生成器、自定义range方法、模块介绍

今日学习内容总结

      在昨日的学习中，我们通过对迭代器，迭代器对象，可迭代对象的了解，加长异常处理的实际操作。成功理解了for循环的本质。今天就让我们来学习生成器，以及模块的导入与使用。

生成器对象

      生成器对象，本质还是迭代器。生成器函数是指在函数体中使用yield表达式仅返回结果的函数。yield表达式仅在定义生成器函数时使用，因此只能用在函数定义的主体中。在函数体中使用yield表达式会使该函数成为生成器函数。当生成器函数被调用时，它返回一个称为生成器的迭代器，该迭代器由python自动生成。然后，生成器控制了生成器函数的执行。因为返回的生成器是一个迭代器，所以生成器函数的执行结果也就可以被循环。当生成器的的__next__方法被调用时，生成器函数的函数体内的语句开始执行，执行进行到第一个yield表达式时，立即将yield表达式的结果返回给生成器的调用者，同时将生成器函数内部的状态挂起。即保持生成器函数的执行进度，和生成器函数内的局部状态：包括局部变量的当前绑定，指令指针，内部计算栈和任何异常处理的状态。当生成器的再次调用__next__方法来时，生成器函数恢复执行，并再次执行到yield表达式返回结果再保持状态，直到无法再执行到yield表达式。此时生成器自动抛出StopIteration异常。

  # 我们先定义一个简单生成器函数，函数功能返回数字0-9的平方数
  def squares():
      for i in range(10):
          yield i ** 2

  g = squares()

  print(squares)  # <function squares at 0x000001B034A51EA0>
  print(g)  # <generator object squares at 0x000001B034B90CA8>


  # 从上面可以看出变量squares是函数类型，变量g是generator类型对象，generator从字面的理解上就是生成器类型。

  for i in g:
      print(i)  
  # 这就实现了我们0-9的平方数的功能

      生成器对象也是节省存储空间的，特性与迭代器对象一致。但是在其没有调用前，就是一个普通的函数。如果函数体代码中含有多个yield关键字，执行一次__next__返回后面的值并且让代码停留在yield位置，再次执行__next__基于上次的位置继续往后执行到下一个yield关键字处，如果没有了再执行也会报错StopIteration

自定义range方法

      range方法其实是一个可迭代对象。课堂练习：

  # 通过生成器模拟range方法
  def my_rangge(i, j = None, x = 1):
      if not j:
          j = i
          i = 0
      while i < j:
          yield i
          i += x

  for i in my_rangge(1, 10, 2):
      print(i)

  # 写代码的时候一定要记住鸡哥说的写代码不要想太多，先搭建主体功能，之后再考虑其他情况。

yield关键字作用

      yield关键字作用：1.在函数体代码中出现，可以将函数变成生成器。2.在执行过程中，可以将后面的值返回出去，类似于return。3.可以暂停代码的运行。4.可以接收外界的传值。

  # yield 的使用和 return 很像，不同的是 yield 会返回一个生成器。
  def squares():
      a = range(3)
      for i in a:
          yield i*i


  res = squares()

  print(res)  # <generator object squares at 0x000001EC183B0CA8>

  for i in res:
      print(i)  # 0  1  4

      上面例子中，调用 squares() 返回的是一个生成器，需要对生成器 res进行遍历，才能得到值。对生成器进行第一遍遍历时，会执行 squares() 函数中的代码直到 yield i*i，这时会返回第一个值，紧接着第二遍遍历会返回第二个值，直到生成器为空。

生成器表达式

      生成器表达的作用式也是为了节省存储空间。在后期做代码优化时考虑使用。

  res = (i for i in 'jason')
  print(res)  # <generator object <genexpr> at 0x000002440A5B0CA8>
  print(res.__next__())  # j
  print(res.__next__())  # a
  print(res.__next__())  # s

      生成器内部的代码只有在调用__next__迭代取值的时候才会执行

模块

模块简介

      模块，简而言之，在python中，一个文件（以“.py”为后缀名的文件）就叫做一个模块，每一个模块在python里都被看做是一个独立的文件。模块让你能够有逻辑地组织你的 Python 代码段。把相关的代码分配到一个模块里能让你的代码更好用，更易懂。模块能定义函数，类和变量，模块里也能包含可执行的代码。一个模块编写完毕之后，其他模块直接调用，不用再从零开始写代码了，节约了工作时间；避免函数名称和变量名称重复，在不同的模块中可以存在相同名字的函数名和变量名，但是，切记，不要和系统内置的模块名称重复。

      而python之所以牛逼，并且适用于各个行业，很大程度上就是因为模块。很多大佬写了很多非常牛逼的模块 供python工程师直接使用，而我们在未来需要一个非常复杂的功能需要实现的时候，那么第一时间不是想着如何去写，而是去网上找有没有相应的python模块!!!

      模块的三种来源：1.内置的(python解释器自带)。2.第三方的(别人写的)。3.自定义的(我们自己写的)。

      模块的四种表现形式：1.使用python编写的py文件(也就意味着py文件也可以称之为模块:一个py文件也可以称之为一个模块)。2.已被编译为共享库或DLL的C或C++扩展。3.把一系列模块组织到一起的文件夹(文件夹下有一个__init__.py文件，该文件夹称之为包)包:一系列py文件的结合体。4.使用C编写并连接到python解释器的内置模块。

      使用模块的原因：1.用别人写好的模块(内置的,第三方的):典型的拿来主义,极大的提高开发效率。2.使用自己写的模块(自定义的):当程序比较庞大的时候,你的项目不可能只在一个py中那么当多个文件中都需要使用相同的方法的时候 可以将该公共的方法写到一个py文件中其他的文件以模块的形式导过去直接调用即可。

模块的导入方式

      要想使用模块，必须先导入。而我们导入模块的方式有两种：

      导入方式一

  # import + 句式

      在研究模块的时候,一定要分清楚谁是执行文件 谁是被导入文件(模块)。

      import句式的特点：1.可以通过import后面的模块名点的方式，使用模块中所有的名字。2.并且不会与当前名称空间中的名字冲突(指名道姓)。

  import a  # a里面有一个money=1
  money = 666
  a.change()
  print(money)  # 666

      由上图知，我们a.py和b.py中都有方法1，但是并不会冲突，而我们在b中运行模块a后，会产生这个文件的全局名称空间，执行import句式就会执行a.py里面的代码，指向这个文件对应的名称空间。而我们通过a.方法的方式，就可以使用模块名称空间中的名字。

      导入方式二

  # from ... import ...
  from a import money  
  print(money)  # 1
  money = 666
  print(money)  # 666

  print(name)  # 报错 from a import money 只使用模块中的money名字

      from...import的句式会产生名字冲突的问题，在使用的时候 一定要避免名字冲突。使用from...import的句式，只能使用import后面出现的名字。

      图中详细说明了from方法的使用原理