Python开发基础总结(三)排序+迭代+生成器+装饰器

简介: Python开发基础总结(三)排序+迭代+生成器+装饰器

一、排序


1、    list自己提供了排序的函数:sort。

2、    sort的参数:

a)    cmp是一个比较函数,输入两个元素,比较大小,返回值为-1,0,1.

b)    key也是一个函数,入参为一个元素,返回这个元素的关键字。

c)    reverse是一个标志位,表示升序还是降序。默认False是升序,True表示降序。

3、使用key和reverse的性能,优于cmp函数。时间是cmp函数的一半。

二、迭代的使用


1、    迭代比直接使用列表遍历效率根据高。比如字典的keys函数返回的列表,以及iterkeys返回的迭代器。

2、    reversed() 内建函数将返回一个反序访问的迭代器.参数必须为序列。

3、    enumerate:返回一个迭代器:有索引值。

4、    for  eachLine  in  myFile  替 换   for  eachLine  in myFile.readlines() :

5、    注意:在迭代的过程中不可以更改序列,否则会引发问题,导致迭代出错。

6、    可以自己定义一个类,可以迭代使用。不过需要定义方法:iter,next。

7、    filter(function, iterable):可以对迭代使用过滤器。

三、生成器的使用


1、    yield关键字可以阻塞住函数的执行,并且保存当前的执行环境,整个包被称为生成器。

2、    生成器可以通过调用生成器函数来创建。生成器函数是指包含关键字yield的函数。

3、    生成器可以通过.next()来执行。每调用一次,就执行代码,直到遇到yield关键字停止,并且返回yield关键字后面的表达式的值。

4、    可以通过调用send()函数来发送消息到生成器中。a = yield l:表示将send的入参赋值给a。

5、    throw:允许客户端传入要抛出的任何异常。

6、    和throw相同,只不过是要抛出一个特定的异常:GeneratorExit。

7、    send只接受一个参数,但是可以通过传递元组的方式传递多个参数。

8、    类的方法也可以返回生成器,因为他本质上就是一个函数。

9、    在生成器使用的时候,如何获取它自身的send和nex函数?通过send二次传入是有些风险的,非常可能造成交叉引用,无法垃圾回收造成内存泄露。

10、    第一次,必须调用next来启动生成器。

四、装饰器的使用


1、    装饰器本质上来说就是函数(或者是可调用对象),他们接受函数对象。装饰器仅仅用来装饰或者修饰函数的包装,返回一个修改后的函数对象,并将其赋值原来的标示符,并永久失去对原有函数的访问。

2、    什么是带参数的装饰器?其实就是一个函数,这个函数可以返回一个装饰器,同时这个函数可以接受参数。

3、    不带参数的装饰器要返回一个函数,这个函数就是用来替换原有的标示符的。

def decofun(fun):
    def _mydeco(*args, **kwargs):
        print('before fun!')
        ret = fun(*args, **kwargs)
        print('after fun', ret)
        return ret
    return _mydeco#新的函数,用于替换原有标示符
@decofun
def funtest():#funtest被替换为decofun
    print('now in funtest!')
    return 1
funtest()
复制代码

4、    装饰器是可以重叠的,那么他们的顺序怎么样:

a)    @decofun2

b)    @decofun

c)    def funtest():

d)        print('now in funtest!')

e)        return 1

f)    原理是,funtest首先被decofun包装,然后再被decofun2包装。也就是,调用的时候,首先调用的是最上面的装饰器(也就是decofun2)的函数前面部分,然后再调用decofun的函数前面部分,之后再调用funtest。funtest返回后,首先调用的是decofun的函数后面部分,再调用decofun2后面部分。类似于一个栈的结构。

5、    装饰器不要滥用。如果一个装饰器只用了一次,要考虑他存在的必要了。

6、    携带参数的装饰器:

7、    def decoarg(arg):

a)        def decofun3(fun):

b)            def _mydeco(*args, **kwargs):

c)                print('decoarg before fun!', arg)

d)                ret = fun(*args, **kwargs)

e)                print('decoarg after fun', ret)

f)                return ret

g)            return _mydeco

h)        return decofun3

8、    装饰器用到的一个最重要的技术,就是闭包。装饰器函数返回的其实就是一个闭包。

9、    装饰器也可以修饰类的__方法:

class testc:

def __init__(self):
        self.i = 1
复制代码

@decoarg(1)

@decofun2

@decofun

def call(self):

print('i is %d' % self.i)
复制代码

注意:装饰器修饰类方法是无法被子类继承的(或者说子类的方法是没有被修饰的)。因为他本质上就是一个函数。

10、    装饰器也可以使对象,比如:

a)    class obj:

b)        def init(self, fun):

c)            self.fun = fun

d)            

e)        def call(self, *args, **kwargs):

f)            print('decofun before fun!', args, kwargs)

g)            ret = self.fun(*args, **kwargs)

h)            print('decofun after fun', ret)

i)            return ret

j)    @objdeco

k)    def funtest(a, b=2):

l)        print('funtest1 a , b =', a, b)

a)    这种方法看起来复杂了,但是可能会在有时候会比较有用。

11、    装饰器可以修饰类。这个时候装饰器接收的是一个类名,而返回的也是这个类名。它可以为这个类添加一些属性或者进行一些操作。


作者:zhulin1028

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

相关文章
|
2月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
293 0
|
2月前
|
测试技术 Python
Python装饰器:为你的代码施展“魔法”
Python装饰器:为你的代码施展“魔法”
266 100
|
3月前
|
设计模式 缓存 监控
Python装饰器:优雅增强函数功能
Python装饰器:优雅增强函数功能
288 101
|
2月前
|
缓存 Python
Python装饰器:为你的代码施展“魔法
Python装饰器:为你的代码施展“魔法
162 88
|
3月前
|
存储 缓存 测试技术
Python装饰器:优雅地增强函数功能
Python装饰器:优雅地增强函数功能
206 98
|
3月前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
538 7
|
3月前
|
缓存 测试技术 Python
解锁Python超能力:深入理解装饰器
解锁Python超能力:深入理解装饰器
140 2
|
3月前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
263 2
|
Python
对Python中一些“坑”的总结及技巧
一.赋值即定义 1.运行以下代码会出现报错 #!/usr/bin/env python #_*_conding:utf-8_*_ x = 100 def outer(): def inner(): x += 100    #其实这里等效于"x = x + 100",我们直到这是一个赋值语句,会优先计算右边的等式,即"x + 100".而在此时由于x变量赋值即定义,即此时的x和全局作用域的x并非同一个对象。
821 0
|
3月前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
321 102

推荐镜像

更多