關於配置文件的使用方法

 
        

注意,在上面的目錄結構中,沒有將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:

 
        
  1. 配置文件寫在一個或多個python文件中,好比此處的conf.py。
  2. 項目中哪一個模塊用到這個配置文件就直接經過import conf這種形式來在代碼中使用配置。
 
        

這種作法我不太贊同:

 
        
  1. 這讓單元測試變得困難(由於模塊內部依賴了外部配置)
  2. 另外一方面配置文件做爲用戶控制程序的接口,應當能夠由用戶自由指定該文件的路徑。
  3. 程序組件可複用性太差,由於這種貫穿全部模塊的代碼硬編碼方式,使得大部分模塊都依賴conf.py這個文件。
 
        

因此,我認爲配置的使用,更好的方式是,

 
        
  1. 模塊的配置都是能夠靈活配置的,不受外部配置文件的影響。
  2. 程序的配置也是能夠靈活控制的。
 
        

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。

 
        

 

 
        

5.本節做業

 
        

做業需求:

 
        

模擬實現一個ATM + 購物商城程序

 
        
  1. 額度 15000或自定義
  2. 實現購物商城,買東西加入 購物車,調用信用卡接口結帳
  3. 能夠提現,手續費5%
  4. 每個月22號出帳單,每個月10號爲還款日,過時未還,按欠款總額 萬分之5 每日計息
  5. 支持多帳戶登陸
  6. 支持帳戶間轉帳
  7. 記錄每個月平常消費流水
  8. 提供還款接口
  9. ATM記錄操做日誌 
  10. 提供管理接口,包括添加帳戶、用戶額度,凍結帳戶等。。。
  11. 用戶認證用裝飾器
相關文章
相關標籤/搜索