python进阶：python高级编程技巧(下)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python进阶：python高级编程技巧(下)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5675字，纯文字阅读大概需要9分钟。
内容图文
1、 _ _ getattr _ _与 _ _ getattribute _ _
- _ _ getattr _ _ 是当类调用一个不存在的属性时才会调用getattr魔法函数，他传入的值item就是你这个调用的不存在的值,如果传入的是已有的属性，那么就会去寻找已有的属性。
- _ _ getattribute _ _则是无条件的优先执行，所以如果不是特殊情况最好不要用 _ _ getattribute _ _。
class User(object):
def __init__(self, name, info):
self.name = name
self.info = info
def __getattr__(self, item):
return self.info[item]
# def __getattribute__(self, item):
# return 'hhh'
# 如果写了这个方法，那么所有的属性调用都会返回hhh
ls = User("李四", {"gender": "male"})
print(ls.gender)
print(ls.name)
2、属性描述符
- 属性表述符协议
属性描述符是实现了特定协议的类，只要实现了__get__，__set__和__delete__三个方法中的任意一个，这个类就是描述符，它能实现对多个属性运用相同存取逻辑的一种方式，通俗来说就是：创建一个实例，作为另一个类的类属性。
2.如果一个对象同时定义了__get__和__set__方法，它被称做数据描述符(data descriptor)。
3.只定义__get__方法的对象则被称为非数据描述符(non-data descriptor)。
3、元类
元类就是创建类的类可以用两种方法创建，第一种是type，第二种是通过classmate传入参数
type()一共要传入三个参数
- 第一个参数：name表示类名称，字符串类型
- 第二个参数：bases表示继承对象（父类），元组类型，单元素使用逗号
- 第三个参数：attr表示属性，这里可以填写类属性、类方式、静态方法，采用字典格式，key为属性名，value为属性值
def __init__(self, name):
self.name = name
print("i am __init__")
User = type("User", (), {"age":22 , "__init__":__init__})
obj = User("beiyue")
print(obj.name)
metaclass的英文直译过来就是元类，支持自己定义一个类，使得它是后面某一个类的元类。
class AddInfo(type):
def __new__(cls, name, bases, attr):
attr['info'] = 'add by metaclass'
return super().__new__(cls, name, bases, attr)
class Test(metaclass=AddInfo):
pass
4、迭代器与可迭代对象
4.1可迭代Iterable
可以用for循环遍历的对象都是可迭代对象。
str,list,tuple,dict,set等都是可迭代对象。
generator，包括生成器和带yield的生成器函数。
4.2判断一个对象是否可迭代
除了看内置是否含有 _ _ iter _ _ 方法来判断该对象是否是一个可迭代的对象之外，我们还可以使用 isinstance() 判断一个对象是否是 Iterable 对象
from collections import Iterable,Iterator
print(isinstance('abc',Iterable)) # True
print(isinstance([1,2,3,4],Iterable)) # True
print(isinstance(123,Iterable)) # False
4.3迭代器
- 有内置的 _ _ next _ _ ()方法的对象，执行该方法可以不依赖索引取值，有内置的 _ _ iter _ _ ()方法的对象，执行迭代器的 _ _ iter _ _ ()方法得到的依然是迭代器本身
- 可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。可以通过iter()方法将可迭代的对象，转为迭代器。
from collections import Iterable,Tterator
li = [1,2,3,4]
print(isinstance(li,Iterable)) # true
print(isinstance(li,Iterable)) # false
lis = iter(li)
print(type(lis)) # <class 'list_iterator'>
4.4for循环的原理
d = {'name': 'beiyue', 'city': 'sh', 'skill': 'python'}
for i in d:
print(i)
for 循环过程中，可迭代对象 d 会先通过 iter() 生成一个迭代器 iter(d)， 该迭代器具有一个 next 方法。在每次迭代过程中，这个 next 方法会被调用，从而返回 d 中的下一个键，直至字典的键全部返回后，next 会引发 StopIteration 异常，而 for 循环则会通过捕捉该异常来终止迭代，python的for循环本质就是通过不断调用next()函数实现的
4.5可迭代对象与迭代器区别
- 可用于for循环的都是可迭代对象
- 作用于next()都是迭代器
- list、dict、str等都是可迭代的但不是迭代器,因为next()函数无法调用它们。可以通过iter()函数将它们转为迭代器
5、生成器
5.1效果说明
在Python中，一边循环一边计算的机制，称为生成器：generator。
对比生成器和迭代器所占有的内存
import os
import psutil
# 显示当前 python 程序占用的内存大小
def show_memory_info(hint):
pid = os.getpid()
p = psutil.Process(pid)
info = p.memory_full_info()
memory = info.uss / 1024. / 1024
print('{} memory used: {} MB'.format(hint, memory))
def test_iterator():
show_memory_info('initing iterator')
list_1 = [i for i in range(1000000)]
print(list_1)
show_memory_info('after iterator initiated')
print(sum(list_1))
show_memory_info('after sum called')
def test_generator():
show_memory_info('initing generator')
list_2 = (i for i in range(1000000))
print(list_2)
show_memory_info('after generator initiated')
print(sum(list_2))
show_memory_info('after sum called')
test_iterator()
test_generator()
生成器并不会像迭代器一样占用大量内存，只有在被使用的时候才会调用。而且生成器在初始化的时候，并不需要运行一次生成操作，相比于 test_iterator() ，test_generator() 函数节省了一次生成一亿个元素的过程，因此耗时明显比迭代器短。
5.2为什么要有生成器
列表所有数据都在内存中，如果有海量数据的话会非常消耗内存。
比如说：我们仅仅需要访问前面几个元素，但后面绝大多元素占用的内存就会浪费了，那么生成器就是在循环的过程中根据算法不断推算出后续的元素，这样就不用创建整个完整的列表，从而节省大量的空间，总而言之，就是当我们想要使用庞大数据，又想让它占用的空间少，那就使用生成器。
5.3如何创建生成器
一共两种方法，yield关键字以及将列表推导式的[ ]写成括号
- 生成器表达式
g = (x for x in range(5))
print(g) # generator object
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
# 超出报错
print(next(g))
for i in g:
print(i)
- 生成器函数
通过yield返回一个值，并且记住这个返回值的位置，下次遇到next()调用时，代码从yield的下一条语句开始执行。与return的差别是，return也是返回一个值，但是直接结束函数。
def createNums():
print("-----func start-----")
a,b = 0,1
for i in range(5):
# print(b)
print("--1--")
yield b
print("--2--")
a,b = b,a+b
print("--3--")
print("-----func end-----")
g = createNums()
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
5.4通过生成器读取大文件
"""文件样式为一行以｜分割"""
def readlines(f,newline):
buf = ""
while True:
while newline in buf:
pos = buf.index(newline)
yield buf[:pos]
buf = buf[pos + len(newline):]
chunk = f.read(4096*10)
if not chunk:
yield buf
break
buf += chunk
with open('demo.txt') as f:
for line in readlines(f,"{|}"):
print(line)
内容总结
以上是互联网集市为您收集整理的python进阶：python高级编程技巧(下)全部内容，希望文章能够帮你解决python进阶：python高级编程技巧(下)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。