异常处理：
导致程序运行过程中出现异常中断和退出的错误，我们称之为异常。
为了保证程序的正常运行，提高程序的健壮性和可用性。我们应当尽量考虑全面。将可能出现的异常进行处理
python处理异常的机制：
基本语法：
# try:
# pass # 程序代码
# except Exception:
# pass # 程序异常使执行的代码
# try:
# print('123')
# a = 1/0
# except Exception as e:
# print(e)
# print('after except!')
# 运行结果：
# 123
# division by zero
# after except!
# 当程序发生的异常不在捕获列表中时，依然会抛出异常
# try:
# a = 1/0
# except IndexError as e: # IndexError 表示下标索引错误
# print(e)
# 运行结果报错：ZeroDivisionError: division by zero
try......except
在python的异常中，有一个通用异常：Exception，它可以捕获任意异常
1）很多时候程序只会弹出那么几个异常，没有必要针对所有异常进行捕获，那样的效率会很低
2）根据不同的异常种类，制定不同的处理措施，用于准确判断错误的类型，存储错误日志
（1）函数嵌套处理异常
# def f1():
# a = 1/0
# def f2():
# print('f2')
# f1()
# def f3():
# print('f3')
# f2()
# try:
# f3()
# except Exception as e:
# print(e)
# 运行结果：
# f3
# f2
# division by zero
（2）try.....except的嵌套
# 如果一个异常没有与任何的except匹配，那么这个异常将会传递给上层的try中，直到程序最顶端如果还没有被捕获，那么将弹出异常
# try:
# try:
# a = 1/0
# except IndexError as e1:
# print('this is e1:',e1)
# except ZeroDivisionError as e2:
# print('this is e2:',e2)
# 运行结果：this is e2 division by zero
（3）使用一个try跟多个except(推荐使用)
1 # try:
2 # a = 1/0
3 # except IndexError as e1:
4 # print('this is e1:',e1)
5 # except ZeroDivisionError as e2:
6 # print('this is e2:',e2)
7 # 运行结果：this is e2: division by zero
# （4）或者except后面跟一个元组，元组中包含多个异常类，有点像Exception的特殊形式
1 # try:
2 # a = 1/0
3 # except (IndexError,ZeroDivisionError):
4 # print('error')
try...except...finally（else）...
# finally和else子句：
# else子句必须放在所有的except子句之后，会在try子句没有发生异常的时候执行
# finally子句无论try和except情况如何finally子都会执行
1 # try:
2 # a = 1/0
3 # except ZeroDivisionError as e:
4 # print('error')
5 # else:
6 # print('else')
7 # finally:
8 # print('finally')
raise：主动抛出异常
# 主动抛出异常：raise
# python内置了一个关键字raise，可以主动触发异常，作为警告或者特殊处理
# 使用raise抛出自定义的异常
# 例题：用户录入自己的性别：1表示男 2表示女
# class MyError(Exception):
# def __init__(self,msg):
# self.msg = msg
# def __str__(self):
# return self.msg
# sex = input('enter your sex:')
# if sex!='1' and sex!='2':
# raise MyError('您输入的性别有误！')
# else:
# print('right!')
# 运行结果：报错终止程序
# raise MyError('您输入的性别有误！')
# __main__.MyError: 您输入的性别有误！
自定义异常
# 自定义异常应该继承Exception类，直接继承或间接继承都可以
# class MyErr(Exception):
# def __init__(self,msg):
# self.msg = msg
# def __str__(self):
# return self.msg
# err = MyErr('find error range')
# print(err) # find error range
迭代器
# 迭代：通过for循环遍历"对象"的每一个过程，这里的对象指的就是可迭代对象。for循环遍历的只能是可迭代的对象
# 可迭代对象：list/tuple/string/dict/set/bytes/文件都是可迭代的数据类型/可迭代对象
# 如何判断一个对象是否为可迭代对象：可以通过collections模块作用在isinstance中来判断对象是否可迭代
# from collections import Iterable # Iterable迭代类型 # from collections.abc import Iterable # class Test(): # pass # alist = [1,2,3] # str = 'abc' # t = Test() # print(isinstance(alist,Iterable)) # True # print(isinstance(str,Iterable)) # True # print(isinstance(t,Iterable)) # False
python提供了不依赖于索引取值的方式就是迭代器迭代取值
# 迭代器是一种可以被遍历的对象，并且能作用于next()函数
# 性质：迭代器对象从集合的第一个元素开始访问，直到所有元素被访问完结束。
# 迭代器只能往后遍历不能回溯，不像列表可以根据搜索引取值
迭代器作用：节省内存
iter()和next()
# 迭代器通常要实现两个基本方法：iter()/.__iter__()和next()/.__next__()
# 注：1、可迭代对象并不一定是迭代器
# 2、常见的数据结构，字符串、列表、元组都属于可迭代对象，并不是迭代器
# 可以使用type()查看列表和迭代器类型的不同：
# 使用python内置的iter()方法创建迭代器对象
# from collections.abc import Iterable
# alist = [1,2,3]
# print(type(alist)) # <class 'list'>
调用可迭代对象的下的__iter__方法会将其装换成迭代器，当进行迭代时才会调用iter方法
# # 将列表转换成迭代器
# iter_alist = iter(alist)
# print(type(iter_alist)) # <class 'list_iterator'>
# 使用next()方法获取迭代器的下一个元素
from collections.abc import Iterable alist = [1,2,3] iter_alist = iter(alist) # print(next(iter_alist)) # print(next(iter_alist)) # print(next(iter_alist)) # 运行结果： # 1 # 2 # 3
使用for循环遍历迭代器：
# for i in iter_alist:
# print(i)
d = {"a":1,"b":2,"c":3}
for k in d:
print(k)
for循环的工作原理：(也可称之为迭代器循环)
1、d.__iter__()得到一个迭代器对象
2、迭代器对象.__next__()拿到一个返回值，然后该返回值赋给k
3、循环往复步骤2，直到抛出StopInteration异常，for循环会捕捉异常结束循环
总结：
# 可迭代对象的优缺点：
# 优点：可以直观查看里面的对象，如直接查看列表的内容
# 缺点：全部内容要加载至内存中，故占用内存
# 迭代器的优缺点：
# 优点：提供了一种通用不依赖索引的迭代取值方式；
# 节省内存，迭代器在内存中相当于只占一个数据的空间：因为每次取值上一条数据会在内存释放，加载当前的此条数据。
# 缺点：因为有next()方法，即只能往后取值，不能往前，取值不能取指定的某一个值；无法预测迭代器的长度
# 总结：迭代器和可迭代的区别
可迭代对象 Iterable 迭代器Iterator
# 1、凡是可作用于for循环的对象都是可迭代类型
# 2、凡是可作用于next()函数的对象都是迭代器对象
# 3、list、dict、str等是可迭代对象但不是迭代器，因为next()函数无法调用他们
# 可以通过iter()函数将它们转换成迭代器
自定义迭代器
# 为了让我们自己写的类成为一个迭代器，需要在类里实现__iter__()和__next__()方法
# 实际上在使用next()函数的时候，调用的就是迭代器对象__next__方法
# python要求迭代器本身也是可迭代的，
# 所以我们还要为迭代器实现__iter__方法，而__iter__方法要返回一个迭代器
# 迭代器自身正是一个迭代器，所以迭代器的__iter__方法返回自身即可
# 例题：#迭代生成指定范围数列的平方值
# class IterObj():
# def __init__(self,start,end):
# self.start = start
# self.end = end
# self.index = 1
# def __iter__(self):
# print('iter')
# return self
# def __next__(self):
# if self.index > self.end:
# raise StopIteration
# res = self.index **2
# self.index +=1
# print('next')
# return res
# i = IterObj(1,5)
# print(type(i))
# for j in i:
# print(j)
# 斐波那切数列实现
# class IterObj(): # def __init__(self,count): # self.count = count # self.index = 0 # 记录生成第几个元素 # # self.num1 = 0 # self.num2 = 1 # self.num3 = 1 # def __iter__(self): # return self # def __next__(self): # if self.index > self.count: # raise StopIteration # value = self.num1 # self.index += 1 # self.num1,self.num2,self.num3 = self.num2,self.num3,self.num2+self.num3 # return value # obj = IterObj(10) # for i in obj: # print(i)
# 实现类似iter功能的类：可以使得将列表转换成迭代器
# class IterObj(): # def __init__(self,alist): # self.alist = alist # self.index = 0 # def __iter__(self): # return self # def __next__(self): # if self.index >= len(alist): # raise StopIteration # value = alist[self.index] # self.index += 1 # return value # obj = IterObj([1,2,3]) # for i in obj: # print(i)
推导式
(1)列表推导式：
语法：[表达式 for item in 可迭代对象 if 条件] 返回结果为列表
lst = [x*2 for x in range(1,10)]
# 增加条件语句：alist = [x*x for x in range(1,11) if x%2==0]
# 多重循环：
# 同时循环a和b两个变量：re = [a+b for a in '123' for b in 'abc']
(2)字典推到式
语法：{键:值 for k in 可迭代对象 if 条件}
字典推导式 {k:v for k,v in dic.items()}
# dic = {x:x**2 for x in (2,4,6)} # x:x**2指字典的key：value
例1 将一个字典的键值对倒换
dic = {"id":1001,"name":"yuan","age":22,"weight":"70kg"}
new_dic={v:k for k,v in dic.items()}
# {1001: 'id', 'yuan': 'name', 22: 'age', '70kg': 'weight'}
例2：将一个字典的键转换成大写
new_dic={k.upper():v for}
new_dic={k.upper():v for k,v in dic.items()}
print(new_dic)
# {'ID': 1001, 'NAME': 'yuan', 'AGE': 22, 'WEIGHT': '70kg'}
例3：保留name与age的键值对
new_dic={k:v for k,v in dic.items() if k=='name' or k=='age'}
print(new_dic) # {'name': 'yuan', 'age': 22}
(3)集合推导式
# a = {x for x in 'sfgfgh'}
(4)元组推导式
# tup = (x for x in range(9)) # 是一个生成器
# print(tup) # <generator object <genexpr> at 0x000001F55F9955F0>
# tup = tuple(x for x in range(9))
# print(tup) # (0, 1, 2, 3, 4, 5, 6, 7, 8)
生成器
数据序列或集合内的元素的个数非常巨大，如果全造出来并放入内存，对计算机的压力非常大 如果元素可以按照某种算法推算出来，需要该元素的话那就计算到哪个元素，那么就可以在循环的过程中不断推算出后续的元素，而不必创建完整的元素集合，从而节省大量的空间。在Python中，这种一边循环一边计算出元素的机制，称为生成器：generator。 **生成器是一种特殊的迭代器，生成器自动实现了”迭代器协议“（即iter方法和next方法）**，生成器就是自定义的迭代器
创建生成器 创建生成器的两种方式：
1）生成器推导式：
tup = (x for x in range(3))
# 可以通过next()函数获得generator的下一个返回值
next(tup)
print(type(tup)) # <class 'generator'>
# 通常情况下，使用for循环遍历生成器
for i in tup:
print(i)
2）yield关键字创建生成器
在 Python中，使用yield返回的函数会变成一个生成器（generator）。 在调用生成器的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行next()方法时从当前位置继续运行。下面重点理解yield关键字的使用：
*yield 是一个类似 return 的关键字，只是这个函数返回的是个生成器
*当你调用这个函数的时候，函数内部的代码并不立马执行 ，这个函数只是返回一个生成器对象
*当你使用for进行遍历的时候或者调用next函数后，函数中的代码才会执行
def mySum():
print('before')
print('after')
yield 'result'
f = mySum()
print(type(f),next(f))
# 运行结果：
# before
# after
# <class 'generator'> result
思考：下述函数的执行结果是什么？
def yieldTest():
i = 0
while i < 3:
temp = yield i
print(temp)
i += 1
obj = yieldTest() # 返回的生成器对象
print(next(obj))
print(next(obj))
运行结果：
0 # yield i 停止
None # 将None赋值给temp
1 # i+1 = 1 yield i 停止
next()会触发函数体代码的运行，然后遇到yield停下来，将yield后的值当作本次调用的结果返回
for i in yieldTest(): # 就是迭代器
print(i)
运行结果：
0
None
1
None
2
None
总结yield：
有了yield关键字，我们就有了一种自定义迭代器的实现方式，yield可以用于返回值，但不同于return，函数一遇到return就结束了，而yield可以保存函数的运行状态挂起函数用来返回多次值