一,函数基础
1、函数是什么？
在学习函数之前，一直遵循面向过程编程，即根据业务逻辑从上到下实现功能，其往往用一长段代码来实现指定功能，开发过程中最常见的操作就是粘贴复制，也就是将之前实现的代码块复制到现需功能处。这样最后的程序会变得特别冗长，有没有什么办法把这些相同的代码块做一些处理？让程序的代码显得简便明朗，这就引出了今天要学习的内容：函数。
定义: 函数是指将一组语句的集合通过一个名字(函数名)封装起来，要想执行这个函数，只需调用其函数名即可。
特性：减少重复代码、使程序变的可扩展、使程序变得易维护
2、定义函数
def 函数名(参数):
....
函数体
....
return 返回值
函数名()
函数组成：函数名、参数、函数体、返回值，接下来进行详细介绍
3、普通参数
学习函数参数前，我们先认识下形参和实参的区别：
- 形参变量只有在被调用时才分配内存单元，在调用结束时，即刻释放所分配的内存单元。因此，形参只在函数内部有效。函数调用结束返回主调用函数后则不能再使用该形参变量
- 实参可以是常量、变量、表达式、函数等，无论实参是何种类型的量，在进行函数调用时，它们都必须有确定的值，以便把这些值传送给形参。因此应预先用赋值，输入等办法使参数获得确定值
通过下面代码来认识下普通参数、形参、实参
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#函数的普通参数
# name 叫做函数func的形式参数，简称：形参
def func(name): #定义函数 函数名func
print(name)
# 'lzl' 叫做函数func的实际参数，简称：实参
func("lzl") #执行函数
########打印输出########
#lzl
4、默认参数
默认参数的应用环境
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#函数默认参数
def stu_register(name, age, country, course): #定义函数
print("----注册学生信息------")
print("姓名:", name)
print("age:", age)
print("国籍:", country)
print("课程:", course)
stu_register("张三", 22, "CN", "Python") #执行函数
stu_register("赵四", 21, "CN", "Linux")
stu_register("王五", 25, "CN", "JAVA")
###########打印###############
#----注册学生信息------
#姓名: 张三
#age: 22
#国籍: CN
#课程: Python
#----注册学生信息------
#姓名: 赵四
#age: 21
#国籍: CN
#课程: Linux
#----注册学生信息------
#姓名: 王五
#age: 25
#国籍: CN
#课程: JAVA
通过上面代码发现country 这个参数 基本都 是"CN", 就像我们在网站上注册用户，像国籍这种信息，你不填写，默认就会是 中国， 这就是通过默认参数实现的，把country变成默认参数
def stu_register(name,age,course,country="CN"):
这样，这个参数在调用时不指定，那默认就是CN，指定了的话，就用你指定的值。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#指定默认参数
def stu_register(name, age,course,country="CN"): #定义函数
print("----注册学生信息------")
print("姓名:", name)
print("age:", age)
print("国籍:", country)
print("课程:", course)
stu_register("张三", 22, "Python") #不指定country参数值
stu_register("尼古拉斯.赵四", 21, "Linux", "US") #指定country参数值
##############打印################
#----注册学生信息------
#姓名: 张三
#age: 22
#国籍: CN
#课程: Python
#----注册学生信息------
#姓名: 尼古拉斯.赵四
#age: 21
#国籍: US
#课程: Linux
另外，你可能注意到了，在把country变成默认参数后，我同时把它的位置移到了最后面，为什么呢？
5、关键参数
正常情况下，给函数传参数要按顺序，不想按顺序就可以用关键参数，只需指定参数名即可，但记住一个要求就是，关键参数必须放在位置参数之后
#关键参数 stu_register(age=22,name='lzl',course="python") ##############打印################ #----注册学生信息------ #姓名: lzl #age: 22 #国籍: CN #课程: python
6、动态参数
① 非固定参数 *args
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
def stu_register(name,*args): # *args 会把多传入的参数变成一个元组形式
print(name,args,type(args)) #打印传入args的类型
stu_register("lzl","18","CN","Python")
##############打印################
#lzl ('18', 'CN', 'Python') <class 'tuple'>
def stu_register(name,*args): #测试*args传入list参数
print(name,args,type(args)) #打印传入args的类型
info_list = ["18","CN","Python"]
stu_register("lzl",info_list)
##############打印################
#lzl (['18', 'CN', 'Python'],) <class 'tuple'>
总结：由上面代码可以看出，*args会把多传入的实参变成一个元组的类型；即使传入的是list类型也会变成元组，成为元组中的一个元素；另函数中有*args与其他形参的时候，*args一定要写到其他形参的后面，否则传入的实参都会被传入到*args当中打印成元组；还有如果没有多出传入的实参即*args没有值的时候，*args为空，不会报错。
② 非固定参数 **kwargs
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
def stu_register(name, *args, **kwargs): # **kwargs 会把多传入的参数变成一个dict形式
print(name, args, type(args)) # 打印args的类型
print(kwargs, type(kwargs)) #打印kwargs的类型
stu_register("lzl", 18, "CN", "Python", sex="Male", province="HeBei")
##############打印################
#lzl (18, 'CN', 'Python') <class 'tuple'>
#{'sex': 'Male', 'province': 'HeBei'} <class 'dict'>
def stu_register(name, *args, **kwargs): # **kwargs 会把多传入的参数变成一个dict形式
print(name, args, type(args)) # 打印args的类型
print(kwargs, type(kwargs)) #打印kwargs的类型
info_list=[18, "CN", "Python",] #定义列表
info_dict={"sex":"Male","province":"HeBei"} #定义字典
stu_register("lzl",info_list,info_dict) #传入列表和字典
##############打印################
#lzl ([18, 'CN', 'Python'], {'sex': 'Male', 'province': 'HeBei'}) <class 'tuple'>
#{} <class 'dict'>
看完上面的第一段代码，**kwargs会把多出的a=b这种类型的实参打印成字典的类型（要区分开与关键参数的区别，关键参数的实参有对应的形参），大家都能理解；但是第二段代码为毛下面把字典传入函数后，打印的**kwargs为空值呢？! 是这样的，传入的字典会被当成一个元素传入函数，所有被当成多余的实参传入到了*args里面，所以**kwargs的值才为空；那么有什么办法可以把字典传入到**kwargs呢？
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
def stu_register(name, *args, **kwargs): # **kwargs 会把多传入的参数变成一个dict形式
print(name, args, type(args)) # 打印args的类型
print(kwargs, type(kwargs)) #打印kwargs的类型
info_list=[18, "CN", "Python",] #定义列表
info_dict={"sex":"Male","province":"HeBei"} #定义字典
stu_register("lzl",*info_list,**info_dict) #传入列表和字典
##############打印################
#lzl (18, 'CN', 'Python') <class 'tuple'>
#{'sex': 'Male', 'province': 'HeBei'} <class 'dict'>
把定义好列表info_list、info_dict，分别用*inf_list和**info_dict的方式传入到*args、**kwargs当中，解决了第二块代码中的问题
总结：*args必须放到**kwargs前面（规定）；位置参数一定要放到关键参数之前（规定）；默认参数不能跟*args、**kwargs一块存在（会报错）。
7、return 返回值
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#ruturn 返回值
def func(name,age):
print(name)
print(age)
result = func("lzl",18) #赋值变量result函数func执行的返回值
print(result) #函数不声明return，返回值为None
#函数在赋值变量result的时候也进行了打印
##############打印################
#lzl
#18
#None
def func(name,age):
print(name)
return "best" #执行return返回值
print(age)
result = func("lzl",18) #赋值变量result函数func执行的返回值
print(result) #函数返回值为best
#age没有打印，表明函数执行到return后，函数结束
##############打印################
#lzl
#best
结论：如果不执行return，函数的默认返回值为None；当函数执行到return时，函数结束执行
8、局部变量
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
name = "Alex Li" #定义变量name
def change_name(name):
print("before change:", name)
name = "金角大王,一个有Tesla的男人" #函数内部更改变量
print("after change", name) #打印更改后的变量name
change_name(name)
print("在外面看看name改了么?", name) #现在看看name变量有没有被更改
##############打印################
#before change: Alex Li
#after change 金角大王,一个有Tesla的男人
#在外面看看name改了么? Alex Li
结论：函数内部对变量进行更改后，生效范围仅限于函数内部，对外部变量没有影响，这种变量称为局部变量；函数内部也可以让变量全局生效，需要加参数global，这种情况很少用。
9、递归函数
定义：如果一个函数在内部调用自身本身，这个函数就是递归函数
递归特性:
- 必须有一个明确的结束条件
- 每次进入更深一层递归时，问题规模相比上次递归都应有所减少
- 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）
利用函数编写一个斐波那契数列
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
# def func(n1,n2): #获取斐波那契数列100之前的数字
# if n1 > 100:
# return
# print(n1)
# n3 = n1 + n2
# func(n2,n3)
# func(0,1)
#######打印#######
#0
#1
#1
#2
#3
#5
#8
#13
#21
#34
#55
#89
def func(count,n1,n2): #获取斐波那契数列第200个数字并返回给调用者
if count == 200:
return n1
n3 = n1 + n2
r = func(count + 1,n2,n3)
return r
ret = func(1,0,1)
print(ret)
#######打印#######
#173402521172797813159685037284371942044301
10、函数式编程介绍
函数是Python内建支持的一种封装，我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。而函数式编程（请注意多了一个“式”字）——Functional Programming，虽然也可以归结到面向过程的程序设计，但其思想更接近数学计算。我们首先要搞明白计算机（Computer）和计算（Compute）的概念。在计算机的层次上，CPU执行的是加减乘除的指令代码，以及各种条件判断和跳转指令，所以，汇编语言是最贴近计算机的语言。而计算则指数学意义上的计算，越是抽象的计算，离计算机硬件越远。对应到编程语言，就是越低级的语言，越贴近计算机，抽象程度低，执行效率高，比如C语言；越高级的语言，越贴近计算，抽象程度高，执行效率低，比如Lisp语言。
函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。
函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。
简单说，"函数式编程"是一种"编程范式"（programming paradigm），也就是如何编写程序的方法论。主要思想是把运算过程尽量写成一系列嵌套的函数调用。举例来说，现在有这样一个数学表达式：
(1 + 2) * 3 - 4
传统的过程式编程，可能这样写：
var a = 1 + 2; var b = a * 3; var c = b - 4;
函数式编程要求使用函数，我们可以把运算过程定义为不同的函数，然后写成下面这样：
var result = subtract(multiply(add(1,2), 3), 4);
这就是函数式编程。
11、匿名函数
匿名函数就是不需要显式的指定函数
#这段代码
def calc(n):
return n**n
print(calc(10))
#换成匿名函数
calc = lambda n:n**n
print(calc(10))
你也许会说，用上这个东西没感觉有毛方便呀， 。。。。呵呵，如果是这么用，确实没毛线改进，不过匿名函数主要是和其它函数搭配使用的呢，如下
res = map(lambda x:x**2,[1,5,7,4,8])
for i in res:
print(i)
#####打印#####
1
25
49
16
64
calc = map(lambda n,x,y:n*10000+x*100+y,[1,5,7,4,8],[2,2,2,2,2],[3,3,3,3,3])
for i in calc:
print(i)
#####打印#####
# 10203
# 50203
# 70203
# 40203
# 80203
12、高阶函数
变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。
def add(x,y,f):
return f(x) + f(y)
res = add(3,-6,abs)
print(res
13、内置函数
二、函数练习
1、做个累加程序（类似1+2+3+.......+99+100的和）
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
def cumulative(a=1,b=100):
n = 0
while a <=b:
n += a
a +=1
print(n)
cumulative() #默认为1加到100
#5050
cumulative(1,1000)
#500500
cumulative(50) #50加到100
#3825
三,函数剖析
1、函数的调用顺序
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#函数错误的调用方式
def func(): #定义函数func()
print("in the func")
foo() #调用函数foo()
func() #执行函数func()
def foo(): #定义函数foo()
print("in the foo")
###########打印输出########### #报错:函数foo没有定义
#NameError: name 'foo' is not defined
#函数正确的调用方式
def func(): #定义函数func()
print("in the func")
foo() #调用函数foo()
def foo(): #定义函数foo()
print("in the foo")
func() #执行函数func()
###########打印输出###########
#in the func
#in the foo
总结：被调用函数要在执行之前被定义
2、高阶函数
满足下列条件之一就可成函数为高阶函数
-
某一函数当做参数传入另一个函数中
-
函数的返回值包含一个或多个函数
刚才调用顺序中的函数稍作修改就是一个高阶函数
#高阶函数
def func(): #定义函数func()
print("in the func")
return foo() #调用函数foo()
def foo(): #定义函数foo()
print("in the foo")
return 100
res = func() #执行函数func()
print(res) #打印函数返回值
###########打印输出###########
#in the func
#in the foo
#100
从上面的程序得知函数func的返回值为函数foo的返回值，如果foo不定义返回值的话，func的返回值默认为None；
下面我来看看更复杂的高阶函数：
#更复杂的高阶函数
import time #调用模块time
def bar():
time.sleep(1)
print("in the bar")
def foo(func):
start_time=time.time()
func()
end_time=time.time()
print("func runing time is %s"%(end_time-start_time))
foo(bar)
###########打印输出###########
#in the bar
#func runing time is 1.0000572204589844
其实上面这段代码已经实现了装饰器一些功能，即在不修改bar()代码的情况下，给bar()添加了功能；但是改变了bar()调用方式
下面我们对上面的code进行下修改，不改变bar()调用方式的情况下进行功能添加
#更复杂的高阶函数,不改变调用方式
import time #调用模块time
def bar():
time.sleep(1)
print("in the bar")
def foo(func):
start_time=time.time()
print("in the foo")
return func #返回bar函数的内存地址
end_time=time.time()
print("func runing time is %s"%(end_time-start_time))
bar = foo(bar) #bar重新赋值
bar()
###########打印输出###########
#in the foo
#in the bar
我们没有对bar()源码进行过修改，也没有改变bar()的调用方式，当执行bar()函数时，多加了一些功能，装饰器的一些雏形已经呈现；但是我们又发现之前添加的计算bar()执行时间的功能没有打印出来，return执行后函数就结束了。
3、内嵌函数和作用域
定义：在一个函数体内创建另外一个函数，这种函数就叫内嵌函数(基于python支持静态嵌套域)
#内嵌函数示例
def foo():
print("in the foo")
def bar():
print("in the bar")
bar()
foo()
###########打印输出###########
#in the foo
#in the bar
嵌套函数有什么用呢？我们暂时先记住这个内容
局部作用域和全局作用域的访问顺序
#嵌套函数变量与全部变量
x = 0
def grandpa():
x=1
def dad():
x=2
def son():
x=3
print(x)
son()
dad()
grandpa()
print(x)
###########打印输出###########
# 3
# 0
注：内嵌函数中定义的函数在全局中是无法直接执行的
4、装饰器
定义：本质是函数（装饰其他函数），为其他函数添加附加功能的。
遵循原则:①不能修改被装饰函数的源代码
②不能修改被装饰函数的调用方式
组成：装饰器由高阶函数+内嵌函数组成
之前说了那么多其实都是了给装饰器做铺垫，回到刚才高阶函数中最后一个示例，能不能给函数加上运算时间计算？
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#装饰器
import time
def timer(func):
def deco():
start_time=time.time()
func() #执行形参func()
end_time=time.time()
print("func runing time is %s"%(end_time-start_time))
return deco #返回函数deco的内存地址
def test1():
print("in the test1")
time.sleep(1)
test1 = timer(test1) #重新赋值test1 此时test1=deco的内存地址
test1() #执行test1
###########打印输出###########
#in the test1
#func runing time is 1.0000572204589844
现在我们已经实现了装饰器的功能，但是如果test1有形参的话，上面的代码就会报错了，下面我们对代码做下修改
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#装饰器
import time
def timer(func):
def deco(*args,**kwargs):
start_time=time.time()
func(*args,**kwargs) #执行形参func()
end_time=time.time()
print("func runing time is %s"%(end_time-start_time))
return deco #返回函数deco的内存地址
@timer #test1 = timer(test1) test1=deco
def test1(name):
print("in the test1 name %s"%name)
time.sleep(1)
test1("lzl") #执行test1
###########打印输出###########
#in the test1
#func runing time is 1.0000572204589844
上面的代码是不是觉得很完美了，呵呵，假如test1()有return返回值怎么办？你会发现最后执行test1返回值丢失了，所以要对上面的代码再完善一下了。
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#装饰器
import time
def timer(func):
def deco(*args,**kwargs):
start_time=time.time()
res = func(*args,**kwargs) #执行形参func()
end_time=time.time()
print("func runing time is %s"%(end_time-start_time))
return res
return deco #返回函数deco的内存地址
@timer #test1 = timer(test1) test1=deco
def test1(name):
print("in the test1 name %s"%name)
time.sleep(1)
return "return form test1"
print(test1("lzl")) #执行test1
###########打印输出###########
#in the test1
#func runing time is 1.0000572204589844
#return form test1
好了现在我们探讨一个问题，函数可以被多个装饰器装饰吗？！
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#函数用多个装饰器
def w1(func):
def inner(*args, **kwargs):
print("in the w1")
return func(*args, **kwargs)
return inner
def w2(func):
def inner(*args, **kwargs):
print("in the w2")
return func(*args, **kwargs)
return inner
@w1
@w2
def f1(*args, **kwargs):
print("in the f1")
f1()
###########打印输出###########
#in the w1
#in the w2
#in the f1
终极版装饰器来了......
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#终极版装饰器
def Before(*args, **kwargs):
print("before")
def After(*args, **kwargs):
print("after")
def Filter(before_func, after_func):
def outer(main_func):
def wrapper(*args, **kwargs):
before_result = before_func(*args, **kwargs)
if (before_result != None):
return before_result
main_result = main_func(*args, **kwargs)
if (main_result != None):
return main_result
after_result = after_func(*args, **kwargs)
if (after_result != None):
return after_result
return wrapper
return outer
@Filter(Before, After) #Filter(Before,After)=outer Index=outer(Index)=wrapper
def Index(*args, **kwargs):
print("index")
Index() #Index() = wrapper()
###########打印输出###########
#before
#index
#after
5、生成器
学习生成器之前，我们先来看看什么是列表生成式
#列表生成式 b = [ i*2 for i in range(10)] print(b) ###########打印输出########### #[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
通过列表生成式，我们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。而且，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，还需要花费很长时间，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。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种调用时才会生成相应数据的机制，称为生成器：generator
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()，就创建了一个生成器
#生成器 l = [ i*2 for i in range(10)] print(l) g = (i*2 for i in range(10)) print(g) ###########打印输出########### #[0, 2, 4, 6, 8, 10, 12, 14, 16, 18] #<generator object <genexpr> at 0x0064AAE0>
print(g) 打印出来的信息显示g是一个生成器，创建l和g的区别仅在于最外层的[]和()，l是一个list，而g是一个generator；我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值
#生成器next打印 print(next(g)) #......... 不断next 打印10次 #.......... print(next(g)) ###########打印输出########### #0 #........ #18 #Traceback (most recent call last): # File "<stdin>", line 1, in <module> #StopIteration
我们讲过，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。
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，所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误
#生成器for调用
g = (i*2 for i in range(10)) #不用担心出现StopIteration错误
for i in g:
print(i)
###########打印输出###########
# 0
# 2
# 4
# 6
# 8
# 10
# 12
# 14
# 16
# 18
generator非常强大。如果推算的算法比较复杂，用列表生成式转换的生成器无法去实现时，我们还可以用函数来实现。比如，著名的斐波拉契数列（Fibonacci）
#函数表示斐波拉契数列
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n += 1
return 'done'
fib(5)
###########打印输出###########
# 1
# 1
# 2
# 3
# 5
仔细观察，可以看出，fib函数实际上是定义了斐波那契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator；也就是说，上面的函数和generator仅一步之遥，那我们能不能把上面的函数变成一个生成器呢？
#斐波拉契数列转换为generator
def fib(max):
n, a, b = 0, 0, 1
while n < max:
#print(b)
yield b
a, b = b, a + b
n += 1
return 'done'
print(type(fib(5))) #打印fib(5)的类型
for i in fib(5): #for循环去调用
print(i)
###########打印输出###########
# <class 'generator'>
# 1
# 1
# 2
# 3
# 5
要把fib函数变成generator，只需要把print(b)改为yield b就可以了，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
但是用for循环调用generator时，会发现拿不到generator的return语句的返回值，也就是return的值没有打印出来，现在我们来看看怎么去打印generator的返回值
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
#获取generator的返回值
def fib(max):
n, a, b = 0, 0, 1
while n < max:
#print(b)
yield b
a, b = b, a + b
n += 1
return 'done'
g = fib(5)
while True:
try:
x = next(g)
print( x)
except StopIteration as e:
print(e.value)
break
###########打印输出###########
# 1
# 1
# 2
# 3
# 5
# done
如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中，关于如何捕获错误，后面的错误处理还会详细讲解。
还可通过yield实现在单线程的情况下实现并发运算的效果
#!/usr/bin/env python
# -*- coding:utf-8 -*-
#-Author-Lian
import time
def consumer(name):
print("%s 准备吃包子啦!" %name)
while True:
baozi = yield
print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
def producer(name):
c = consumer('A')
c2 = consumer('B')
c.__next__() #c.__next__()等同于next(c)
c2.__next__()
print("老子开始准备做包子啦!")
for i in range(10):
time.sleep(1)
print("%s做了2个包子!"%(name))
c.send(i)
c2.send(i)
producer("lzl")
6、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2种：
-
集合数据类型，如
list、tuple、dict、set、str等； -
生成器，包括generator和带
yield的generator function；
定义：这些可以直接作用于for循环的对象统称为可迭代对象：Iterable
我们可以使用isinstance()去判断一个对象是否是Iterable对象
#可迭代对象
from collections import Iterable
print(isinstance([], Iterable))
# True
print(isinstance("abc", Iterable))
# True
print(isinstance((x for x in range(10)), Iterable))
# True
print(isinstance(100, Iterable))
# False
我们知道生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了
重点来了....*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
可以使用isinstance()判断一个对象是否是Iterator对象
#迭代器对象
from collections import Iterator
print(isinstance([], Iterator))
# True
print(isinstance("abc", Iterator))
# False
print(isinstance((x for x in range(10)), Iterator))
# True
print(isinstance(100, Iterator))
# False
由上面可知，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
#可迭代对象转迭代器对象
print(isinstance(iter([]), Iterator))
# True
print(isinstance(iter("abc"), Iterator))
# True
你可能会问，为什么list、dict、str等数据类型是Iterable但不是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。
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Iterator对象；
Python的for循环本质上就是通过不断调用next()函数实现的，例如：
for x in [1, 2, 3, 4, 5]:
pass
实际上完全等价于：
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break