Python基础4
装饰器
装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象，装饰器是高阶函数与嵌套函数的集合。
概括的讲，装饰器的作用就是为已经存在的函数或对象添加额外的功能。
示例(一)
import time
def timer(func):
def timerr(*args,**kwargs):
starttime=time.time()
res=func(*args,**kwargs) #此处res是为了接收a函数的返回值
stoptime=time.time()
print('总耗时 {}'.format(stoptime-starttime))
return res
return timerr
@timer #相当于a=timer(a)
def a(name):
time.sleep(3)
print('My name is {}'.format(name))
return 'a函数运行完毕'
@timer
def b():
time.sleep(2)
print('the in b fun')
print(a('zyl'))
b()
示例(二)
不同的函数使用不同的功能
import time
def auth_user(user,passwd):
username = input('用户名：').strip()
password = input('密码：').strip()
if username == user and password == passwd:
print(' 33[32;1m认证成功 33[0m')
return True
else:
print(' 33[31;1m认证错误 33[0m')
return False
def timer(auth_type):
def auth(func):
def timerr(*args,**kwargs):
if auth_type == 'local':
if auth_user('zyl','123456'):
func(*args, **kwargs)
elif auth_type == 'ldap':
if auth_user('wq','abcdef'):
func(*args, **kwargs)
return timerr
return auth
def index():
print('in the index')
@timer(auth_type='local') #bbs=timer(local)(bbs)
def bbs():
print('in the bbs')
@timer(auth_type='ldap')
def home():
print('in the home')
index()
bbs()
home()
python对象销毁(垃圾回收)说明：
对象的引用计数变为0时，它被垃圾回收。但是回收不是"立即"的，由解释器在适当的时机，将垃圾对象占用的内存空间回收。
迭代器&生成器
生成器
定义：一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
示例(一):
a=(i*2 for i in range(10))
a.__next__()
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。
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象，for循环调用next可以自己定位到结束位置。
示例(二):
def fun(max):
n,b,c=0,0,1
while n<max:
yield c
b,c=c,b+c
n+=1
for i in fun(10):
print(i)
示例(三):
def fun(max):
n,b,c=0,0,1
while n<max:
yield c
b,c=c,b+c
n+=1
a=fun(10)
while True:
try:
print(next(a))
except StopIteration as e:
print(e.value)
break
yield 保存了函数的中断状态，next只会唤醒中断的函数,而send不仅会唤醒中断的函数还会传递一个值给yield.
yiled并行示例：
import time
def consumer(name):
print('{},准备吃包子了'.format(name))
while True:
baozi=yield
print('{}馅包子来了,被{}吃掉了'.format(baozi,name))
def producer(name):
a=consumer('wq')
a.__next__()
b=['韭菜','大蒜','狗肉','方便面','洗发膏']
for i in b:
time.sleep(1)
print('{}做了一个{}馅包子'.format(name,i))
a.send(i)
producer('zyl')
列表生成式
生产的数据保存在全部内存中，占用内存空间
示例：
def fun(i):
a=i*3
return '{}的三倍是 {}'.format(i,a)
print([fun(i) for i in range(10) ])
迭代器
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
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：
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance(100, Iterable)
False
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。
迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件。
特点：
- 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
- 不能随机访问集合中的某个值 ，只能从头到尾依次访问
- 访问到一半时不能往回退
- 便于循环比较大的数据集合，节省内存
可以使用isinstance()判断一个对象是否是Iterator对象：
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。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，将list、dict、str等Iterable变成Iterator可以使用iter()函数：
>>> isinstance(iter([]), Iterator)
True
内置方法
abs() 取绝对值
>>> abs(-1)
1
all() 判断可迭代对象中的值是否为真，为真返回True,如果有一个值非真则返回False。
>>> all([1,0])
False
>>> all([1,2])
True
any()判断可迭代对象中的值有一个为真则返回真。
>>> any([1,0])
True
>>> any([0,0])
False
bin()十进制转为二进制
>>> bin(11)
'0b1011'
bool()判断真假，零或空序列都为假。
>>> bool([])
False
>>> bool(0)
False
>>> bool('')
False
>>> bool({})
False
>>> bool(1)
True
callable()判断值是否可以调用,函数，类等后面可以加括号。
>>> def a():
... print(1)
...
>>> callable(a)
True
>>> callable(b)
False
chr()输入一个数字,解析成对应的assii码
>>> chr(300)
'Ĭ'
>>> chr(999)
'ϧ'
>>> chr(9999)
'✏'
ord()输入一个assii码解析成对应的数字
>>> ord('a')
97
>>> ord('b')
98
>>> ord('✏')
9999
exec()执行字符串代码。
>>> c='for i in range(3):print(i)'
>>> exec(c)
0
1
2
dir()可以查看一个数据类型内置方法，如列表，元组，字典等。
divmod()返回商和余数。
>>> divmod(10,3)
(3, 1)
filter()过滤出你想要的数据。
>>> res=filter(lambda n:n>5,range(10))
>>> for i in res:print(i)
...
6
7
8
9
>>> isinstance(res,Iterator)
True
map()它接收一个函数和一个列表，并通过把列表的每个元素依次应用到函数函数上，得到一个迭代器。
>>> res=map(lambda n:n*5,range(10))
>>> for i in res:
... print(i)
...
0
5
10
15
20
25
30
35
40
45
>>> isinstance(res,Iterator)
True
hash()将一段字符转为不变的，每次一样的数字，退出程序后下次会改变。
>>> hash('zyl')
-228675803
>>> hash('zyl')
-228675803
hex()转为16进制
>>> hex(15)
'0xf'
id()返回内存地址。
>>> a=1
>>> id('a')
47201312
oct()转为8进制
>>> oct(9)
'0o11'
pow()返回一个次方的值
>>> pow(3,3)
27
isinstance() 判断一个对象的类型
>>> isinstance([],list)
True
repr()将一个对象转换为字符串格式。
>>> a=[1,2,3]
>>> repr(a)
'[1, 2, 3]'
round()输入一个浮点数，只保留几位小数。
>>> round(1.234,2)
1.23
sorted()排序，默认以键排序，数据类型不能混用，如字符串与数字同时存在。
例：修改使其以valus排序
>>> a={3:4,-1:2,-3:5,2:-1}
>>> sorted(a.items(),key=lambda x:x[1]) #key是关键字。
zip()将两个对象合并起来，合并完以后就变成了迭代器。
>>> a=(1,2,3)
>>> b='abc'
>>> for i in zip(a,b):
... print(i)
...
(1, 'a')
(2, 'b')
(3, 'c')
eval()将字符串str当成有效的表达式来求值并返回计算结果,只能计算简单的，有判断语句就执行不了了。
>>> a='[1,2,3]'
>>> print(type(eval(a)))
<class 'list'>
使用eval可以将一个str格式转为一个函数
例：a1=['a','b']
def a():
print(1)
eval(a1[0])() #现在就可以直接运行a函数了。
bytearray()使二进制字符串，可根据ascll码的排列数字(0-255)来修改
frozenset()将集合转换为不可变类型。
globals()输出程序中所有的全局变量和值,不会输出函数内的值
iter()将可迭代对象转换为迭代器。
local()打印出函数的内部所有变量。
Json&Pickle数据序列化
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将文件中字符串以原有的格式读取出来，而不是str格式,只支持简单的格式。
例：import json
zyl={1:'a',2:"b"}
with open('new.py','w') as f:
f.write(json.dumps(zyl))
with open('new.py','r') as f:
a=json.loads(f.read())
print(a,type(a))
pickle和json一样但是存储的是二进制,Pickle只有在Python中可以使用。
例；import pickle
zyl={1:'a',2:"b"}
with open('new.py','wb') as f:
f.write(pickle.dumps(zyl))
with open('new.py','rb') as f:
a=pickle.loads(f.read())
print(a[1],type(a))
##loads与load区别：
with open('info','rb+') as f:
pickle.dump(b,f)
f.seek(0)
a=pickle.load(f)
print(a['a'])
从当前目录导入其他目录的py文件
BASE_DIR=os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.append(BASE_DIR)
from core import main ##如果main模块中也要导入同级目录下的其他模块，也要使用from core import 模块名，而不能直接import 模块名
每日练习
模拟实现一个ATM + 购物商城程序
- 额度 15000或自定义
- 实现购物商城，买东西加入 购物车，调用信用卡接口结账
- 可以提现，手续费5%
- 支持多账户登录
- 支持账户间转账
- 记录每月日常消费流水
- 提供还款接口
- ATM记录操作日志
- 提供管理接口，包括添加账户、用户额度，冻结账户等。。。
- 用户认证用装饰器
代码如下：
https://github.com/BigSleepDragon/Python/tree/master/ATM