python装饰器

迭代器 迭代器是访问集合元素的一种方式。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，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件 特点： 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容 不能随机访问集合中的某个值 ，只能从头到尾依次访问 访问到一半时不能往回退 便于循环比较大的数据集合，节省内存 from collections import Iterator # isinstance() 判断是否是 迭代器# 可以被next()函数不断返还下一个值的被称为迭代器# iter() 可以将 list dict str 编程迭代器 生成器generator 定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器 #!/usr/bin/env python # -*- coding: utf-8 -*- # By Garrett a = [i*2 for i in range(10)] print(a) #

一个小demo def set_level(level_num): def set_func(func): def call_func(*args, **kwargs): if level_num == 1: print("----权限级别1，验证----") elif level_num == 2: print("----权限级别2，验证----") return func() return call_func return set_func # 带有参数的装饰器装饰过程分为2步: # 1. 调用set_level函数，把1当做实参 # 2. set_level返回一个装饰器的引用，即set_func # 3. 用返回的set_func对test1函数进行装饰（装饰过程与之前一样） @set_level(1) def test1(): print("-----test1---") return "ok" @set_level(2) def test2(): print("-----test2---") return "ok" test1() test2() 来源： https://www.cnblogs.com/GouQ/p/11769698.html

第1章 python数据模型 python的写法是由背后的魔法方法实现的，比如obj[key]，解释器实际调用的是obj.__getitem__(key) 作者把魔法方法叫做双下方法，因为有两个下划线 collections.namedtuple可以用来创建只有少数属性但没有方法的对象，比如 beer_card = Card('7', 'diamonds') random.choice和random.sample不一样的地方在于，sample是返回序列，choice是返回元素，当使用sample(list, 1)[0]的时候，不如直接使用choice(list) deck[12::13]，是指先抽出索引是12的那张牌，然后每向后数13张牌拿一张 实现了__getitem__让对象变得可迭代了 sorted(deck, key=spades_high) python sorted函数 suit_values = dict(spades=3, hearts=2, diamonds=1, clubs=0) def spades_high(card): rank_value = FrenchDeck.ranks.index(card.rank) return rank_value * len(suit_values) + suit_values[card.suit]

合并字典：请合并下面两个字典 a = {"A"：1,"B"：2},b = {"C"：3,"D"：4} dict1 = {"A": 1, "B": 2} dict2 = {"C": 3, "D": 4} # 方式一 **表示打散 print({**dict1, **dict2}) # * ** 都表示打散可迭代对象 # 方式二 update方法 dict1.update(dict2) # 合并字典 元组操作：如何把元组 ("a","b") 和元组 (1,2)，变为字典 {"a"：1,"b"：2} # zip的使用 a = ("a", "b") b = (1, 2) print(dict(zip(a, b))) 交换字典的键和值 dict1 = {"A": 1, "B": 2} res = {k: v for v, k in dict1.items()} print(res) 我们知道对于列表可以使用切片操作进行部分元素的选择，那么如何对生成器类型的对象实现相同的功能呢？ Python交换两个变量的值 a,b=b,a 这个不是元组解包，在栈的顶端做两个值的交换。 read()/readline()/readlines() with open('test.txt', 'r', encoding='utf-8') as f: text = f.read() print(text) with

一 前言 上一章说了那么多，不知道大家是否有跃跃欲试的冲动。说实话，编程就像英语一样，只是一门语言，如果不用出来，能力会衰退。就像荒岛没人对话，时间长了很可能就不会说话了。如果不能自己写出来，永远就是别人的东西。这就是为什么很多人看了网络上那么多视频都学不会的原因。是的，可能你也正在看，甚至跟着视频将代码敲了下来，但是这些都是别人的。试着问自己一下，关了视频再写一遍，能做到吗？大概率是做不到的。。。怎么办？多写？写到吐？NO!!! base on project的学习计划才是有意义的。盲目多写，或者盲目写重复的内容只能让你记住了一部分的写法，思路不是你的。找一个目标，你喜欢的方向，往那个方向去研究，找那个方向的project去做。举个例子，我喜欢炒股炒外汇，那就去看一些关于量化交易系统的书或者文章，试着写一个自动买卖的小系统。为什么要这样做？因为持久的学习需要满足感，需要自信心。当自己写的程序能跑起来时，那种快感是难以言喻的。当然，无论选择哪个方向，基础还是必须打好的，没有这些基础，根本无法支撑你走得更远，更无法达到你的目标，所以，加油！坚持！ 二 三元运算（装13用！！！~~~） 上一章的流程控制，是不是一个if...else...就得分好几行来写，难道就不能有一行写完的表达方式？必须有啊，写出来还特别有逼格。别人几百行实现的功能，几十行就实现了，是不是短小精悍？ # 正常写法

## 生成器 　　- 生成器是用来创建Python序列的一个对象 　　- 通常生成器是为迭代器产生数据的 　　- 例如range()函数就是一个生成器 　　- 每次迭代生成器时，它都会记录上一次调用的位置，并返回下一个值，这使程序不需要创建和存储完整的序列 ## 生成器函数 　　- 生成器函数与普通函数类似，但它的返回值使用yield语句，而不是return 1 def my_range(start=0, last=10, step=1): 2 number = start 3 while number < last: 4 yield number 5 number += step 6 7 my_range # 是一个普通函数 8 # <function my_range at 0x7efe3dbf2e18> 9 10 my_range() # 返回一个生成器对象 11 # <generator object my_range at 0x7efe3daac360> 12 13 list(my_range(1, 10)) 14 # [1, 2, 3, 4, 5, 6, 7, 8, 9] ## 装饰器 　　- 装饰器的作用在于在不改变原有代码结构的前提下，对原有代码的功能进行补充扩展 　　- 装饰器的本质上是接受函数为参数的高阶函数

最近在学习深度学习，已经跑出了几个模型，但Pyhton的基础不够扎实，因此，开始补习Python了，大家都推荐廖雪峰的课程，因此，开始了学习，但光学有没有用，还要和大家讨论一下，因此，写下这些帖子，廖雪峰的课程连接在这里： 廖雪峰 Python的相关介绍，以及它的历史故事和运行机制，可以参见这篇： python介绍 Python的安装可以参见这篇： Python安装 Python的运行模式以及输入输出可以参见这篇： Python IO Python的基础概念介绍，可以参见这篇： Python 基础 Python字符串和编码的介绍，可以参见这篇： Python字符串与编码 Python基本数据结构：list和tuple介绍，可以参见这篇： Python list和tuple Python控制语句介绍：ifelse，可以参见这篇： Python 条件判断 Python控制语句介绍：循环实现，可以参见这篇： Python循环语句 Python数据结构：dict和set介绍 Python数据结构dict和set Python函数相关： Python函数 Python高阶特性： Python高级特性 Python高阶函数： Python高阶函数 Python匿名函数： Python匿名函数 Python装饰器： Python装饰器 Python偏函数： Python偏函数 Python模块：

class Decorator(): def __init__ (self, f): print ( ‘ run in init...... ‘ ) self.f = f def __call__ (self, a, b): self.f(a, b) @Decorator # add = Decorator(add) def add(a, b): print ( ‘ a + b: ‘ , a+ b) add( 10, 20) 描述符： 3.__set__,__get__,__delete__都是啥 1). 这3个特殊的函数说实话我学Python的时候都没有用过 ，后来在看一些进阶的书的时候才发现它的妙用! 其实都是Python类里面的描述符概念 ，描述符允许你自定义在引用一个对象属性是应该完成的事情。这3个特殊的方法组合了Python里面的描述法协议： __set__:在设计属性的时候被调用 __get__:在读取属性的时候被调用 __delete__:在删除属性的时候被调用 a=A() a.x >> In __get__ <__main__.A object at 0x10089aa58> <class ‘__main__.A‘> a.x=5 >>In __set__ <__main__.A object at 0x101feba90> 5 对x进行赋值的时候，其实就会被_

装饰器：作用就是抽离函数中大量御寒数本身无关的雷同代码并重用。 为存在的对象添加额外的功能 出现''TypError:'NoneType' is not callabale'' 是因没有定义嵌套函数 @其实就是字符输入上了一点， 看起来像装饰器 关于内置的装饰器: staticmethod,classmethod和property（作用:静态方法，类方法，类属性） functools模块 提供的模块: wraps(wrapped[,assigned][,update]): 未完待续！ 文章来源: Python 装饰器

《流畅的Python》笔记。 本篇将从最简单的装饰器开始，逐渐深入到闭包的概念，然后实现参数化装饰器，最后介绍标准库中常用的装饰器。 函数装饰器用于在源代码中“标记”函数，以某种方式增强函数的行为。装饰器就是函数，或者说是可调用对象，它以另一个函数为参数，最后返回一个函数，但这个返回的函数并不一定是原函数。 以下是装饰器最基本的用法： # 代码1 #装饰器用法 @decorate def target () : pass # 上述代码等价于以下代码 def target () : pass target = decorate ( target ) 即，最终的 target 函数是由 decorate(target) 返回的函数。下面这个例子说明了这一点： # 代码2 def deco ( func ) : def inner () : print ( "running inner()" ) return inner @deco def target () : print ( "running target()" ) target () print ( target ) # 结果 running inner () # 输出的是装饰器内部定义的函数的调用结果 < function deco .< locals >. inner at 0x000001AF32547D90 >