闭包，装饰器，迭代器，生成器，列表推导式，匿名函数

本文主要是介绍闭包，装饰器，迭代器，生成器，列表推导式，匿名函数，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

闭包函数

# 一：大前提：
# 闭包函数=名称空间与作用域+函数嵌套+函数对象
#        核心点：名字的查找关系是以函数定义阶段为准

# 二：什么是闭包函数
# "闭"函数指的该函数是内嵌函数
# "包"函数指的该函数包含对外层函数作用域名字的引用（不是对全局作用域）

# 闭包函数：名称空间与作用域的应用+函数嵌套
# def f1():
#     x = 33333333333333333333
#     def f2():
#         print(x)
#     f2()
# 
# 
# x=11111
# def bar():
#     x=444444
#     f1()
# 
# def foo():
#     x=2222
#     bar()
# 
# foo()



# 闭包函数：函数对象
# def f1():
#     x = 33333333333333333333
#     def f2():
#         print('函数f2：',x)
#     return f2
# 
# f=f1()
# # print(f)
# 
# # x=4444
# # f()
# def foo():
#     x=5555
#     f()
# 
# foo()


# 三：为何要有闭包函数=》闭包函数的应用
# 两种为函数体传参的方式
# 方式一：直接把函数体需要的参数定义成形参
# def f2(x):
#     print(x)
#
# f2(1)
# f2(2)
# f2(3)

# 方式二：
# def f1(x): # x=3
#     x=3
#     def f2():
#         print(x)
#     return f2
#
# x=f1(3)
# print(x)
#
# x()

装饰器

def outter(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        """这个是主页功能"""
        res = func(*args, **kwargs) # res=index(1,2)
        return res

    # 手动将原函数的属性赋值给wrapper函数
    # 1、函数wrapper.__name__ = 原函数.__name__
    # 2、函数wrapper.__doc__ = 原函数.__doc__
    # wrapper.__name__ = func.__name__
    # wrapper.__doc__ = func.__doc__

    return wrapper

迭代器

'''
1、什么是迭代器
    迭代器指的是迭代取值的工具，迭代是一个重复的过程，每次重复
    都是基于上一次的结果而继续的，单纯的重复并不是迭代
    
2、为何要有迭代器
    迭代器是用来迭代取值的工具，而涉及到把多个值循环取出来的类型
    有：列表、字符串、元组、字典、集合、打开文件
    
    l=['egon','liu','alex']
    i=0
    while i < len(l):
        print(l[i])
        i+=1
        
    上述迭代取值的方式只适用于有索引的数据类型：列表、字符串、元组
    为了解决基于索引迭代器取值的局限性
    python必须提供一种能够不依赖于索引的取值方式，这就是迭代器


3、如何用迭代器
    
'''

# 1、可迭代的对象：但凡内置有__iter__方法的都称之为可迭代的对象
# s1=''
# # s1.__iter__()
#
# l=[]
# # l.__iter__()
#
# t=(1,)
# # t.__iter__()
#
# d={'a':1}
# # d.__iter__()
#
# set1={1,2,3}
# # set1.__iter__()
#
# with open('a.txt',mode='w') as f:
#     # f.__iter__()
#     pass

# 2、调用可迭代对象下的__iter__方法会将其转换成迭代器对象
d={'a':1,'b':2,'c':3}
d_iterator=d.__iter__()
# print(d_iterator)

# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__())
# print(d_iterator.__next__()) # 抛出异常StopIteration


# while True:
#     try:
#         print(d_iterator.__next__())
#     except StopIteration:
#         break
#
# print('====>>>>>>') # 在一个迭代器取值取干净的情况下，再对其取值娶不到
# d_iterator=d.__iter__()
# while True:
#     try:
#         print(d_iterator.__next__())
#     except StopIteration:
#         break


# l=[1,2,3,4,5]
# l_iterator=l.__iter__()
#
# while True:
#     try:
#         print(l_iterator.__next__())
#     except StopIteration:
#         break


# 3、可迭代对象与迭代器对象详解
# 3.1 可迭代对象（"可以转换成迭代器的对象"）：内置有__iter__方法对象
#        可迭代对象.__iter__(): 得到迭代器对象

# 3.2 迭代器对象：内置有__next__方法并且内置有__iter__方法的对象
#        迭代器对象.__next__（）：得到迭代器的下一个值
#        迭代器对象.__iter__（）：得到迭代器的本身，说白了调了跟没调一个样子
# dic={'a':1,'b':2,'c':3}
#
# dic_iterator=dic.__iter__()
# print(dic_iterator is dic_iterator.__iter__().__iter__().__iter__())
#

# 4、可迭代对象：字符串、列表、元组、字典、集合、文件对象
# 迭代器对象：文件对象
# s1=''
# s1.__iter__()
#
# l=[]
# l.__iter__()
#
# t=(1,)
# t.__iter__()
#
#
# d={'a':1}
# d.__iter__()
#
# set1={1,2,3}
# set1.__iter__()
#
#
# with open('a.txt',mode='w') as f:
#     f.__iter__()
#     f.__next__()





# 5、for循环的工作原理：for循环可以称之为叫迭代器循环
d={'a':1,'b':2,'c':3}

# 1、d.__iter__()得到一个迭代器对象
# 2、迭代器对象.__next__()拿到一个返回值，然后将该返回值赋值给k
# 3、循环往复步骤2，直到抛出StopIteration异常for循环会捕捉异常然后结束循环
# for k in d:
#     print(k)


# with open('a.txt',mode='rt',encoding='utf-8') as f:
#     for line in f: # f.__iter__()
#         print(line)


# list('hello') #原理同for循环

# 6、迭代器优缺点总结
# 6.1 缺点：
# I、为序列和非序列类型提供了一种统一的迭代取值方式。
# II、惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。

# 6.2 缺点：
# I、除非取尽，否则无法获取迭代器的长度
#
# II、只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。

生成器

# 如何得到自定义的迭代器：
# 在函数内一旦存在yield关键字，调用函数并不会执行函数体代码
# 会返回一个生成器对象，生成器即自定义的迭代器
def func():
    print('第一次')
    yield 1
    print('第二次')
    yield 2
    print('第三次')
    yield 3
    print('第四次')


# g=func()
# print(g)
# 生成器就是迭代器
# g.__iter__()
# g.__next__()


# 会触发函数体代码的运行，然后遇到yield停下来，将yield后的值
# 当做本次调用的结果返回
# res1=g.__next__()
# print(res1)
#
#
# res2=g.__next__()
# print(res2)
#
# res3=g.__next__()
# print(res3)
#
# res4=g.__next__()



# len('aaa') # 'aaa'.__len__()

# next(g)    # g.__next__()
# iter(可迭代对象)     # 可迭代对象.__iter__()


# 应用案列
def my_range(start,stop,step=1):
    # print('start...')
    while start < stop:
        yield start
        start+=step
    # print('end....')


# g=my_range(1,5,2) # 1 3
# print(next(g))
# print(next(g))
# print(next(g))

for n in my_range(1,7,2):
    print(n)


# 总结yield：
# 有了yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值，但不同于return，函数一旦遇到return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值

列表推导式

例子：
我们先来看一个例子，把一个矩阵（以列表为元素的列表）展平为一个列表。首先，我们用for循环来实现一下

matrix = [
[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
]

flattened = []

for row in matrix:
for i in row:
flattened.append(i)

接着我们用列表推导式实现该功能：

flattened = [i for row in matrix for i in row]

匿名函数

# 方式一：
# res=(lambda x,y:x+y)(1,2)
# print(res)

# 方式二：
# func=lambda x,y:x+y
# res=func(1,2)
# print(res)

这篇关于闭包，装饰器，迭代器，生成器，列表推导式，匿名函数的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！