1、迭代器基本理解和使用
生成器和迭代器。含有yield的特殊函数为生成器。可以被for循环的称之为可以迭代的。而可以通过_next()_调用，并且可以不断返回值的称之为迭代器。
yield是python中的一个generator（生成器）， 是一个类似子函数中的 return 的关键字，只是这个子函数返回的是个生成器。当调用这个子函数的时候，子函数内部的代码并不立马执行 ，这个子函数只是返回一个生成器对象当你使用for进行迭代的时候，
子函数中的代码，才会执行在这里，所有的值都存在内存当中，所以并不适合大量数据。
2、yield简单的生成器
#迭代器简单的使用 print([i *2 for i in range(10)]) print((i *2 for i in range(10)).__next__()) #labo 数量 def lab(max): a,b,n=0,1,1 while n< max : a,b=b,a+b n= n+1 print(b) return 0 lab(10) # a,b=b,a+b 注意赋值，相当于tmp = [b,a+b] ,a= tmp[0],b=tmp[2]
# 生成器 #labo 数量 def lab(max): a,b,n=0,1,1 while n< max : yield b a,b=b,a+b n= n+1 print(b) f=(lab(10)) print(f.__next__()) print(f.__next__()) print(f.__next__())
3、单线程并行效果，生成器的实际应用，生产者，消费者问题（异步IO雏形）
# yield 单线程并行 异步调用 # 生产者消费者 def consumer(name): print("%s 开始准备吃包子了" %(name)) while True: baozi = yield print("%s 开始吃 %s" %(name,baozi)) return 'done' def production(): c1 = consumer('xiajinqi') c2 = consumer('xiaosan') c1.__next__() c2.__next__() #两位顾客准备吃包子 print("laozi开始做包子") #开始准备做包子 for i in range(20): baozi1='猪肉馅' baozi2='韭菜馅' print("做了一个猪肉馅") print("做了一个韭菜馅") c1.send(baozi1) c2.send(baozi2) return 0 production()
4、迭代器
print(isinstance([ i* 2 for i in range (10)],Iterator)) print(isinstance(( i* 2 for i in range (10)),Iterator)) # 3.0 range 默认为迭代器
5、内置函数
print(abs(-10)) #取绝对值10 print(all([2,0,2])) # 可迭代对象中如果有都为真，返回true print(all([-1,-1,2])) # 可迭代对象中是否为真（有一个为真） print(bin(22)) #0b10110 数字转化为2进制 print(callable()) # 判断函数是否可以调用
6、序列化
#序列化 import json info = {"name":"xiajinqi","age":18} f = open("11.txt","w",encoding='utf-8') data=json.dumps(info) f.write(data) f.close() #序列化 import json #info = {"name":"xiajinqi","age":18} f = open("11.txt","r",encoding='utf-8') data = json.loads(f.read()) print(data['age']) f.close()
7、pickel
import pickle #info = {"name":"xiajinqi","age":18} def login(): print("hello") info = {"name":"xiajinqi","func":login} f = open("11.txt","wb") f.write(pickle.dumps(info)) f.close() #序列化 import pickle #info = {"name":"xiajinqi","age":18} def login(): print("hello1") info = {"name":"xiajinqi","func":login} f = open("11.txt","rb") data =pickle.loads(f.read()) print(data) print(data['func']()) f.close()
8序列化注意，只能loads和dumps一次
9、软件目录规范：
"设计项目目录结构"，就和"代码编码风格"一样，属于个人风格问题。对于这种风格上的规范，一直都存在两种态度:
- 一类同学认为，这种个人风格问题"无关紧要"。理由是能让程序work就好，风格问题根本不是问题。
- 另一类同学认为，规范化能更好的控制程序结构，让程序具有更高的可读性。
我是比较偏向于后者的，因为我是前一类同学思想行为下的直接受害者。我曾经维护过一个非常不好读的项目，其实现的逻辑并不复杂，但是却耗费了我非常长的时间去理解它想表达的意思。从此我个人对于提高项目可读性、可维护性的要求就很高了。"项目目录结构"其实也是属于"可读性和可维护性"的范畴，我们设计一个层次清晰的目录结构，就是为了达到以下两点:
- 可读性高: 不熟悉这个项目的代码的人，一眼就能看懂目录结构，知道程序启动脚本是哪个，测试目录在哪儿，配置文件在哪儿等等。从而非常快速的了解这个项目。
- 可维护性高: 定义好组织规则后，维护者就能很明确地知道，新增的哪个文件和代码应该放在什么目录之下。这个好处是，随着时间的推移，代码/配置的规模增加，项目结构不会混乱，仍然能够组织良好。
所以，我认为，保持一个层次清晰的目录结构是有必要的。更何况组织一个良好的工程目录，其实是一件很简单的事儿。
目录组织方式
关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。
这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。
假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:
Foo/
|-- bin/
| |-- foo
|
|-- foo/
| |-- tests/
| | |-- __init__.py
| | |-- test_main.py
| |
| |-- __init__.py
| |-- main.py
|
|-- docs/
| |-- conf.py
| |-- abc.rst
|
|-- setup.py
|-- requirements.txt
|-- README
简要解释一下:
bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。docs/: 存放一些文档。setup.py: 安装、部署、打包的脚本。requirements.txt: 存放软件依赖的外部Python包列表。README: 项目说明文件。
。