一、迭代器&生成器

　　1、迭代器仅仅是一容器对象，它实现了迭代器协议。它有两个基本方法：

　　1）next 方法　　返回容器的下一个元素　　　

　　2)_iter_方法　　返回迭代器自身。迭代器可以使用内建的iter方法创建

ts = iter([‘asd‘,‘sds‘,‘qweq‘])
#创建iter方法
print(ts.__next__()) #使用_next_方法返回下一个元素
print(ts.__next__())
print(ts.__next__())

#运行结果
asd
sds
qweq#需要注意的是，如果已经全部返回后，多输出一个next的话报错Traceback (most recent call last):print(ts.__next__())StopIteration

　　2、生成器

　　通过list可以直接创建一个列表，但是收到内存限制，列表容量肯定是有限。而且，创建一个包含几千万元素的列表肯定会占用很大的存储空间。如果要访问前面的几个元素，那么后面绝大多数元素占得空间都浪费了。

　　所以，如果列表元素可以按照某种算法推算出来，就可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间。一边循环一边计算的机制，称为生成器：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，如果函数中包含yield语法，那这个函数就会变成生成器　

def cash(m):
    while m > 0:
        m -=1
        yield 100
        print(‘取钱‘)
atm = cash(300)
print(type(atm))
print(atm.__next__())
print(atm.__next__())
print(‘待会............‘)
print(atm.__next__())
#运行结果
<class ‘generator‘>
100
取钱
100
待会............
取钱
100

　　作用：yield的主要效果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。

　　另一种用途就是可以通过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,过来吃饭‘ %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(‘开始做饭了‘)
    for i in range(10):
        time.sleep(1)
        print(‘做了2个包子‘)
        c.send(i)
        c2.send(i)
producer(‘tom‘)
#运行结果
A,过来吃饭
B,过来吃饭
开始做饭了
做了2个包子
包子[0]来了，被[A]吃了
包子[0]来了，被[B]吃了
做了2个包子
包子[1]来了，被[A]吃了
包子[1]来了，被[B]吃了
做了2个包子
包子[2]来了，被[A]吃了
包子[2]来了，被[B]吃了
做了2个包子
包子[3]来了，被[A]吃了
包子[3]来了，被[B]吃了
做了2个包子
包子[4]来了，被[A]吃了
包子[4]来了，被[B]吃了
做了2个包子
包子[5]来了，被[A]吃了
包子[5]来了，被[B]吃了
做了2个包子
包子[6]来了，被[A]吃了
包子[6]来了，被[B]吃了
做了2个包子
包子[7]来了，被[A]吃了
包子[7]来了，被[B]吃了
做了2个包子
包子[8]来了，被[A]吃了
包子[8]来了，被[B]吃了
做了2个包子
包子[9]来了，被[A]吃了
包子[9]来了，被[B]吃了

二、装饰器

1、嵌套函数

def t1(a):
    def t2(b):
        return a+b
    return t2
f = t1(‘aaaa_‘)
res = f(‘bbbbbb‘)
print(res)
#运行结果
aaaa_bbbbbb

　　运行流程：

　　1）由于程序是由上到下的执行顺序，所以首先执行“f = t1(‘aaaa_‘);

　　2）把a的值传给函数t1，a=‘aaaa_‘，但是该函数里面又包含另一个函数，所以先跳出；

　　3）执行res = f(‘bbbbb‘)，把‘bbbbb‘赋值给函数t2，b = ‘bbbbb‘;

　　4）执行t2,返回a+b，print输出结果。

　　进阶

def action(x):
    return(x)

def action_pro(n):
    def warpper(x):
        return(n(x) * x)
    return(warpper)

action = action_pro(action) #第一个action为自定义的伪装变量，第二个action为上边定义的action函数
res = action(3) #此函数实际为warpper(3)，返回值为9
print(res)
#运行结果9

    def action_pro(n):
        def warpper(x):
            return(n(x) * x)
        return(warpper)  

    @action_pro #用action_pro函数把action包装成warpper
    def action(x):
        return(x)  

    action(3) #此函数实际为warpper(3)，返回值为9  

def login(func):
    def inner(arg):
        print(‘Success!‘)
        func(arg)
    return inner
@login
def tv(name):
    print(‘welcome [%s] to page!‘%name)

#tv = login(tv)
tv(‘tom‘)

三、递归

　　递归算法是一种直接或者间接的调用自身算法的过程。

　　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、在递归条用的过程当系统为每一层的返回点、局部变量等开辟了栈来存储。递归次数过多容易造成栈溢出等。所以一般不使用递归算法设计程序。

　　要求：

　　　　1、每次调用在规模上都有所缩小；

　　　　2、相邻两次重复之间有紧密的联系，前一次为后一次做准备（通常前一次的输出作为后一次的输入）；

　　　　3、每次递归调用都是有条件的，无条件的递归将会成为死循环。

　　示例：

def calc(n):
    print(n)
    if n/2 > 1:
        res = calc(n/2)
        print(‘res‘,res)
    print(‘N‘,n)
    return n
calc(10)

　　进阶：快速判断一个数字是否在一个列表中

def search(data_soure,find_n):
    mid = int(len(data_soure)/2)
    print(len(data_soure))
    if len(data_soure) >=1:
        if data_soure[mid] > find_n:
            print(‘in left‘)
        #    print(data_soure[:mid])
            search(data_soure[:mid],find_n)
        elif data_soure[mid] < find_n:
            print(‘in right‘)
        #    print(data_soure[mid:])
            search(data_soure[mid:],find_n)
        else:
            print(‘Found in!‘)
    else:
        print(‘No!‘)
if __name__ == ‘__main__‘:
    data = list(range(1,10000000))
    search(data,1)

四、算法基础

备注：下次细说

要求：生成一个4*4的2维数组并将其顺时针旋转90度

data = [[col for col in range(4)] for row in range(4)]
for r_index,row in enumerate(data):
    for c_index in range(r_index,len(row)):
        tmp = data[c_index][r_index]
        data[c_index][r_index] = row[c_index]
        data[r_index][c_index] = tmp
    print(‘*****************‘)
    for r in data:print(r)

五、正则表达式

　　Python通过re模块提供对正则表达式的支持。使用re的步骤一般是先将表达式的字符串形式编译为pattern实例，然后使用pattern实例处理文本并获得匹配结果，最后使用match实例获得信息，进行其他的操作。

import re

# 将正则表达式编译成Pattern对象
pattern = re.compile(r‘hello‘)

# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match = pattern.match(‘hello world!‘)

if match:
    # 使用Match获得分组信息
    print(match.group())
#运行结果
hello

re.match函数

pattern 匹配的正则表达式

string 要匹配的字符串。

flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

匹配成功re.match方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

group(num=0) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。

函数语法：

re.search(pattern, string, flags=0)

re.match与re.search的区别

re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。

检索和替换

Python 的re模块提供了re.sub用于替换字符串中的匹配项。

语法：

re.sub(pattern, repl, string, max=0)

返回的字符串是在字符串中用 RE 最左边不重复的匹配来替换。如果模式没有发现，字符将被没有改变地返回。

可选参数 count 是模式匹配后替换的最大次数；count 必须是非负整数。缺省值是 0 表示替换所有的匹配。