python 装饰器、列表生成式、生成器、迭代器

# 作用域
# 高阶函数
# 闭包

# 闭包(closure)是函数式编程的重要的语法结构。

# 定义：如果在一个内部函数里，对在外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包(closure).

# 闭包=函数块+定义函数时的环境，inner就是函数块，x就是环境，当然这个环境可以有很多，不止一个简单的x。


# def outer():
#     x = 1
#
#     def inner():
#         b = 6
#         print(x)
#
#     return inner
#
#
# # inner()#报错原因:找不到这个引用变量
# in_func = outer()  # 这里其实就是一个变量赋值,将inner的引用对象赋值给in_func,类似于a=5,b=a一样
# # 有同学会想直接赋值不行吗:in_func=inner? 哥,inner不还是找不到吗,对吧
# in_func()



# 装饰器（函数）decrator

# 必须遵守开放封闭原则

#*******************************************
import time


def show_time(func): #装饰器函数
    def wrapper():
        start_time = time.time()
        func()
        end_time = time.time()
        print('spend %s' % (end_time - start_time))

    return wrapper


def foo():
    print('hello foo')
    time.sleep(3)


foo = show_time(foo)
foo()

#******************************************

import time


def show_time(func): #装饰器函数
    def wrapper():
        start_time = time.time()
        func()
        end_time = time.time()
        print('spend %s' % (end_time - start_time))

    return wrapper


@show_time  # foo=show_time(foo)
def foo():
    print('hello foo')
    time.sleep(3)


@show_time  # bar=show_time(bar)
def bar():
    print('in the bar')
    time.sleep(2)


foo()
print('***********')
bar()

#**************************************


#带参数的装饰器函数

import time


def show_time(func):
    def wrapper(a, b):
        start_time = time.time()
        func(a, b)
        end_time = time.time()
        print('spend %s' % (end_time - start_time))

    return wrapper


@show_time  # add=show_time(add)
def add(a, b):
    time.sleep(1)
    print(a + b)


add(2, 4)

#********************************************


#不定长参数
#***********************************不定长参数
import time

def show_time(func):

    def wrapper(*args, **kwargs):
        start_time = time.time()
        func(*args, **kwargs)
        end_time = time.time()
        print('spend %s'% (end_time-start_time))

    return wrapper

@show_time   #add=show_time(add)
def add(*args, **kwargs):

    time.sleep(1)
    sum=0
    for i in args:
        sum += i
    print(sum)

add(2,4,8,9)

#*********************************************


#装饰器参数

import time


def time_logger(flag=0):
    def show_time(func):
        def wrapper(*args, **kwargs):
            start_time = time.time()
            func(*args, **kwargs)
            end_time = time.time()
            print('spend %s' % (end_time - start_time))

            if flag:
                print('将这个操作的时间记录到日志中')

        return wrapper

    return show_time


@time_logger(3)
def add(*args, **kwargs):
    time.sleep(1)
    sum = 0
    for i in args:
        sum += i
    print(sum)


add(2, 7, 5)

#
# @time_logger(3) 做了两件事：
#     （1）time_logger(3)：得到闭包函数show_time，里面保存环境变量flag
#     （2）@show_time   ：add＝show_time(add)
# 上面的time_logger是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器(一个含有参数的闭包函数)。当我 们使用@time_logger(3)调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。




# 列表生成式

# a = [x*2 for x in range(10)] #X先遍历在赋给x*2的结果列表形式顺序不变
#
# print(a)  #[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

# **********************************************

# def f(n):
#     return n**3
# a = [f(x) for x in  range(10)]
# print(a) #[0, 1, 8, 27, 64, 125, 216, 343, 512, 729]

# ***********************************************

# 生成器 generator

# s = (x*2 for x in range(10))
#
# print(s)  #<generator object <genexpr> at 0x000002560584AC80>
#
# print(s.__next__())  #内部特殊方法一般不建议使用
#
# print(next(s))  #等价于调用s.__next__()  py2: s.next()



# 生成器就是一个可迭代对象 Iterable

# for i in s: # s就是一个迭代对象
#     print(i)


# 生成器2种创建方式：
# 1 s = (x*2 for x in range(10))
# 2 yield


# def foo():
#     print('ok')
#     yield 1
# foo() #没有执行，说明foo()就是一个生成器对象
# next(foo()) # 这样才能进去并执行，结果打印：ok

# 什么是可迭代对象：iter

# l = [1,2,3]
# l.__iter__()
# print(l)

# 生成器执行：next() , send()

def bar():
    print('ok')
    cccc = yield 1
    print(cccc)
    sss = yield 2
    print(sss)

b = bar()
b.send(None) #相当于next(b) 第一次send前如果没有next，只能传一个send(None)
b.send('333')

# 生成器都是迭代器，迭代器不一定是生成器
# list,tuple,dict,string,iterable都是可迭代對象
# 必須滿足2個條件：1.有iter方法  2.有next方法
# 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Iterator对象。
# 可以使用isinstance()判断一个对象是否是Iterable对象
# Iterable 迭代對象
# Iterator 迭代器

from collections import Iterator, Iterable

l = [1,2,3,4]
d = iter(l)
print(d)
print(isinstance(l, list))
print(isinstance(l, Iterable))
print(isinstance(l, Iterator))
print(isinstance(d, Iterator))