13t天 迭代器,生成器,内置函数

上周复习:

函数的递归调用

函数调用时函数嵌套调用的一种特殊形式

函数在调用时,直接或间接调用了自身,就是梯归调用.

直接调用自身

def f1():
    print('from f1')
    f1()
f1()

间接调用函数

def f1():
    print('from f1')
    f2()
​
def f2():
    print('from f2')
    f1()
f1()

梯归

递归应该分为两个明确的阶段，回溯与递推. 回溯就是从外向里一层一层递归调用下去，回溯阶段必须要有一个明确地结束条件，每进入下一次递归时，问题的规模都应该有所减少（否则，单纯地重复调用自身是毫无意义的）

递推就是从里向外一层一层结束递归

例子

# 梯归  5个人猜年龄  每个人都是比前一个大2,第5个30
​
​
def age(a):
    if a == 5:
        return 30
    return age(a+1)-2
res = age(1)
print(res)

二分

算法:高效率解决问题的方法
二分法必须基于一个有序的容器类型,容器类型里面的数字必须有大小顺序
判断某个值在不在列表内
​
每次截取上一次容器类型一半进行比较
​
l = [1,2,3,45,67,90,123,234,689,990...]
target_num = 980
middle_index = l//2
# 利用列表的切片操作截取 小列表

例子
a = [1,2,3,5,7,9,10,32,42,50,64,72,80,94,99,101,]
​
# 效率低
# num = 5
# for i in a:
#     if i == 5:
#         print('find')
target_num = 72
def get_num(a,target_num):
    if not a:
        print('')
    # 得到中间的索引
    zhong_index = len(a) // 2
    #     判断中间的数字和要得到的数字是否一致
    if target_num > a[zhong_index]:
        num_right = a[zhong_index + 1:]
    #         在递归调用get_num函数
        get_num(num_right,target_num)
    elif target_num <a[zhong_index]:
        left_num = a[0:zhong_index]
        get_num(left_num,target_num)
    else:
        print('找',zhong_index)
    get_num(a,target_num)

三元表达式

三元表达式的应用场景只推荐只有两种的情况的可能下使用

三元表达式固定表达式
    值1 if 条件 else 值2
        条件成立 值1
        条件不成立 值2

x = 1
y = 2
res = x if x > y else y
结果1 if 条件 else 结果2
条件成立返回结果1
条件不成立返回结果2
如果if后面的条件成立返回if前面的值 否则返回else后面的值

例子

is_free = input(>>>:)
is_free = '免费' if is_free == 'y' else '收费'

列表/字典/集合生成式

a = ['tank','owen','egon','nick','seam']
aa  = []
for name in a:
    aa.append('%s_sb'%name)
    print(aa)
print(aa)
res1 = ['%s_qw'%name for name in a]
print(res1)

a2 = ['tank_qw', 'owen_qw', 'egon_qw', 'nick_qw', 'seam_qw','we_we']
res2 = [name for name in a2 if name.endswith('_qw')]
# 先for循环依次取出列表里面的每一个元素
# 然后交由if判断  条件成立才会交给for前面的代码
# 如果条件不成立 当前的元素 直接舍弃
​

q = ['name','password','hobby']
q1 = ['owen','123','read']
​
dic = {}
for i ,o in enumerate(q):
    print(i,o)
    # print(i , o)
    dic[o] = q1[i]
    print(dic)
print(2222)
res3 = {q:a for q,a in enumerate(q)}
print(res3)

l1 = [i for i in range(10)]
l2 = [i for i in range(10) if i != 4]  # 注意只能跟if不能再跟else了

匿名函数

没有名字的函数

匿名函数通常不会单独使用,是配合内置函数一起使用的

匿名函数的特点:

临时存在用完就没了

关键字:

lambda

lambda 形参:返回值
1.当场定义当场调用
            (lambda 形参:返回值)()
2.给匿名命名
            func = lambda x:x**2
            func()
3.匿名函数通常都是配合其他函数(内置函数,自定义函数)一起使用

例子

res = (lambda x,y:x+y)(1,2) 
print(res)
func = lambda x,y:x+y
print(func(1,2))
​
# :左边的相当于函数的形参
# :右边的相当于函数的返回值

常用的内置函数

max:内部基于for循环,先一个个将传入的容器类型中的元素一个个取出
    当你没有指定key(key对应的是一个函数)的时候 就按照for循环取出来的值比较大小
    如果指定了key,那么max会将元素交给这个函数,拿着该函数返回结果来做大小比较
   

max:最大

d = {
    'jason': 1000,
    'egon': 888888888,
    'tank': 300000,
    'nick': 400000,
}
​
​
def func(name):
    return d[name]
​
print(max(d))
print(max(d, key=func))
print(max(d, key=lambda name: d[name]))

min:最小

min:
d = {
    'jason': 1000,
    'egon': 888888888,
    'tank': 300000,
    'nick': 400000,
}
​
​
def func(name):
    return d[name]
​
print(min(d))
print(min(d, key=func))
print(min(d, key=lambda name: d[name]))

zip:拉链

zip 拉链  # 基于for循环
l1 = [1,2,]
l2 = ['jason','egon','tank']
l3 = ['a','b','c']
print(list(zip(l1,l2,l3)))
# 基于for循环

map:映射

map:映射
l = [1,2,3,4,5,6]
# print(list('hello'))
print(list(map(lambda x:x+5,l)))
# 基于for循环

filter:过滤

l = [1,2,3,4,5,6]
print(list(filter(lambda x:x != 3,l)))  
# 基于for循环

sorted:排序

l = ['jason','egon','nick','tank']
print(sorted(l,reverse=False))

reducel:合并

from functools import reduce
l = [1,2,3,4,5,6]
print(reduce(lambda x,y:x+y,l,19)) 
# 19初始值  为第一个参数
# 当初始值不存在的情况下 按照下面的规律
# 第一次先获取两个元素 相加
# 之后每次获取一个与上一次相加的结果再相加

无参装饰器

from functools import wraps
def outter(func):
    @wraps(func)
    def inner(*args,**kwargs):  # * **在形参中使用
        # 执行被装饰函数之前你可以做的操作
        res = func(*args,**kwargs)  # * **在实参中使用
        # 执行被装饰函数之后你可以做到操作
        return res
    return inner
​
@outter
def index(username,*args,**kwargs):
    """index注释"""
    pass
print(index)

装饰器修复技术

1.返回原来的函数的函数名
2.返回原来的函数的注释

from functools import wraps
@wraps(func)

有参装饰器

def wrappers(data):
    # data = 'file'
    def outter(func):
        def inner(*args,**kwargs):
            if data == 'file':
                # 执行被装饰函数之前你可以做的操作
                res = func(*args,**kwargs)  # * **在实参中使用
                # 执行被装饰函数之后你可以做到操作
                return res
        return inner
    return outter

今日内容
    迭代器
    可迭代对象
    迭代器对象
    for循环内部原理
    生成器
    面试题
    生成器表达式
    内置函数
    面向过程编程

day13

迭代器

迭代:是一个重复的过程,每次重复即一个迭代,并且每次重复的结果都是下一次迭代的初始值

为什么用迭代:

序列类型：字符串、列表、元组，可以使用索引的方式迭代取出其包含的元素。但对于字典、集合、文件等类型是没有索引的，而提供了一种不依赖索引取值的方法

n = 0
while True:
    print(n)
不算,只是单纯的重复

s = 'hello word'
count=0
while count < len(s): #迭代
    print(s[count])
    count +=1

可迭代对象

可迭代对象指的是内置有__iter__方法的对象,即__obj__.

可迭代对象执行obj.__iter__()得到的结果就是迭代器对象
基本数据类型中
    是可迭代对象的有
        str list tuple dict set 
        文件对象(执行内置的__iter__之后还是本身 没有任何变化):文件对象本身就是迭代器对象
        

迭代器对象

迭代器对象指的是即内置有__iter__又内置有__next__方法的对象
​
文件类型是迭代器对象
open('a.txt').__iter__()
open('a.txt').__next__()
迭代器对象无论执行多少次__iter__方法得到的还是迭代器对象本身

例子

i = 1
f = 1.2
s = 'hello'
l = [1,2,3,]
t = (1,2,3)
set = {1,2,3,4}
d = {'name':'abo','password':1230}
f1 = open('a.txt','r',encoding='utf=8')
s.__iter__()
l.__iter__()
t.__iter__()
a1 = d.__iter__()
print(a)
#也可以简化成
res = iter(d)
f1.__iter__()
f1.__next__()

迭代器取值

l =[1,2,3,4,5,6,7,8,9,]
# 生成一个迭代器对象
# iter_l = l.__iter__()
iter_l = iter(l)
# 迭代器对象取值  调用__next__的方法
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
#报错是因为将值取完了,没有值可以取  报错StopIteration

d = {'name':'obao','password':'123','hobby':'eat'}
#生成一个迭代器对象
iter_d = d.__iter__()
#迭代器对象的取值必须用__naxt__的方法
#print(iter_d.__next__())
#print(iter_d.__next__())
#print(iter_d.__next__())
#print(iter_d.__next__())   # 取完了 报错StopIteration
捕获异常
while True:
    try:
        print(iter_d.__next__())
    except StopIteration:
        print('无值')
        break
​

迭代器对象一定是可迭代对象,而可迭代对象不一定是迭代对象.

迭代器取值的特点:

优点:

1. 提供一种统一的、不依赖于索引的迭代方式

2. 惰性计算,节省内存

缺点:

1.只能往后依次取值 不能往前退

2.无法获取长度,不能获取指定的长度

for循环内部原理

for循环内部的本质
    1.将in后面的对象调用__iter__转换成迭代器对象
    2.调用__next__迭代取值
    3.内部有异常捕获StopIteration,当__next__报这个错 自动结束循环

l = [1,2,3,4]
for i in l:
    print(i)

a = [1,2,3,4]
# for i in a:
#     print(i)
# print(len(a))
res = map(lambda x:x+1,a)
# a = list(map(lambda x:x+10,a))
print(a)
print(res.__next__)

生成器

用户自定义的迭代器,本质就是迭代器.

def func():
    print(11111)
    yield  # 函数内如果有yield关键字,那么加括号执行函数的时候并不会触发函数体代码的运行

# 写出1,100之间的奇数
for i in range(1,100,2)
    print(i)
    
    
def my_range(start,end,step=1):
    while start < end:
        yield start
        start += step
​
for j in my_range(1,100,2):
    print(j)

yield支持外界为其传参

def people(name):
    print('%s 准备吃'%name)
    while True:
        food = yield
        print('%s吃了%s'%(name,food))
​
#当函数内有yield关键字的时候,调用该函数不会执行函数体代码
# 而是将函数变成生成器
a = people('bobo')
a.__next__()    # 必须先将代码运行至yield 才能够为其传值
a.send('包子')   # 给yield左边的变量传参  触发了__next__方法
a.send('饺子')

yield
    1.帮你提供了一种自定义生成器方式
    2.会帮你将函数的运行状态暂停住
    3.可以返回值
​
与return之间异同点
    相同点:都可以返回值,并且都可以返回多个
    不同点:
        yield可以返回多次值,而return只能返回一次函数立即结束
        yield还可以接受外部传入的值

生成器表达式

res = (i for i in range(1,10)if i!= 3)
# 生成器表达式
"""
生成器不会主动执行任何一行代码
必须通过__next__触发代码的运行
"""
print(res)
print(res.__next__())
print(res.__next__())
print(res.__next__())

应用场景:

1.要在一个很大的容器中获得值

res = (i for i in range(1,100000000) if i != 4)  # 生成器表达式
print(res)
print(res.__next__())
print(res.__next__())
print(res.__next__())

2.统计字符个数

# 占内存
f = open('xxx.txt','r',encoding='utf-8')
data = f.read()
print(len(data))
f.close()
​
​
with open('xxx.txt','r',encoding='utf-8') as f:
    # n = 0
    # for line in f:
    #     n += len(line)
    # print(n)
    g = (len(line) for line in f)
    # print(g.__next__())
    # print(g.__next__())
    # print(g.__next__())
    # print(g.__next__())
    print(sum(g))

面试题;

生成器表达式

def add(n,i):
    return n+i
def test():
    for i in range(4):
        yield i
g=test()
​
for n in [1,10]:
    g=(add(n,i) for i in g)
    # 第一次for循环g=(add(n,i) for i in test())
​
    # 第二次for循环g=(add(n,i) for i in (add(n,i) for i in test()))
print(n)
res=list(g)
​
"""
for i in (add(10,i) for i in test()):  会执行所有的生成器内部的代码
    add(n,i)
"""
​
​
​
​
#A. res=[10,11,12,13]
#B. res=[11,12,13,14]
#C. res=[20,21,22,23]  答案
#D. res=[21,22,23,24]

 

 

内置函数

abs:求平均值

print(abs(-11.11)

all,any

print(all(l))  # 只要有一个为False就返回False
print(any(l))  # 只要有一个位True就返回True

locals,globals

def index():
​
    username = '我是局部名称空间里面的username'
    # print(locals())  # 当前语句在哪个位置 就会返回哪个位置所存储的所有的名字
    print(globals())  # 无论在哪 查看的都是全局名称空间
index()

bin,oct,hex

print(bin(10))
#转换成二进制
print(oct(10))
#转换成八进制
print(hex(10))
#转换成十六进制
print(int('0b1010',2))
# 转换为整数 

bool True,False

print(bool(1))
print(bool(0))

bytes :转换二进制字符

s = 'hello'
print(s.encode('utf-8'))
print(bytes(s,encoding='utf-8'))

callable:可被加括号调用的执行相应功能的

l = [1,2,3]
def index():
    pass
print(callable(l))
print(callable(index))

chr,ord

print(chr(97))  # 将数字转换成ascii码表对应的字符
print(ord('a'))  # 将字符按照ascii表转成对应的数字

dir:dir获取当前对象名称空间里面的名字

l = [1,2,3]
print(dir(l))
​
import test
print(dir(test))
print(test.name)

divmod:分页器

print(divmod(101,10))
total_num,more = divmod(900,11)
if more:
    total_num += 1
print('总页数:',total_num)

enumerate:枚举

l = ['a','b']
for i,j in enumerate(l,1):
    print(i,j)

eval,exec

s = """
print('hello baby~')
x = 1
y = 2
print(x + y)
​
"""
# eval(s)
exec(s)
# eval不支持逻辑代码,只支持一些简单的python代码
# exec解释并执行字符串，

format

# {}占位
# {index} 索引
# {name} 指名道姓

help:帮助

def login():
    """
    一起嗨皮
    :return:
    """
print(help(login))

isinstance:后面统一改方法判断对象是否属于某个数据类型

n = 1
print(type(n))
print(isinstance(n,list))  # 判断对象是否属于某个数据类型
print(pow(2,3))
相当于2**3，如果是pow(2, 3, 5)，相当于2**3 % 5
print(round(3.4))
# 四舍五入取整

面试过程编程

面向过程是一种编程思路、思想，而编程思路是不依赖于具体的语言或语法的。言外之意是即使我们不依赖于函数，也可以基于面向过程的思想编写程序

面向过程编程:就类似于设计一条流水线
    好处:
        将复杂的问题流程化 从而简单化
    坏处:
        可扩展性较差   一旦需要修改 整体都会受到影响

例子:

# 注册功能
# 1.获取用户输入
def get_info():
    while True:
        username = input(">>>:").strip()
        if not username.isalpha():  # 判断字符串不能包含数字
            print('不能包含数字')
            continue
        password = input('>>>:').strip()
        confirm_password = input("confirm>>>:").strip()
         if password == confirm_password:
            operate_data(username,password)
                break
        else:
            print('两次密码不一致')
​
# 2.处理用户信息
def operate_data(username,password):
    # jason|123
    res = '%s|%s
'%(username,password)
    save_data(res,'userinfo.txt')
​
# 3.存储到文件中
def save_data(res,file_name):
    with open(file_name,'a',encoding='utf-8') as f:
        f.write(res)
​
def register():
    get_info()
​
register()

def get_info():
    while True:
        username = input(">>>:").strip()
        if not username.isalpha():  # 判断字符串不能包含数字
            print('不能包含数字')
            continue
        password = input('>>>:').strip()
        confirm_password = input("confirm>>>:").strip()
        if password == confirm_password:
            d = {
                '1':'user',
                '2':'admin'
            }
            while True:
                print("""
                    1 普通用户
                    2 管理员
                """)
                choice = input('please choice user type to register>>>:').strip()
                if choice not in d:continue
                user_type = d.get(choice)
                operate_data(username,password,user_type)
                break
        else:
            print('两次密码不一致')
​
# 2.处理用户信息
def operate_data(username,password,user_type):
    # jason|123
    res = '%s|%s|%s
'%(username,password,user_type)
    save_data(res,'userinfo.txt')
​
# 3.存储到文件中
def save_data(res,file_name):
    with open(file_name,'a',encoding='utf-8') as f:
        f.write(res)
​
def register():
    get_info()
​
register()
​

面试题:

   请写出一下代码的执行结果并解释。
def multipliers():
​
    return [lambda x:i*x for i in range(4)]
​
    print([m(2) for m in multipliers()])
    
    #0,1,2,3
    # [func(x): return 0*x, func(x): return 1*x,
    # func(x): return 2*x, func(x): return 3*x, ]
    # [func(x): return 0*2, func(x): return 1*2,
# func(x): return 2*2, func(x): return 3*2, ]
​
# 闭包函数的延迟绑定
# 在内层函数执行时才会绑定变量i
def a2():
    list1 = []
    for i in range(4):
​
        def func(x):
​
            return x * i
​
        list1.append(func)
​
    return list1
​
print([m(2) for m in as2()])
# [6, 6, 6, 6]  
    

def multipliers():
​
    return [lambda x, i=i: i*x for i in range(4)]
    # 0, 1, 2, 3
    # [func(x): return 0*x, func(x): return 1*x,
    # func(x): return 2*x, func(x): return 3*x, ]
​
print([m(2) for m in multipliers()])  # [0, 2, 4, 6]
​
# [func(x): return 0*2, func(x): return 1*2,
# func(x): return 2*2, func(x): return 3*2, ]
# [0, 2, 4, 6]

​
# 闭包函数的延迟绑定
# 在内层函数执行时才会绑定变量i
def multipliers():
    list1 = []
    for i in range(4):
​
        def func(x, i=i):
​
            return x * i
​
        list1.append(func)
​
    return list1
​
print([m(2) for m in multipliers()])  # [0, 2, 4, 6]

'''
需求: 读取一个文件并返回每行数据的长度
'''
​
with open('test1.txt', 'w', encoding='utf-8') as f:
    for line in range(1000):
        f.write(f'www{line}aaa' * (line + 1) + '
')
​
​
# 列表推导式: 处理数据量大的文件会导致内存溢出.
res = [len(line) for line in open('test1.txt', 'r', encoding='utf-8')]
# print(res)
​
​
# 生成器表达式: 处理数据量大的文件推荐使用.
res2 = (len(line) for line in open('test1.txt', 'r', encoding='utf-8'))
print(res2)  # <generator object <genexpr> at 0x000002B3748FD0A0>
print(next(res2))
print(next(res2))

# <gen..>1 (0, 1, 2, 3)
​
g = demo()
​
g1 = (i for i in g)  # <gen..>2 (0, 1, 2, 3)
g2 = (i for i in list(g1)) # []
​
print(list(g))  # []
print(list(g1))  # []
print(list(g2))  # [0, 1, 2, 3]
​
​
​
# g,g1,g2里面的值都是指向同一个内存地址.
​
真实结果:
    [0, 1, 2, 3]
    []