WEEK4：迭代器、装饰器、软件开发规范

时间 2019-12-08

标签 week4 week 迭代装饰软件开发规范繁體版

原文原文链接

装饰器

 1 import time
 2 def timer(func): #timer(test1) func=test1
 3     def deco(*args,**kwargs):
 4         start_time=time.time()
 5         res=func(*args,**kwargs) #run test1()
 6         stop_time=time.time()
 7         print("the func run time is %s" %(stop_time-start_time))
 8         return res
 9     return deco
10 @timer #test1=timer(test1)
11 def test1():
12     time.sleep(3)
13     print("in the test1")
14 
15 # 向函数内传递参数须要在装饰器内部使用非固定参数*args和**kwargs
16 @timer #test2=timer(test2)
17 def test2(name):
18     time.sleep(2)
19     print("test2:",name)
20 
21 #获取函数的返回值，须要将func的运行结果赋值给变量res
22 @timer
23 def test3():
24     return "this is test3 name"
25 
26 #调用
27 test1()
28 test2("ssss")
29 print(test3())

View Code

定义：本质是函数，（装饰其余函数）就是为其余函数添加附加功能

原则：

不能修改被装饰的函数的源代码

不能修改被装饰的函数的调用方式

 1 import time
 2 def timmer(func):
 3     def warpper(*args,**kwargs):
 4         start_time=time.time()
 5         func()
 6         stop_time=time.time()
 7         print("the func run time is %s" %(stop_time-start_time))
 8     return warpper
 9 @timmer
10 def test1():
11     time.sleep(3)
12     print("in the test1")
13 test1()

View Code

实现装饰器知识储备
- 函数即“变量”
  - #补充知识：匿名函数
    calc=lambda x:x*3
    print(calc(3)) #结果为9
  - 定义一个函数，就至关于将函数体赋值给一个变量，这个变量的名称是函数名称
- 高阶函数
  - 两个条件，知足其中之一即是高阶函数
    - 把一个函数名当作一个实参传递给另一个函数（在不修改被装饰函数源代码的状况下为其添加功能）
    - 返回值中包含函数名（不修改函数调用方式）
- 嵌套函数
  在一个函数体内再用def定义函数
```
 1 x=0
 2 def grandpa():
 3     x=1
 4     def dad():
 5         x=2
 6         def son():
 7             x=3
 8             print(x)
 9         son()
10     dad()
11 grandpa()
```
  View Code

生成器

列表生成式 [ i*2 for i in range(10) ]或者 [ func(i) for i in range(10) ] #占用很大的内存空间

不支持切片
#生成器只有在调用时才会生成相应的数据

生成器获取下一个数据的方法c.__next__()
生成器为何没法获取上一个数据？生成器之因此省内存，缘由就是只记住当前的数据（只记录当前的位置），没法获取以前的数据，只能获取下一个数据（只有一个__next__()方法）

将斐波那契数列作成生成器

 1 def fib(max):
 2     n,a,b=0,0,1
 3     while n<max:
 4         yield b #转换成生成式
 5         a,b=b,a+b
 6         n+=1
 7     return "--done--"
 8 g=fib(100)
 9 while True:
10     try:
11         n=g.__next__() #获取下一个数值
12         print(n)
13     except StopIteration as e: #超出范围处理
14         print("Generator return value:",e.value)
15         break

View Code

生成器的并行运算

 1 import time
 2 def consumer(name): #消费者
 3     print("%s 准备吃包子啦！"%name)
 4     while True:
 5         baozi=yield
 6         print("包子[%s]来了，被[%s]吃了！"%(baozi,name))
 7 def producer(name):
 8     c=consumer("A")
 9     c2=consumer("B")
10     c.__next__()
11     c2.__next__()
12     print("老子开始准备作包子了")
13     for i in range(10):
14         time.sleep(1)
15         print("作了两个包子")
16         c.send(i)
17         c2.send(i)
18 #协程
19 producer("alex")
20 
21 # c=consumer("ChenRonghua")
22 # c.__next__()
23 # b1="韭菜馅"
24 # c.send(b1) #send给yield传值
25 # #next只唤醒生成器可是不传值，send唤醒后传值

View Code

迭代器
能够直接做用于for循环的数据类型有如下几种：一、集合数据类型，如list、tuple、dict、set、str等，二、generator，包括生成器和带yield的generator function，这些直接做用于for循环的对象统称为可迭代对象：Iterable
可使用isinstance()判断一个对象是不是Iterable对象：
from collections import Iterable
isinstance((x for x in range(10)),Iterator) #True
isinstance([],Iterator) #False，[]、{}、'abc'均为False
生成器都是迭代器对象，可是list、dict、str虽然都是可迭代的，却不是迭代器，把list、dict、str等可迭代的数据类型变成迭代器，可使用iter()函数，例如iter([])或者iter('abc')
- 小结
  凡是可做用于for循环的对象都是可迭代类型，
  凡是可做用于next()函数的对象都是迭代器类型，他们表示惰性计算的序列
  集合数据类型如list、dict、str等都是可迭代的，但不是迭代器，不过能够经过iter()函数获取一个迭代器对象
  python的for循环本质上就是不断调用next()函数实现的
内置函数
- abs() #取绝对值
- all() #可迭代对象中所有数据为真则返回true，不然为false，
- any() #可迭代对象中有一个数据为真则为true，不然为false，空也为false
- ascii() #将处理对象变成一个字符串（可打印的对象）
- bin() #十进制数字转成二进制
- oct() #十进制数字转成八进制
- bool() #判断数据的真假
- bytearray() #可修改的二进制字节格式
- callable() #判断对象是否能够调用
- chr() #将数字变成ascii表中的字符
- ord() #将ascii表中的字符变成数字
- compile() #将字符串变成可以执行的代码
  例如：code是一段函数直接变成的代码
  py_obj=compile(code,"err.log","exec")
  exec(py_obj)
  或者直接用exec(code)执行，不须要compile
- dir() #查看对象的方法函数
- divmod() #相除以后返回余数
- eval() #将字符串变成字典
- filter() #过滤出数据中本身想要的数据
- map() #对传入的每个值按照前面的函数处理
- functools.reduce() #将这次处理结果递交给下一次做为输入
- frozenset() #冻结集合，将集合变为没法修改的集合
- round() ##保留n位小数
- sorted() #排序
- zip() #将两个列表按照元素位置拼接在一块儿

json序列化和反序列化

序列化

import json
info={
    "name":"alex",
    "age":22
}
f=open("test.txt","w")
f.write(json.dumps(info))
f.close()

反序列化

import json
f=open("test.txt","r")
data=json.loads(f.read())
print(data["age"])

pickle序列化和反序列化

序列化

import pickle
info={
    "name":"alex",
    "age":22
}
f=open("test.txt","wb")
f.write(pickle.dumps(info)) #或者pickle.dump(info,f)
f.close()

反序列化

import pickle
f=open("test.txt","rb")
data=pickle.loads(f.read()) #或者data=pickle.load(f)
print(data["age"])

软件目录结构规范
- 目录结构以下图
  - 简要解释
    - bin/：存放项目的一些可执行文件，固然你能够起名script/之类的也行
    - foo/：存放项目的全部源代码
      - 源代码中全部的模块、包都应该放在此目录。不要置于顶层目录
      - 子目录test/存放单元测试代码
      - 程序的入口最好命名为main.py
    - docs/：存放一些文档
    - conf/：存放软件运行所需的配置文件
    - setup.py：安装、部署、打包的脚本
    - requirements.txt：存放软件依赖的外部python包列表
      - 方便开发者维护软件包依赖。开发过程当中新增的包添加进这个列表中，避免在setup.py安装依赖时漏掉软件包
      - 方便读者明确项目使用了哪些python包
    - README：项目说明文件
      - 软件定位，软件的基本功能
      - 运行代码的方法：安装环境、启动命令等
      - 简要的使用说明
      - 代码目录结构说明，更详细点能够说明软件的基本原理
      - 常见问题说明
- 跨目录调用
  - __file__：当前文件的相对路径
  - 将当前工程目录添加到环境变量
    import sys,os
    BASE_DIR=os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
    sys.path.append(BASE_DIR)
  - 调用from conf import settingsfrom core import main #from后面跟子文件夹名字，import后面跟子文件夹下面的.py文件的名字