Python学习 - 高级特性 - 《日常学习》

切片
迭代
列表生成式
生成器
函数式编程
- 匿名函数
- 装饰器Decoratorenlightening

参考：https://www.liaoxuefeng.com/wiki/897692888725344/923029685138624

切片

迭代

列表生成式

生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们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。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
- 如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值
- 我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
```
next(g)
```
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
```
>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
```
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, …
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
```
def fib(max):
  n, a, b = 0, 0, 1
  while n < max:
      print(b)
      a, b = b, a + b
      n = n + 1
  return 'done'
```
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
```
def fib(max):
  n, a, b = 0, 0, 1
  while n < max:
      yield b
      a, b = b, a + b
      n = n + 1
  return 'done'
```
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
```
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
```
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
- 回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
- 同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
- 但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中： :::info for循环调用generator时，产生的值是yeild产生的，并不是返回值，是拿不到返回值的。
  要拿到返回值即return的值，要捕获StopIteration错误。 :::
```
>>> for n in fib(6):
...     print(n)
1
1
2
3
5
8
# 获取返回值
>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
```
  请注意区分普通函数和generator函数，普通函数调用直接返回结果：
```
>>> r = abs(6)
>>> r
6
```
  generator函数的“调用”实际返回一个generator对象：
```
>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>
```

函数式编程

匿名函数

当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。

在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]

lambda x: x * x
实际上是：
def f(x):
    return x * x

关键字lambda表示匿名函数，冒号前面的x表示函数参数。
匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。

用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：
```
>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25
```
同样，也可以把匿名函数作为返回值返回，比如：
```
def build(x, y):
  return lambda: x * x + y * y
```
装饰器Decoratorenlightening
在代码运行期间动态增加功能的方式，称之为装饰器。

由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

>>> def now():
...     print('2015-3-25')
...
>>> f = now
>>> f()
2015-3-25

函数对象有一个__name__属性，可以拿到函数的名字：

>>> now.__name__
'now'
>>> f.__name__
'now'

现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。

本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：
```
def log(func):
  def wrapper(*args, **kw):
      print('call %s():' % func.__name__)
      return func(*args, **kw)
  return wrapper
```
观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：
调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：
把@log放到now()函数的定义处，相当于执行了语句： now=log(now) ```python @log def now(): print(‘2015-3-25’)

now() call now(): 2015-3-25 ```

由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。
- wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
  
  如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator
@log('execute')
def now():
    print('2015-3-25')
# 执行结果如下：相当于执行了语句 now = log('execute')(now)
>>> now()
execute now():
2015-3-25

以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：
```
>>> now.__name__
'wrapper'
```
因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
不需要编写wrapper.__name__ = func.__name__这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下： ```python import functools

def log(func): @functools.wraps(func) def wrapper(args, **kw): print(‘call %s():’ % func.name) return func(args, **kw) return wrapper

:::info
一个认知上的转变，对动态语言进一步的理解：不仅类的对象和方法，函数都可以在执行的过程中动态定义。<br />如果要定义一个装饰器，本身即可以传入参数又可以不传入参数，即支持@log同时支持@log('str')。<br />则定义的时候可以使用条件语句决定是多定义一个decorator还是直接定义里面的wrapper。<br />比如：
```python
import functools
def log(s):
    if  isinstance(s,str) :
        def decorator(fn):
            @functools.wraps(fn)
            def wrapper(*args,**kwargs):
                print('begin call')
                print('传递过来的参数为%s'%s)
                fn(*args,**kwargs)
                print('end call')
            return wrapper
        return decorator
    else:
        @functools.wraps(s)
        def wrapper(*args, **kwargs):
            print('begin call')
            print('没有传递参数')
            s(*args, **kwargs)
            print('end call')
        return wrapper

:::

高级特性

切片

迭代

列表生成式

生成器

函数式编程

匿名函数

装饰器Decoratorenlightening