Python基础（8）-装饰器、生成器、迭代器

1.装饰器

在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。本质上，decorator就是一个返回函数的高阶函数

1）正常函数

#!/usr/local/bin/python3
import time

def is_Prime(num):
    if num < 2:
        return True
    elif num ==  2:  
        return False
    else:
        for i in (2,num):
            if num % i == 0:
                return False
        return True

def find_Prime():
	t1 = time.time()
    for i in range(2,10000):
        if is_Prime(i):
            print(i)
	t2 = time.time()
	print(t2-t1)
	
find_Prime()

2）装饰器，无参数，无返回值

#!/usr/local/bin/python3
import time
def display_time(func):
    def wrapper():
        t1 = time.time()
        func()
        t2 = time.time()
        print(t2-t1)
    return wrapper
	
def is_Prime(num):
    if num < 2:
        return True
    elif num ==  2:  
        return False
    else:
        for i in (2,num):
            if num % i == 0:
                return False
        return True

@display_time
def find_Prime():
    for i in range(2,10000):
        if is_Prime(i):
            print(i)

find_Prime()

3）装饰器，有返回值

#!/usr/local/bin/python3
import time
def display_time(func):
    def wrapper():
        t1 = time.time()
        result = func()
        t2 = time.time()
        print(t2-t1)
	return result
    return wrapper
	
def is_Prime(num):
    if num < 2:
        return True
    elif num ==  2:  
        return False
    else:
        for i in (2,num):
            if num % i == 0:
                return False
        return True

@display_time
def find_Prime():
　　count = 0
    for i in range(2,10000):
        if is_Prime(i):
            count +=1
　　return count

find_Prime()

4）装饰器，有参数

def display_time(func):
    def wrapper(n):
        t1 = time.time()
        result = func(n)
        t2 = time.time()
        print(t2-t1)
        return result
    return wrapper
	
def is_Prime(num):
    if num < 2:
        return True
    elif num ==  2:  
        return False
    else:
        for i in (2,num):
            if num % i == 0:
                return False
        return True
		
@display_time
def find_Prime(n):
    count = 0 
    for i in range(2,n):
        if is_Prime(i):
            count += 1
    return count

find_Prime(10000)

2. 生成器

通过列表生成式，可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。比如我要循环100万次，按py的语法，for i in range(1000000)会先生成100万个值的列表。但是循环到第50次时，我就不想继续了，就退出了。但是90多万的列表元素就白为你提前生成了。

for i in range(1000000):
    if i == 50: 
        break
    print(i)

如上，for i in range(1000000)会先生成100万个值的列表。但是循环到第50次时，程序退出了，但是90多万的列表元素已经提前生成了，上述做法，不仅会占用很大的存储空间，而且绝大数元素占用的空间也浪费了。

在Python中，这种一边循环一边计算后面元素的机制，称为生成器：generator。

# 生成器创建
(x * x for x in range(10))

通过next()函数获得generator的下一个返回值，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。通过for循环来迭代它，就不需要关心StopIteration的错误

g = (x * x for x in range(10))
    for n in g:
        print(n)    

3.函数生成器

def fib(max):
    a,b = 0,1
    n = 0  # 斐波那契数
    while n < max:
        n = a + b
        a = b # 把b的旧值给到a
        b = n # 新的b = a + b(旧b的值)
        #print(n)
        yield n # 程序走到这，就会暂停下来，返回n到函数外面，直到被next方法调用时唤醒
f = fib(100) # 注意这句调用时，函数并不会执行，只有下一次调用next时，函数才会真正执行

print(f)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())

>>>输出结果：
第1个print：
第2个print：1
第3个print：2
第4个print：3
第5个print：5

这就是定义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语句暂停并返回数据到函数外，再次被next()调用时

从上次返回的yield语句处继续执行。

4.迭代器

可以直接作用于for循环的对象统称为可迭代对象：Iterable，可迭代的意思就是可遍历、可循环

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。

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数

为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函

数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。