生成器
生成器定义
在Python中，一边循环一边计算的机制，称为生成器：generator
为什么要有生成器
列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。
如：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。
如果列表元素按照某种算法推算出来，那我们就可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间。
简单说：
- 时间换空间！想要得到庞大的数据，又想让它占用空间少，那就用生成器！
- 延迟计算！需要的时候，再计算出数据！
创建生成器的方式一(生成器表达式)
生成器表达式很简单，只要把一个列表推导式的[]改成()，就创建了一个生成器(generator)：
L = [x * x for x in range(10)]
print(L)
g = (x * x for x in range(10))
print(g)
# at 0x1022ef630>
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
生成器函数_yield的用法
创建生成器的方式二(生成器函数)
生成器函数：
生成器函数的工作原理
原理是这样的：
- 生成器函数返回一个迭代器，for循环对这个迭代器不断调用
__next__()函数，不断运行到下一个yield语句，一次一次取得每一个返回值，直到没有yield语句为止，最终引发StopIteration异常。 yield相当于return返回一个值，并且记住这个返回的位置，下次迭代时，代码从yield的下一条语句(不是下一行)开始执行。send()和next()一样，都能让生成器继续往下走一步（下次遇到yield停），但send()能传一个值，这个值作为yield表达式整体的结果
【示例】测试生成器工作原理(yield)
#coding=utf-8
"""
1. 函数有了yield之后，调用它，就会生成一个生成器
2. yield作用：程序挂起，返回相应的值。下次从下一个语句开始执行。
3. return在生成器中代表生成器终止，直接报错：StopIeratation
4. next方法作用：唤醒并继续执行
"""
def test():
print("start")
i=0
while i<3:
temp = yield i #下次迭代时，代码从`yield`的下一条语句(不是下一行)开始执行
print(f"temp:{temp}")
i += 1
print("end")
return "done"
if __name__ == '__main__':
a = test()
print(type(a))
print(a.__next__())
print(a.__next__())
print(a.__next__()) # next(a) 一样
print(a.__next__()) # 抛出异常：StopIteration
生成器函数_send的用法
【示例】测试生成器工作原理(send)
# send的作用是唤醒并继续执行，发送一个信息到生成器内部
def foo():
print("start")
i = 0
while i<2:
temp = yield i
print(f"temp:{temp}")
i=i+1
print("end")
g = foo()
print(next(g))
print("*"*20)
print(g.send(100))
print(next(g))
总结
-
什么是生成器？
-
生成器特点：
迭代器的概念_for循环的本质
概念
- 迭代是Python最强大的功能之一，是访问集合元素的一种方式。
- 迭代器是一个可以记住遍历的位置的对象。
- 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
- 迭代器只能往前不会后退。
- 迭代器有两个基本的方法：
iter()和next()
可迭代对象和迭代器区别
-
一个实现了
iter方法的对象，称为"可迭代对象Ieratable" -
一个实现
next方法并且是可迭代的对象，称为"迭代器Iterator"
#python3.6之前不加.abc，之后的加
from collections.abc import Iterator
from collections.abc import Iterable
a = isinstance([], Iterable)
a = isinstance([], Iterator)
print(a)
list、dict、str等Iterable变成Iterator, 可以使用iter()函数：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
for循环的本质
for x in [1, 2, 3, 4, 5]:
pass
本质是：
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
迭代器_手动创建一个迭代器
创建一个迭代器
一个类作为一个迭代器使用需要在类中实现两个方法__iter__() 与__next__()
__iter__()方法返回一个特殊的迭代器对象， 这个迭代器对象实现了__next__()方法并通过 StopIteration 异常标识迭代的完成。__next__()方法会返回下一个迭代器对象。
【示例】创建一个依次返回10,20,30,...这样数字的迭代器
class MyNumbers:
def __iter__(self):
self.num = 10
return self
def __next__(self):
if self.num<40:
x = self.num
self.num += 10
return x
else:
raise StopIteration
myclass = MyNumbers()
myiter = iter(myclass)
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
动态语言特性_动态给对象添加属性和方法
动态编程语言是高级程序设计语言的一个类别，在计算机科学领域已被广泛应用。
它是指在运行时可以改变其结构的语言 ：例如新的函数、 对象、甚至代码可以被引进， 已有的函数可以被删除或是其他结构上的变化。
运行过程中给对象、类添加属性和方法
#coding=utf-8
import types
class Person():
def __init__(self,name,age):
self.name = name
self.age = age
p1 = Person("zhangsan",20)
p2 = Person("lisi",30)
#动态给对象添加属性和方法
p1.score = 100
print(p1.score)
def run(self):
print(f"{self.name},running...")
#动态的对象添加方法
p1.run = types.MethodType(run,p1)
p1.run()
types.MethonType的使用
p1.run = types.MethodType(run,p1)
# 即使换成
xxx = types.MethodType(run,p1)
# xxx()调用一样还用
# 因为之前提示缺少参数，主要是不知道self到底是谁，
# 而types.MethodType(run,p1)则是告诉解释器，self指的就是p1
动态语言特性_动态给类添加静态方法和类方法
给类动态添加静态方法以及类方法
@staticmethod
def staticfunc():
print("---static method---")
Person.staticfunc = staticfunc
Person.staticfunc()
@classmethod
def clsfunc(cls):
print('---cls method---')
Person.clsfunc = clsfunc
Person.clsfunc()
动态语言特性_slots限制成员属性和方法
__slots__的作用
__slots__对动态添加成员变量、成员方法有限制。对动态添加类属性、类方法没有限制。__slots__只对本类有限制，不限制子类
class Person():
__slots__ = {"name","age"}
def __init__(self,name,age):
self.name = name
self.age = age
def eat(self):
print("人是铁饭是钢，要吃！")
if __name__ == '__main__':
p1 = Person("gaoqi",18)
# p1.gender = "man" #AttributeError: 'Person' object has no attribute 'gender'
