Python学习笔记-DAY-4

1. 迭代器和生成器

1.1 生成器：
列表生成器 Python中，这种一边循环一边计算的机制，称为生成器：generator


  • 定义generator的一种方法：只要把一个列表生成式的[]改成()

直接打印出list的每一个元素，但生成器只有next()这样一种方法
generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration的错误。正确的方法是使用for循环，因为generator也是可迭代对象：

  • 定义generator的另一种方法：如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator


generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

#列表生成式
a=[i*2 for i in range(10)]
c=(a)
print(a)
print(c)


def fib(max):
    n,a,b =0,0,1
    while n<max:

        yield b
        a, b=b, a+b
        n=n+1

    return "done"

print(fib)


g=fib(6)

while True:

    try:
        x=next(g)
        print('G:',x)

    except StopIteration as e:
         print('Generation finished',e.value)
         break

通过yield实现在单线程的情况下实现并发运算的效果

# Author AlleyYu
import time

#####yield 生成器，保持现在的状态,下次调用时从该状态起继续执行
##协程

def consumer(name):
    print('包子来了，%s开始吃包子了',name)
    while True:
        baozi=yield
        print('%s 包子来了, 被%s 吃了'%(baozi,name))


#c = consumer('Tom')
#next(c)
#c.__next__()



def producer(name):

    c1=consumer('A')
    c2=consumer('B')
    c1.__next__()
    c2.__next__()
    print('运行开始>>>>>>>>>>>>>>>>')
    for i in range(10):
        time.sleep(1)
        print('包子来了')
        c1.send(i)
        c2.send(i)

producer('Cat')


1.2 迭代器

*可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。 可以使用isinstance()判断一个对象是否是Iterable对象：


小结
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterat


二 装饰器
其他高级语言类似,Python 不允许在函数未声明之前,对其进行引用或者调用
定义：本质是函数，用于装饰其它函数，为其它函数增加附件功能
原则：
1. 不能修改被装饰函数的源代码
2. 被装饰函数的调用方式不能被修改

实现装饰器的知识储备
1. 函数即变量
2. 高阶函数
函数名作为变量传给函数（不修改源代码）
返回值中包含函数名（不改变函数的调用方式）
3. 嵌套函数
高阶函数+嵌套函数--》 装饰器

# Author AlleyYu
import time
def timer(fun):

    def deco(*args,**kargs):

        start_time=time.time()
        fun(*args,**kargs)
        stop_time=time.time()
        print("the whole time is %s" %(stop_time-start_time))
    return deco


@timer # test1=timer(test1)
def test1():
    time.sleep(1)
    print('in test1')
@timer
def test2(name):
    print('in test2',name)

test1()
test2('tom')
# Author AlleyYu
#终极装饰器
user, passw='tom','abc123'

def authen(authen_type):
    print('Authen type:',authen_type)
    def out_wrapper(fun):
        def wrapper(*args,**kargs):
            print('wrapper args:', *args,**kargs)
            if authen_type=='local':
                username=input('User>>').strip()
                password=input('Pass>>').strip()
                if user==username and passw==password:
                    res=fun(*args,**kargs)
                    print('Welcome login')
                    return res
                else:
                    exit()
            elif authen_type=='ldap':
                print('ldap')
        return wrapper

    return out_wrapper

def home():
    print('in home')
@authen(authen_type='local')
def index():
    print('in index')
    return('from home')
@authen(authen_type='ldap')
def bbs():
    print('in bbs')


home()
index()
print(home())  #wrapper()
bbs()

三. Json & Pickle

程序中建议 dumps load 各一次

用于序列化的两个模块

  • json，用于字符串 和 python数据类型间进行转换
  • pickle，用于python特有的类型 和 python的数据类型间进行转换

Json模块提供了四个功能：dumps、dump、loads、load

pickle模块提供了四个功能：dumps、dump、loads、load

# Author AlleyYu
import pickle
data={'k1':'123', 'k2':'help'}
#dumps 将数据转换成朋友python语言认识的字符串
p_str=pickle.dumps(data)
print(type(p_str))

with open('D:/result.pk','w') as fp:
    pickle.dump(data,fp)

import json

#dumps 将数据转换成朋友python语言认识的字符串
p_str=json.dumps(data)
print(type(p_str))

with open('D:/result.pk','w') as fp:
json.dump(data,fp)




四。目录结构


目录组织方式


关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。


这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。


假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:


Foo/
|-- bin/
|   |-- foo
|
|-- foo/
|   |-- tests/
|   |   |-- __init__.py
|   |   |-- test_main.py
|   |
|   |-- __init__.py
|   |-- main.py
|
|-- docs/
|   |-- conf.py
|   |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README



简要解释一下:


    

  1. bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。
    2. 

  2. foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。
    3. 

  3. docs/: 存放一些文档。
    4. 

  4. setup.py: 安装、部署、打包的脚本。
    5. 

  5. requirements.txt: 存放软件依赖的外部Python包列表。
    6. 

  6. README: 项目说明文件。
    7. 



除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。


下面，再简单讲一下我对这些目录的理解和个人要求吧。


关于README的内容


这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。


它需要说明以下几个事项:


    

  1. 软件定位，软件的基本功能。
    2. 

  2. 运行代码的方法: 安装环境、启动命令等。
    3. 

  3. 简要的使用说明。
    4. 

  4. 代码目录结构说明，更详细点可以说明软件的基本原理。
    5. 

  5. 常见问题说明。
    6. 



我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。


可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。


关于requirements.txt和setup.py


setup.py


一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。


这个我是踩过坑的。


我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:


    

  1. 安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。
    2. 

  2. Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。
    3. 

  3. 如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。
    4. 

  4. 新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。
    5. 



setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。


setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py


当然，简单点自己写个安装脚本（deploy.sh）替代setup.py也未尝不可。


requirements.txt


这个文件存在的目的是:


    

  1. 方便开发者维护软件的包依赖。将开发过程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。
    2. 

  2. 方便读者明确项目使用了哪些Python包。
    3. 



这个文件的格式是每一行包含一个包依赖的说明，通常是flask>=0.10这种格式，要求是这个格式能被pip识别，这样就可以简单的通过 pip install -r requirements.txt来把所有Python包依赖都装好了。具体格式说明： 点这里。



关于配置文件的使用方法


注意，在上面的目录结构中，没有将conf.py放在源码目录下，而是放在docs/目录下。


很多项目对配置文件的使用做法是:


    

  1. 配置文件写在一个或多个python文件中，比如此处的conf.py。
    2. 

  2. 项目中哪个模块用到这个配置文件就直接通过import conf这种形式来在代码中使用配置。
    3. 



这种做法我不太赞同:


    

  1. 这让单元测试变得困难（因为模块内部依赖了外部配置）
    2. 

  2. 另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。
    3. 

  3. 程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖conf.py这个文件。
    4. 



所以，我认为配置的使用，更好的方式是，


    

  1. 模块的配置都是可以灵活配置的，不受外部配置文件的影响。
    2. 

  2. 程序的配置也是可以灵活控制的。
    3. 



能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。


所以，不应当在代码中直接import conf来使用配置文件。上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的。





        

	      

	    

	  

	  

	    
      
        【推广】
        免费学中医，健康全家人
      
	  

    

    

          原文地址：https://www.cnblogs.com/alleyyu/p/5776763.html