迭代器
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，不过这也没什么，因为人们很少在迭代途中往后退。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
生成迭代器：
a = iter(['john','teddy','tony','nina']) print(a)
访问列表内容：
a = iter(['john','teddy','tony','nina']) print(a) print(a.__next__()) print(a.__next__()) print(a.__next__()) print(a.__next__())
执行结果：
<list_iterator object at 0x006CA2B0>
john
teddy
tony
nina
生成器generator
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
def cash_money(amount): while amount >0: amount -=100 yield 100 print("又来取钱了") ATM =cash_money(500) print(ATM.__next__()) print(ATM.__next__()) print(ATM.__next__()) print("中断") print(ATM.__next__())
作用：
这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。
异步应用
还可通过yield实现在单线程的情况下实现并发运算的效果。
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__() c2.__next__() print("老子开始准备做包子啦!") for i in range(10): time.sleep(1) print("做了2个包子!") c.send(i) c2.send(i) producer('Candy')
装饰器由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。
>>> def welcome(): ... print('welcome to visit my home page!') ... >>> f = welcome >>> f() welcome to visit my home page!
def login(func): def iner(*args,**kwargs): print("passed user verification....") func(*args,**kwargs) #func = tv return iner def home(name): print("Welcome [%s] to home page" %name) # def tv(name): @login # = tv login(tv) perform the function "login" def tv(name): print("Welcome [%s] to Tv page" %name) def movie(name,pwd="123"): print("Welcome [%s] to movie page" %name) # tv = login(tv) tv("Alex") movie("Mikey",pwd="123")
递归
特点
递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。
递归算法解决问题的特点：
(1) 递归就是在过程或函数里调用自身。
(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。
(3) 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。
要求
递归算法所体现的“重复”一般有三个要求：
一是每次调用在规模上都有所缩小(通常是减半)；
二是相邻两次重复之间有紧密的联系，前一次要为后一次做准备(通常前一次的输出就作为后一次的输入)；
三是在问题的规模极小时必须用直接给出解答而不再进行递归调用，因而每次递归调用都是有条件的(以规模未达到直接解答的大小为条件)，无条件递归调用将会成为死循环而不能正常结束。
实现：
def cal(n): print(n) if n/2>1: res = cal(n/2) print('res:',res) print("N:",n) return n cal(100)
斐波那契算法应用：
def func(arg1,arg2,stop): if arg1 == 0: print(arg1,arg2) arg3 = arg1 + arg2 print(arg3) if arg3<stop: func(arg2,arg3,stop) func(0,1,30)
折半查找 /二分查找：
def binary_search(data_source,find_n): mid = int(len(data_source)/2) if (len(data_source)) >= 1: if data_source[mid] > find_n: # data in left print("data in left of [%s]" %data_source[mid]) binary_search(data_source[0:mid],find_n) elif data_source[mid] < find_n: print("data in right of[%s]" %data_source[mid]) binary_search(data_source[mid:],find_n) else: print("found find_s,",data_source[mid]) else: print("cannot find....") if __name__ == '__main__': data = list(range(1,6000000,3)) binary_search(data,400)