【Python基础之函数:异常相关和生成器对象、yield用法、生成器表达式】

简介: 【Python基础之函数:异常相关和生成器对象、yield用法、生成器表达式】

一、异常常见类型


1、类型错误


TypeError: must be str, not int
类型错误:必须是一个字符串

2、缩进错误


IndentationError: unindent does not match any outer indentation level
缩进错误:未知缩进不匹配任何缩进等级

3、索引错误


IndexError: string index out of range
索引错误:字符串超出了范围

4、语法错误


SyntaxError: invalid syntax
语法错误:非法的语法

5、属性错误

AttributeError: 'tuple' object has no attribute 'remove'
属性错误:元组对象没有属性‘remove’

6、key键错误

KeyError: 'fond'
key键错误:没有指定的键‘fond’


二、异常处理语法结构


1、基本语法结构


关键词:
  try:
      # 监测的代码(可能出错的代码)
   except 错误类型:
    # 针对错误做的措施  


2、查看错误类型


代码用法:
  try:
      # 监测的代码(可能出错的代码)
   except 错误类型 as e:
    # 针对错误做的措施  e 就是错误的类型 可用print接收打印


3、针对不同类型所作措施


代码用法:
    try:
        待监测的代码(可能会出错的代码)
    except 错误类型1 as e:  # e就是系统提示的错误信息
        针对上述错误类型1制定的方案
    except 错误类型2 as e:  # e就是系统提示的错误信息
        针对上述错误类型2制定的方案
    except 错误类型3 as e:  # e就是系统提示的错误信息
        针对上述错误类型3制定的方案


4、万能异常


关键词: Excpetion/Baseexcpetion
代码用法:
   try:
        待监测的代码(可能会出错的代码)
    excpet Excpetion as e:  # e就是系统提示的错误信息
        针对各种错误统一做出处理


5、结合else使用


代码用法:
    try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
    else:
        try的子代码正常运行结束没有任何的报错后 再执行else子代码


6、结合finally使用


代码用法:
   try:
        待监测的代码(可能会出错的代码)
    except Exception as e:  # e就是系统提示的错误信息
        针对各种常见的错误类型全部统一处理
    else:
        try的子代码正常运行结束没有任何的报错后 再执行else子代码
    finally:
        无论try的子代码是否报错 最后都要执行finally子代码


三、异常处理补充


1、断言


作用:

用来判断代码类型,判断正确则正常按顺序往下执行,反之则报错

在没完善一个程序之前,我们不知道程序在哪里会出错,与其让它在运行最崩溃,不如在出现错误条件时就崩溃,这时候就需要assert断言的帮助

关键词:assert isinstance
  代码用法:
   判断正确:
    list_1 = [1, 2, 3, 4]
    assert isinstance(list_1 , list)
    print('判断正确...该我出场了...')
---------------------------------------------------------------------------------------
判断正确...该我出场了...
  判断错误:
    ist_1 = [1, 2, 3, 4]
    assert isinstance(list_1 , str)
    print('判断正确...该我出场了...')
--------------------------------------------------------------------------------------
    assert isinstance(list_1 , str)
AssertionError


2、主动抛异常


作用:


主动让代码报错


有时,程序需要主动抛出异常,因为某些情况下,你需要反馈消息给更上层的调用者,告诉它有一些异常情况发生,而你抛出异常的地方,没有能力处理它,因此需要向上抛出异常。


这种情况为什么不让系统自己抛出异常呢?一个原因是上层的调用者本身就希望能够捕获有别于系统异常的自定义异常,二来,有些情况下,程序的逻辑是没有异常的,但是,从业务角度考虑,的确是一个不寻常的情况,因此需要我们主动抛出异常。

关键词: raise
  代码表现:
    def func():
        print('嘿嘿嘿')
    raise func()
-------------------------------------------------------------------------------
    raise func()
TypeError: exceptions must derive from BaseException


四、异常处理实战应用


异常处理能少用就尽量少用

当代码中出现无法控制的情况报错才考虑使用try

使用代码模拟完成for循环遍历取值功能:

# 定义列表
list_1 = ['春', '夏', '秋', '冬']
# 将列表转换为迭代器
l2 = list_1.__iter__()
# 检测这段代码
try:
    while True:
        print(l2.__next__())
# 拦截报错信息,并处理
except StopIteration:
    pass
--------------------------------------------------------------------------------


五、生成器对象


引言:


生成器的本质也是迭代器,它是由程序员编写出来的迭代器


生成器的本质也是含有__ iter __ 和__ next __ 的迭代对象


1、创建生成器的基本语法


1、需要在函数体代码中填写关键词:yield

2、当函数体代码中含有yield关键词时,运行此段函数体代码并不会执行,而是将函数体代码变为生成器对象

3、在使用__ next __调用生成器对象后代码才会运行

4、代码在运行后遇到yield关键词后会停止运行,并在当前位置停留,下次基于该位置继续往下找第二个yield

关键词:yield    # 在函数体代码中填写
1.基本用法: 
    代码用法:
        def func(a):
            print(a+0, '执行了第1段代码')
            yield
            print(a+1, '执行了第2段代码')
            yield
            print(a+2, '执行了第2段代码')
            yield
        res = func(1).__iter__()
        res.__next__()
        res.__next__()
        res.__next__()
------------------------------------------------------------------------------
1 执行了第1段代码
2 执行了第2段代码
3 执行了第2段代码


六、yield冷门用法


yield关键词还可以给函数体进行传参

def func(name, verb=None):
    print(f'{name}')
    while True:
        verb = yield
        print(f'{name}在{verb}')
res = func('kangkang')
res.__next__()
res.send('吃饭')
res.send('码代码')
res.send('睡觉')
res.send('背单词')
---------------------------------------------------------------------------------------
kangkang
kangkang在吃饭
kangkang在码代码
kangkang在睡觉
kangkang在背单词


七、生成器表达式


1、什么是生成器表达式


生成器表达式就区别与之前的所学的表达式,生成器表达式就相当于生成了一个数据值库,只有在我们进行取值是才会生成,能够大幅度节省内存空间


2、生成器语法结构


list_1 = [i for i in range(0, 100)]
print(list_1)
-------------------------------------------------------------------------------------
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]


八、索引取值和迭代取值的区别


1、索引取值


优点:

1.可以通过值的位置取值

2.同一值可取多次

缺点:

1.依赖与索引的方式才能取值


2、迭代取值


优点:

1.节省空间

缺点:

1.同一值只能取一次,不可多次取相同值


相关文章
|
2天前
|
数据挖掘 数据处理 索引
python常用pandas函数nlargest / nsmallest及其手动实现
python常用pandas函数nlargest / nsmallest及其手动实现
18 0
|
15天前
|
Python
python函数的参数学习
学习Python函数参数涉及五个方面:1) 位置参数按顺序传递,如`func(1, 2, 3)`;2) 关键字参数通过名称传值,如`func(a=1, b=2, c=3)`;3) 默认参数设定默认值,如`func(a, b, c=0)`;4) 可变参数用*和**接收任意数量的位置和关键字参数,如`func(1, 2, 3, a=4, b=5, c=6)`;5) 参数组合结合不同类型的参数,如`func(1, 2, 3, a=4, b=5, c=6)`。
14 1
|
7天前
|
Serverless 开发者 Python
《Python 简易速速上手小册》第3章:Python 的函数和模块(2024 最新版)
《Python 简易速速上手小册》第3章:Python 的函数和模块(2024 最新版)
40 1
|
8天前
|
索引 Python
Python高维变量选择:SCAD平滑剪切绝对偏差惩罚、Lasso惩罚函数比较
Python高维变量选择:SCAD平滑剪切绝对偏差惩罚、Lasso惩罚函数比较
10 0
|
9天前
|
开发者 索引 Python
Python中的海象运算符:简洁而强大的赋值表达式
【4月更文挑战第17天】Python 3.8 引入了海象运算符 `:=`,也称赋值表达式运算符,用于在表达式内部赋值,简化代码并提升可读性。它能用于条件判断、循环控制和函数参数等场景,优化逻辑流程。然而,使用时需注意可读性、运算符优先级及赋值限制,以确保代码清晰易懂。海象运算符是Python编程的一个有用工具,但应根据情况谨慎使用。
|
9天前
|
缓存 大数据 数据处理
Python迭代器、生成器和装饰器探究
【4月更文挑战第2天】 迭代器是遍历集合元素的对象,实现`__iter__()`和`__next__()`方法。示例中自定义迭代器`MyIterator`用于生成整数序列。 - 生成器简化了迭代器实现,利用`yield`关键词实现状态保存,减少内存占用。示例中的`my_generator`函数即为一个生成器。 - 装饰器用于修改函数行为,如日志记录、性能分析。装饰器`my_decorator`在函数调用前后添加额外代码。
23 0
|
9天前
|
Python
python面型对象编程进阶(继承、多态、私有化、异常捕获、类属性和类方法)(上)
python面型对象编程进阶(继承、多态、私有化、异常捕获、类属性和类方法)(上)
52 0
|
9天前
|
Python
python学习-函数模块,数据结构,字符串和列表(下)
python学习-函数模块,数据结构,字符串和列表
49 0
|
9天前
05-python之函数-函数的定义/函数的参数/函数返回值/函数说明文档/函数的嵌套使用/函数变量的作用域
05-python之函数-函数的定义/函数的参数/函数返回值/函数说明文档/函数的嵌套使用/函数变量的作用域
|
10天前
|
大数据 数据处理 开发者
深入理解Python中的迭代器和生成器
Python中的迭代器和生成器是实现高效循环和处理大型数据集的重要工具。本文将深入探讨迭代器和生成器的概念、原理以及在实际开发中的应用场景,帮助读者更好地理解和利用这些强大的工具。