一、列表生成式，迭代器&生成器
列表生成式
需求：data列表里有如下三个值，需要给每个值加1
1 data = [1,2,3] 2 list = map(lambda x:x+1,data) 3 for i in list: 4 print(i) 5 ========================== 6 data = [1,2,3] 7 for index,i in enumerate(data): 8 data[index] +=1 9 10 print(data) 11 ========================== 12 列表生成式 13 data = [1,2,3] 14 data = [i+1 for i in data] 15 print(data) 16 三元运算 17 data = [1,2,3] 18 data = [i*2 if i>2 else i for i in data] 19 print(data)
生成器
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。
在 Python 中，使用了 yield 的函数被称为生成器（generator）。
生成器要求：必须一个一个的访问，无法指定下标访问；
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
在调用生成器运行的过程中，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。
yield两个优点：
yield a
返回a,同时挂起当前这个函数,a返回给了通过__next__()调用当前函数的人
这代表通过yield就实现了函数的中断,并且保存了函数的中间执行状态
1 import sys 2 3 def fibonacci(n): # 生成器函数 - 斐波那契 4 a, b, counter = 0, 1, 0 5 while True: 6 if (counter > n): 7 return 8 yield a 9 a, b = b, a + b 10 counter += 1 11 f = fibonacci(10) # f 是一个迭代器，由生成器返回生成 12 13 while True: 14 try: 15 print (next(f), end=" ") 16 except StopIteration: 17 sys.exit()
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几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
以上统称为可迭代对象(Iterable)
1 用isinstance做测试 2 =========================== 3 from collections import Iterable 4 print(isinstance([],Iterable)) #列表 5 print(isinstance((i for i in range(10)),Iterable)) #生成器 6 print(isinstance('lian',Iterable)) #字符串 7 print(isinstance({'name':'lain'},Iterable)) #字典 8 9 返回值： 10 True 11 True 12 True 13 True
迭代器定义：可以迭代并且可以被next()函数调用，并不断返回下一个值的对象就称为迭代器(Iterator);生成器肯定都是迭代器，迭代器不一定就是生成器。
1 用Iterator测试是否是迭代器 2 =================================== 3 from collections import Iterator 4 print(isinstance([],Iterator)) #列表 5 print(isinstance((i for i in range(10)),Iterator)) #生成器 6 print(isinstance('lian',Iterator)) #字符串 7 print(isinstance({'name':'lain'},Iterator)) #字典 8 9 运行结果： 10 False 11 True 12 False 13 False
以上结果可以看出，生成器都是迭代器（Iterator）对象，但是list、dict、str虽然都是可迭代对象(Iterable)，却不是迭代器（Iterator）
把lsit、dic、str等可迭代对象（Iterable）变成迭代器（Iterator）,可以用iter()函数：
1 通过iter函数将可迭代对象变成迭代器 2 ====================================== 3 rom collections import Iterator 4 print(isinstance(iter([]),Iterator)) #列表 5 print(isinstance((i for i in range(10)),Iterator)) #生成器 6 print(isinstance(iter('lian'),Iterator)) #字符串 7 print(isinstance(iter({'name':'lain'}),Iterator)) #字典 8 执行结果： 9 True 10 True 11 True 12 True
你可能会问，为什么list、dict、str等数据类型不是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。
二、装饰器
装饰器定义：装饰器是函数，只不过该函数可以具有特殊的含义，装饰器用来装饰函数或类，使用装饰器可以在函数执行前和执行后添加相应操作
完全符合程序开发中，开放-封闭原则；不改变原有代码功能，不改变原有调用方式实现新功能的扩张。
1 user_status = False 2 def login(fund): 3 4 def inner(): 5 user = 'lain' 6 pwd = '123@qwe' 7 global user_status 8 9 if user_status == False: 10 username = input('USER:') 11 passwd = input('PASSWORD:') 12 13 if username == user and passwd == pwd: 14 print('登录成功') 15 user_status = True 16 else: 17 print('账号密码错误！') 18 19 if user_status == True: 20 fund() 21 return inner 22 23 def home(): 24 print('-------商城首页------') 25 26 @login #语法糖 27 def numerical(): 28 print('-----电子数码-----') 29 30 @login 31 def food(): 32 print('-----食品生鲜-----') 33 34 @login 35 def department(): 36 print('-----百货商品') 37 38 home = login(home) #装饰器 39 home() 40 numerical() 41 food() 42 department()
装饰器详细资料：http://www.cnblogs.com/rhcad/archive/2011/12/21/2295507.html
三、软件目录结构规范
1.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。
除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。
下面，再简单讲一下我对这些目录的理解和个人要求吧。
2.关于README的内容
这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。
它需要说明以下几个事项:
- 软件定位，软件的基本功能。
- 运行代码的方法: 安装环境、启动命令等。
- 简要的使用说明。
- 代码目录结构说明，更详细点可以说明软件的基本原理。
- 常见问题说明。
我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。
可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。
3.关于requirements.txt和setup.py
setup.py
一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。
这个我是踩过坑的。
我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:
- 安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。
- Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。
- 如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。
- 新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。
setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。
setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py
当然，简单点自己写个安装脚本（deploy.sh）替代setup.py也未尝不可。
requirements.txt
这个文件存在的目的是:
- 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在
setup.py安装依赖时漏掉软件包。 - 方便读者明确项目使用了哪些Python包。
这个文件的格式是每一行包含一个包依赖的说明，通常是flask>=0.10这种格式，要求是这个格式能被pip识别，这样就可以简单的通过 pip install -r requirements.txt来把所有Python包依赖都装好了。具体格式说明： 点这里。
4.关于配置文件的使用方法
注意，在上面的目录结构中，没有将conf.py放在源码目录下，而是放在docs/目录下。
很多项目对配置文件的使用做法是:
- 配置文件写在一个或多个python文件中，比如此处的conf.py。
- 项目中哪个模块用到这个配置文件就直接通过
import conf这种形式来在代码中使用配置。
这种做法我不太赞同:
- 这让单元测试变得困难（因为模块内部依赖了外部配置）
- 另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。
- 程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖
conf.py这个文件。
所以，我认为配置的使用，更好的方式是，
- 模块的配置都是可以灵活配置的，不受外部配置文件的影响。
- 程序的配置也是可以灵活控制的。
能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。
所以，不应当在代码中直接import conf来使用配置文件。上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的。