亚马逊订单api重构 api异常入库在php中执行python

知识点1

列表生成式

# 列表生成式
[i ** 2 for i in range(1, 11)]
# 加入判断条件
[i ** 2 for i in range(1, 11) if i % 3 == 0]
# 加入循环
[i + j for i in 'abcd' for j in 'xyz']
[i + j + k for i in 'abcd' for j in 'xyz' for k in '12345']
# 获取字典dict k-v
[k + '=>' + str(v) for k, v in {'a': 123, 'b': 456}.items()]

# if-else
[i ** 2 if i%2==0 else i+100 for i in range(1, 11)]

import re

l = ['a', 'b1']

ll = [i if re.search('\d', i) is None else i[0:re.search('\d', i).endpos - 1] for i in l]

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator

# 生成器
g = (x ** 2 if x % 3 == 0 else x + 1000 for x in range(20))
# <generator object <genexpr> at 0x0000000003217A50> 生成器对象
next(g)

def odd():
    print('step1')
    yield 1
    print('step2')
    yield 3
    print('step3')
    yield 5

o = odd()
next(o)
next(o)
# 我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
for i in o:
    print(1)

o1 = odd()
for i in o1:
    print(1)

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n += 1
        print('n=', n, ',b=', b)
    return 'done'

fib(6)

# 推算规则转换成生成器
# fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
#
# 也就是说，上面的函数和generator仅一步之遥。
def fib_g(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n += 1
    return 'done'

f_g = fib_g(6)
for i in range(7):
    r = next(f_g)
    print('i=',i,'r=',r)

1
n= 1 ,b= 1
1
n= 2 ,b= 2
2
n= 3 ,b= 3
3
n= 4 ,b= 5
5
n= 5 ,b= 8
8
n= 6 ,b= 13
i= 0 r= 1
i= 1 r= 1
i= 2 r= 2
i= 3 r= 3
i= 4 r= 5
i= 5 r= 8
Traceback (most recent call last):
File "D:/testPy/列表生成式+生成器.py", line 75, in <module>
r = next(f_g)
StopIteration: done

练习题

杨辉三角定义如下：

          1

         / \

        1   1

       / \ / \

      1   2   1

     / \ / \ / \

    1   3   3   1

   / \ / \ / \ / \

  1   4   6   4   1

 / \ / \ / \ / \ / \

1   5   10  10  5   1

把每一行看做一个list，试写一个generator，不断输出下一行的list

MAX = 100

def triangles():
    yield [1]
    yield [1, 1]
    pre = [1, 1]
    i = 0
    while i < MAX:
        l = []
        for i in range(len(pre) - 1):
            l.append(pre[i] + pre[i + 1])
        l = [1] + l + [1]
        yield l
        pre = l
        i += 1

t = triangles()
for i in range(10):
    r = next(t)
    print(r)

'''
区分
可迭代对象 Iterable
迭代器 Iterator
'''

from collections import Iterable,Iterator

isinstance([],Iterable)
isinstance({},Iterable)
isinstance('abc',Iterable)
isinstance((1,2,3),Iterable)
isinstance((x for x in range(10)),Iterable)

isinstance([],Iterator)
isinstance({},Iterator)
isinstance('abc',Iterator)
isinstance((1,2,3),Iterator)
isinstance((x for x in range(10)),Iterator)

isinstance(iter([]),Iterator)
isinstance(iter({}),Iterator)
isinstance(iter('abc'),Iterator)
isinstance(iter((1,2,3)),Iterator)
isinstance(iter((x for x in range(10))),Iterator)

'''
@
可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象

@
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

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。

可以使用isinstance()判断一个对象是否是Iterator对象

@
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数

@
你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

'''

Python yield 使用浅析 https://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/index.html

另一个例子

另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取：

清单 9. 另一个 yield 的例子

def read_file(fpath):

BLOCK_SIZE = 1024

with open(fpath, 'rb') as f:

while True:

block = f.read(BLOCK_SIZE)

if block:

yield block

else:

return

以上仅仅简单介绍了 yield 的基本概念和用法，yield 在 Python 3 中还有更强大的用法，我们会在后续文章中讨论。

def _int_iter():
    '''
    生成器，生成从3开始的无限奇数序列
    :return:
    '''
    n = 1
    while True:
        n = n + 2
        yield n

def _not_divisible(n):
    '''
    定义筛选函数
    :param n:
    :return:
    '''
    return lambda x: x % n > 0

def primes():
    # 先返回一个2
    yield 2
    # 初始序列
    it = _int_iter()
    while True:
        n = next(it)
        yield n
        it = filter(_not_divisible(n), it)

g = primes()
for n in g:
    if n < 100:
        print(n)
    else:
        break

https://baike.baidu.com/item/埃拉托色尼筛选法
filter - 廖雪峰的官方网站 https://www.liaoxuefeng.com/wiki/1016959663602400/1017404530360000

巴特西

亚马逊订单api重构 api异常入库在php中执行python

另一个例子

清单 9. 另一个 yield 的例子

最新文章

热门文章

巴特西

亚马逊订单api重构 api异常入库 在php中执行python

另一个例子

清单 9. 另一个 yield 的例子

最新文章

热门文章

亚马逊订单api重构 api异常入库在php中执行python