Python-Day4 Python基礎進階之生成器/迭代器/裝飾器/Json & pickle 數據序列化

来源:http://www.cnblogs.com/cheng95/archive/2016/08/17/5773254.html
-Advertisement-
Play Games

一、生成器 通過列表生成式，我們可以直接創建一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈 ...


一、生成器

　　通過列表生成式，我們可以直接創建一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。

要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：

>>> L = [ x*2 for x in range(5)]
>>> L
[0, 2, 4, 6, 8]
>>> g = ( x*2 for x in range(5) )
>>> g
<generator object <genexpr> at 0x000000000321EF68>

　　創建L和g的區別僅在於最外層的[]和()，L是一個list，而g是一個generator。我們可以直接列印出list的每一個元素，但我們怎麼列印出generator的每一個元素呢？如果要一個一個列印出來，可以通過next()函數獲得generator的下一個返回值：

>>> next(g)
0
>>> next(g)
2
>>> next(g)
4
>>> next(g)
6
>>> next(g)
8
>>> next(g)
Traceback (most recent call last):
  File "<pyshell#11>", line 1, in <module>
    next(g)
StopIteration
>>> g
<generator object <genexpr> at 0x000000000321EF68>
>>> g = ( x*2 for x in range(5) )
>>> for n in g:
    print(n)

    
0
2
4
6
8

　　generator保存的是演算法，每次調用next(g)，就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。當然，這種不斷調用next(g)實在是太變態了，正確的方法是使用for迴圈，因為generator也是可迭代對象。所以，我們創建了一個generator後，基本上永遠不會調用next()，而是通過for迴圈來迭代它，並且不需要關心StopIteration的錯誤。

generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for迴圈無法實現的時候，還可以用函數來實現。

比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數列用列表生成式寫不出來，但是，用函數把它列印出來卻很容易：

>>> def fib(max):
    n,a,b = 0,0,1
    while n<max:
        print(b)
        a,b =b,a+b
        n=n+1
    return 'done'

>>> fib(10)
1
1
2
3
5
8
13
21
34
55
'done'
'''仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了：

'''
>>> def fib(max):
    n,a,b = 0,0,1
    while n<max:
        yield b
        a,b =b,a+b
        n=n+1
    return 'done'

>>> f=fib(5)
>>> f
<generator object fib at 0x000000000321EF68>

>>> print(next(f))
1
>>> print(next(f))
1
>>> print(next(f))
2
>>> print(next(f))
3
>>> print(next(f))
5
>>> print(next(f))
Traceback (most recent call last):
  File "<pyshell#49>", line 1, in <module>
    print(next(f))
StopIteration: done

　　在上面fib的例子，我們在迴圈過程中不斷調用yield，就會不斷中斷。當然要給迴圈設置一個條件來退出迴圈，不然就會產生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for迴圈來迭代：

>>> for n in fib(5):
...     print(n)
...
1
1
2
3
5
'''
但是用for迴圈調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：
'''
>>> g=fib(5)
>>> while True:
    try:
        x=next(g)
        print('g:',x)
    except StopIteration as e:
        print('Generator return value:', e.value)
        break

    
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

　　通過yield實現在單線程的情況下實現併發運算的效果：（暫時保留）

二、迭代器

　　迭代是Python最強大的功能之一，是訪問集合元素的一種方式。迭代器是一個可以記住遍歷的位置的對象。迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會後退。

以直接作用於for迴圈的數據類型有以下幾種：

一類是集合數據類型，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用於for迴圈的對象統稱為可迭代對象：Iterable。

可以使用isinstance()判斷一個對象是否是Iterable對象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

而生成器不但可以作用於for迴圈，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。

*可以被next()函數調用並不斷返回下一個值的對象稱為迭代器：Iterator。

可以使用isinstance()判斷一個對象是否是Iterator對象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。

把list、dict、str等Iterable變成Iterator可以使用iter()函數：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

你可能會問，為什麼list、dict、str等數據類型不是Iterator？

這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。

Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

 

小結

凡是可作用於for迴圈的對象都是Iterable類型；

凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python的for迴圈本質上就是通過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

#實際上完全等價於：
# 首先獲得Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 迴圈:
while True:
    try:
        # 獲得下一個值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出迴圈
        break

三、裝飾器

　　理解了好幾天，開始寫裝飾器，先說定義：裝飾器本質上是一個Python函數，它可以讓其他函數在不需要做任何代碼變動的前提下增加額外功能，裝飾器的返回值也是一個函數對象。假設我們要增強一個函數的功能，比如，在函數調用前後自動列印時間，但又不希望修改函數的定義，這種在代碼運行期間動態增加功能的方式，稱之為“裝飾器”（Decorator）。

def use_logging(func):
    print("%s is running" % func.__name__) #_name_獲取函數的名字，也就是bar
    func()

def bar():
    print('i am bar')

use_logging(bar)

'''執行結果：
bar is running
i am bar
'''

　　　　邏輯上不難理解， 但是這樣的話，我們每次都要將一個函數作為參數傳遞給use_logging函數。而且這種方式已經破壞了原有的代碼邏輯結構，之前執行業務邏輯時，執行運行bar()，但是現在不得不改成use_logging(bar)。那麼有沒有更好的方式的呢？當然有，答案就是裝飾器。

1.無參裝飾器

import time
def timer(func):
    def deco():
        start_time = time.time()
        func()
        stop_time = time.time()
        print("The func run time is %s" %(stop_time-start_time))
    return deco
@timer #相當於time1=timer(time1)
def time1():
    time.sleep(1)
    print("In the time")
time1()

'''
In the time
The func run time is 1.0000569820404053
'''

2.有參裝飾器

import time
def timer(timeout=0):
    def decorator(func):
        def wrapper(*args,**kwargs):
            start=time.time()
            func(*args,**kwargs)
            stop=time.time()
            print 'run time is %s ' %(stop-start)
            print timeout
        return wrapper
    return decorator
@timer(2)
def test(list_test):
    for i in list_test:
        time.sleep(0.1)
        print '-'*20,i
  
#timer(timeout=10)(test)(range(10))
test(range(10))

四、Json & pickle 數據序列化

用於序列化的兩個模塊

  • json，用於字元串 和 python數據類型間進行轉換
  • pickle，用於python特有的類型 和 python的數據類型間進行轉換

Json模塊提供了四個功能：dumps、dump、loads、load

pickle模塊提供了四個功能：dumps、dump、loads、load

　　我們把變數從記憶體中變成可存儲或傳輸的過程稱之為序列化，在Python中叫pickling。序列化之後，就可以把序列化後的內容寫入磁碟，或者通過網路傳輸到別的機器上。反過來，把變數內容從序列化的對象重新讀到記憶體里稱之為反序列化，即unpickling。Python提供了pickle模塊來實現序列化。

>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)

b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'

#pickle.dumps()方法把任意對象序列化成一個bytes，然後，就可以把這個bytes寫入文件。

>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()

#當我們要把對象從磁碟讀到記憶體時，可以先把內容讀到一個bytes，然後用pickle.loads()方法反序列化出對象。

>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}

　　Pickle的問題和所有其他編程語言特有的序列化問題一樣，就是它只能用於Python，並且可能不同版本的Python彼此都不相容，因此，只能用Pickle保存那些不重要的數據，不能成功地反序列化也沒關係。

　　如果我們要在不同的編程語言之間傳遞對象，就必須把對象序列化為標準格式，比如XML，但更好的方法是序列化為JSON，因為JSON表示出來就是一個字元串，可以被所有語言讀取，也可以方便地存儲到磁碟或者通過網路傳輸。JSON不僅是標準格式，並且比XML更快，而且可以直接在Web頁面中讀取，非常方便。

>>> import json
>>> d = dict(name='Bob', age=20, score=88)
>>> json.dumps(d)
'{"age": 20, "score": 88, "name": "Bob"}'

　　dumps()方法返回一個str，內容就是標準的JSON。

　　要把JSON反序列化為Python對象，用loads()或者對應的load()方法，前者把JSON的字元串反序列化。

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}

 

 

您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • Java中字元串記憶體位置淺析
    前言 之前寫過一篇關於 "JVM記憶體區域劃分" 的文章，但是昨天接到螞蟻金服的面試，問到JVM相關的內容，解釋一下JVM的記憶體區域劃分，這部分答得還不錯，但是後來又問了Java裡面String存放的位置，之前只記得String是一個不變的量，應該是要存放在常量池裡面的，但是後來問到new一個Stri ...
  • 基於 FPGA 的圖像邊緣檢測
    本文主要內容是實現圖像的邊緣檢測功能 目錄 mif文件的製作 受資源限制，將圖片像素定為 160 * 120，將圖片數據製成 mif 文件，對 rom ip 核進行初始化。mif文件的製作方法網上有好多辦法，因此就不再敘述了，重點說mif文件的格式。 1、mif文件的格式為： 調用ip 核生成 ro ...
  • tidyr包--數據處理包
    tidyr包的作者是Hadley Wickham。這個包常跟dplyr結合使用。本文將介紹tidyr包中下述四個函數的用法： gather—寬數據轉為長數據。類似於reshape2包中的melt函數 spread—長數據轉為寬數據。類似於reshape2包中的cast函數 unit—多列合併為一列 ...
  • 簡明Python教程自學筆記——命令行通訊錄
    【前言】學習Python已經有一段時間了，相關的書籍資料也下載了不少，但是沒有一本完整的看完，也沒有編出一個完整的程式。今天下午比較清閑就把《簡明Python教程》看了一遍，然後根據書裡面提的要求編寫了一段命令行通訊錄的小程式。下麵是編寫的思路以及代碼，歡迎感興趣的同學交流探討。 1.目標 編寫一個 ...
  • 資料庫優化方案
    打算出去找工作了，聽說面試有很多優化的題目，於是上網一搜，順便整理一下： 1.對查詢進行優化，要儘量避免全表掃描，首先應考慮在 where 及 order by 涉及的列上建立索引。 2.應儘量避免在 where 子句中對欄位進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如： s ...
  • dplyr包--數據操作與清洗
    1.簡介 在我們數據分析的實際應用中，我們可能會花費大量的時間在數據清洗上，而如果使用 R 裡面自帶的一些函數（base 包的 transform 等），可能會覺得力不從心，或者不是很人性化。好在我們有其他選擇。這裡我們介紹 dplyr 包。 首先載入包： 單表操作函數（one table verb ...
  • 1、PDO：PDO 簡介
    1、PDO：PDO 簡介 PDO（PHP Data Object）即PHP數據對象，其為PHP訪問不同的資料庫定義了一致的介面。PDO只是抽象層面的介面，本身並不能提供訪問資料庫的能力，要想使用PDO訪問資料庫，需要為其指定一個實現了PDO介面的資料庫驅動。其類似於JAVA中的JDBC規範。 實現了 ...
  • [Latex] Type3 PDF文檔處理
    提交給ACM與IEEE的論文中（如CIKM），除了有明確具體字體類型的Type1和TrueType字體外，經常會出現Type3字體。 Type 3 字體是矢量外框字體，很多網站所稱Type 3是點陣字體其實是錯誤的。不同於 Type 1，PostScript Type 3 字體不支援 Hinting ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類