在 Python 编程的世界中，掌握高级概念和技术是提升编程能力的关键。本文将带领您深入探索 Python 的高级特性，通过实际的代码示例展示其强大之处。
1.装饰器（Decorators）
装饰器是 Python 中非常强大的特性，它可以在不修改函数源代码的情况下，为函数添加额外的功能。以下是一个简单的装饰器示例，用于计算函数的执行时间：
import time
def timeit(func):
def wrapper(*args, **kwargs):
start_time = time.time()
result = func(*args, **kwargs)
end_time = time.time()
print(f"Function {func.__name__} took {end_time - start_time} seconds to execute.")
return result
return wrapper
@timeit
def my_function():
# 这里是函数的具体实现
time.sleep(2)
print("Function completed.")
2.生成器（Generators）
生成器是一种特殊的迭代器，可以在需要的时候生成值，而不是一次性生成所有值。这对于处理大型数据集或无限序列非常有用。以下是一个生成斐波那契数列的生成器示例：
def fibonacci_generator():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
fib_gen = fibonacci_generator()
for _ in range(10):
print(next(fib_gen))
上下文管理器（Context Managers）
上下文管理器用于管理资源的获取和释放，确保在代码块执行完毕后正确地释放资源。Python 中的 with 语句就是用于使用上下文管理器的。以下是一个使用上下文管理器来管理文件操作的示例：
class FileHandler:
def __init__(self, filename, mode):
self.filename = filename
self.mode = mode
def __enter__(self):
self.file = open(self.filename, self.mode)
return self.file
def __exit__(self, exc_type, exc_val, exc_tb):
self.file.close()
with FileHandler('example.txt', 'w') as file:
file.write("Hello, World!")
并发与并行（Concurrency and Parallelism）
在现代编程中，处理并发和并行任务是非常重要的。Python 提供了多种方式来实现并发和并行，如多线程、多进程和异步编程。以下是一个使用多线程来同时执行多个任务的示例：
import threading
import time
def task(name):
print(f"Starting task {name}")
time.sleep(2)
print(f"Task {name} completed")
threads = []
for i in range(5):
thread = threading.Thread(target=task, args=(f"Task {i}",))
threads.append(thread)
thread.start()
for thread in threads:
thread.join()
