1、生成器
生成器的创建方法：
(1)通过列表生成式创建
可以通过将列表生成式的[]改成()
eg:
# 列表生成式
L = [ x*2 for x in range(5)] # L = [0, 2, 4, 6, 8]
# 生成器
G = （ x*2 for x in range(5)) # 此时的G是,<generator object <genexpr> at 0x7f626c132db0>
创建列表生成式和生成器的区别只是最外层的()和[],列表生成式是一个列表，而生成器事宜个可迭代对象。生成器对象可以通过for语句遍历每个元素。
for each in G:
print(each) # 打印结果是 0 2 4 6 8
(2)通过函数来实现
generator非常强大，如果推算的算法比较复杂，用类似的列表生成式的for循环无法实现的时候，可以通过函数来实现。
以著名的斐波拉契数列(Fibonacci), 除第一个和第二个数外，任意一个数都可以由前两个数相加得到：1，1,2,3,5,8,13….
斐波拉契数列用列表生成式不容易写出来，但是用函数把它打印出来很容易：
def fib(times):
n = 0
a, b = 0, 1
while n < times:
yield b # 这里用的yield将b的值返回到生成器中。
a, b = b, a+b
n += 1
return 'done'
f = fib(5)
for each in f:
print(each)
上述例子中，在循环过程中不断调用yield，就不会中断函数，但是必须要指定一个结束循环的条件，不然会产生一个无限循环的数列出来。
上述中，用for循环是拿不到return语句的返回值的，如果想拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
g = fib(5)
while True:
try:
x = next(g)
print('value: %d' % x)
except StopIteration as e:
print('生成器返回值：%s' % e.value)
break
这样就可以取到return的返回值了。
(3)生成器的特点
生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。
生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。
生成器的特点：
节约内存
迭代到下一次的调用时，所使用的参数都是第一次所保留下的，即是说，在整个所有函数调用的参数都是第一次所调用时保留的，而不是新创建的
2、迭代器
迭代是访问集合的一种方式。迭代器是一个可以记住遍历的位置的对象，迭代器对象从第一个元素开始访问，直到所有的元素被访问完结束，迭代器只能往前不能后退。
(1)可迭代对象
可迭代对象可以直接用户for循环的数据类型：
- 第一类是集合数据类型：如list，tuple，set，dict，str等等。
- 第二类是generator，包括生成器和代yield的生成器函数。
(2)判断是否为可迭代对象
可以使用isinstance()函数来判断一个对象是否是可迭代对象。
from collections import Iterable
isinstance([], Iterable) # 如果是可迭代对象则返回True，反之返回False。
生成器不但可以作用于for循环，而且还可以被next()函数不断调用，知道抛出StopIteration错误，表示无法继续返回下一个值了。
(3)迭代器
可以被next()函数调用并不断返回下一个值得对象称为迭代器（Iterator）
可以使用isinstance()函数来判断一个对象是否是迭代器对象。
from collections import Iterator
isinstance((x for x in range(10)), Iterator) # 如果是迭代器则返回True，反之False
(4)iter()函数
生成器都是Iterator对象，但是list，dict，str虽然是Iterable，但是不是Iterator。如果想把list，dict，str等可迭代对象变成迭代器，可以使用iter()函数。
isinstance 大专栏 python语法生成器、迭代器、闭包、装饰器总结(iter([]), Iterator) # 返回值是True，证明iter([])是迭代器。
(5)总结
- 凡是可以用for循环的对象，都是可迭代对象类型（iterable）
- 凡是可用于next()函数的对象，都是iterator（迭代器）类型。
- 集合数据类型，如list，dict，str等是可迭代对象，但不是迭代器，可以通过iter()函数获得一个迭代器对象。
3、闭包
闭包是在函数内部再定义一个函数，并且这个函数用到了外部函数的变量，就将这个函数以及用到的一些变量称之为闭包。简言之，内部函数对外部函数作用域里变量的引用（非全局变量），则称内部函数为闭包。
闭包示例：
def line_conf(a, b):
def line(x):
return a*x + b
return line
line1 = line_conf(1, 1)
line2 = line_conf(4, 5)
print(line1(5))
print(line2(5))
上例中，函数line与变量a, b构成闭包。在创建闭包的时候，我们通过line_conf的参数a, b说明了这两个变量的取值，这样，我们就确定了函数的最终形式（y = x + 1 和 y = 4x + 5)。我们只要变换参数a, b就可以得到不同的曲线表达函数，由此，闭包也具有提高代码可重复用性的作用。
如果没有闭包，我们需要每次创建直线函数的时候同时说明a, b, x。这样，我们需要更多的参数传递，也减少了代码的可移植性。
闭包总结：
- 闭包优化了变量，原来需要类对象完成的工作，闭包也可以完成。
- 由于闭包引用的外部函数的局部变量，则外部函数的局部变量没有及时释放，消耗内存。
4、装饰器
装饰器其实就是一个闭包，把一个函数当做参数然后返回一个替代的函数。这个替代的函数可以增添新的功能。
（1）装饰器（decorator）功能
- 引入日志
- 函数执行时间统计
- 执行函数前的预处理
- 执行函数后的清理功能
- 权限校验等场景
- 缓存
（2）装饰器示例
1. 无参数函数
from time import sleep, ctime
def timefun(func):
def wrappedfunc():
print('%s is called at %s'%(func.__name__, ctime())
func()
return wrappedfunc
@timefunn
def foo():
print('I am foo')
foo()
sleep(2)
foo()
2. 被修饰的函数有参数
from time import ctime, sleep
def timefunc(func):
def wrappedfunc(a, b):
print('%s is called at %s'%(func.__name, ctime())
print(a, b)
func(a, b)
return wrappedfunc
@timefunc
def foo(a, b)
print(a+b)
foo(3, 5)
sloop(2)
foo(2, 4)
3. 被修饰函数带有不定长参数
from time import ctime, sleep
def timefunc(func):
def wrappedfunc(*args, **kwargs):
print('%s is called at %s'%(func.__name__, ctime())
func(*args, **kwargs)
return wrappedfunc
@timefunc
def foo(a, b, c):
print(a+b+c)
foo(3,5,2)
sleep(2)
foo(2, 4, 9)
4.装饰器中带有return
from time import ctime, sleep
def timefunc(func):
def wrappedfunc():
print('%s called at %s'%(func.__name__, ctime())
func()
return wrappedfunc
@timefunc
def foo():
print('i am foo')
@timefunc
def getInfo():
return '----hahahah-----'
foo()
sleep(2)
foo()
print(getInfo())
#执行结果是
foo called at ....
I am foo
foo called at .....
I am foo
getInfo called at ...
None
有结果可见，带有return的修饰器，如果还是按照上述的写法，则不会返回值。如果把修饰器函数中的func(),改为return func(),则print(getInfo())的执行结果是：
getInfo called at …
—–hahahah—–
这样return能正确返回。