学习进度条3.20

所花时间：5小时
代码量：100
搏客量：1
了解到的知识点：

1. 装饰器（Decorators）
   装饰器是一种用于修改或扩展函数行为的高阶函数。
   def my_decorator(func):
   def wrapper():
   print("Before function call")
   func()
   print("After function call")
   return wrapper

@my_decorator
def say_hello():
print("Hello!")

say_hello()
2. 生成器（Generators）
生成器是一种特殊的迭代器，使用yield关键字逐步生成值。

适合处理大数据流或无限序列。
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b

fib = fibonacci()
for _ in range(10):
print(next(fib))
3. 上下文管理器（Context Managers）
用于管理资源的分配和释放，通常与with语句一起使用。
class MyContextManager:
def enter(self):
print("Entering the context")
return self

def __exit__(self, exc_type, exc_val, exc_tb):
    print("Exiting the context")

with MyContextManager() as cm:
print("Inside the context")
4. 元类（Metaclasses）
元类是类的类，用于控制类的创建行为。

常用于框架开发或动态修改类定义。
class Meta(type):
def new(cls, name, bases, dct):
print(f"Creating class {name}")
return super().new(cls, name, bases, dct)

class MyClass(metaclass=Meta):
pass
5. 异步编程（Asyncio）
使用async和await关键字实现异步编程。

适合I/O密集型任务，如网络请求、文件读写等。
import asyncio

async def fetch_data():
print("Fetching data...")
await asyncio.sleep(2)
print("Data fetched")

async def main():
await asyncio.gather(fetch_data(), fetch_data())

asyncio.run(main())
6. 类型注解（Type Annotations）
使用类型注解提高代码可读性和可维护性。
def greet(name: str) -> str:
return f"Hello, {name}"
7. 并发与并行（Concurrency & Parallelism）
使用threading模块实现多线程，multiprocessing模块实现多进程。
import threading

def worker():
print("Worker thread")

threads = []
for _ in range(5):
t = threading.Thread(target=worker)
threads.append(t)
t.start()

for t in threads:
t.join()
8. 函数式编程（Functional Programming）
使用map、filter、reduce等高阶函数。
from functools import reduce

numbers = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x**2, numbers))
even = list(filter(lambda x: x % 2 == 0, numbers))
total = reduce(lambda x, y: x + y, numbers)
9. 数据类（Data Classes）
使用dataclasses模块简化类的定义。
from dataclasses import dataclass

@dataclass
class Point:
x: int
y: int

p = Point(10, 20)
print(p)
10. 性能优化
使用timeit模块测试代码性能。
使用cProfile进行性能分析。
import timeit

def slow_function():
return sum(range(1000000))

print(timeit.timeit(slow_function, number=10))