積累：

把有用的方法封裝到文件中，注意積累

迭代器

iteration  ＃ 迭代器

iterable  ＃ 可迭代的、

保存的是生成數(shù)據(jù)的代碼，不是數(shù)據(jù)

迭代器：

可迭代對象：有iter（） 方法就是可迭代對象    def ＿＿iter＿＿  （self）：    迭代器： 同時有 iter（） 和 next（） 就是迭代器    def ＿＿iter＿＿（self）：    def ＿＿next＿＿（self）：斐波那契數(shù)列迭代器代碼

class Fibonacci（object）：

def ＿＿init＿＿（self， all＿num）：

self．a(chǎn)ll＿num ＝all＿num

self．a(chǎn) ＝ 0
       self．b ＝ 1

self．num ＝ 0

def ＿＿iter＿＿（self）：

return self

def ＿＿next＿＿（self）：

if self．num ＜ self．a(chǎn)ll＿num：

result ＝ self．a(chǎn)

self．a(chǎn)， self．b ＝ self．b， self．a(chǎn) ＋ self．b

self．num ＋＝ 1

return result

else：

raise StopIteration

f ＝ Fibonacci（100）

for i in f：

print（i）

生成器

生成器是一種特殊的迭代器

列表推導(dǎo)式

保存的是生成的方式，不是數(shù)據(jù)

調(diào)用方式：next（obj）         obj．send

函數(shù)中有 yield， 那么這個函數(shù)就不在是函數(shù)，而是一個生成器的模板

調(diào)用一個函數(shù)時，發(fā)現(xiàn)這個函數(shù)中有yield 語句，那么此時，不是調(diào)用函數(shù)，而是創(chuàng)建一個生成器對象

def fibonacci（num）：    n， a， b ＝ 0， 0， 1    while n ＜ num：        ＃ print（a）        yield a        a， b ＝ b， a ＋ b        n ＋＝ 1    return ＂－－－ok－－－＂f ＝ fibonacci（11）print（next（f））while True：    try：        r ＝ next（f）        print（r）    except Exception as ret：        print（ret．value）        break＃ for i in f：＃     print（i）

線程、進程、協(xié)程總結(jié)

多任務(wù)的概念：同一時刻執(zhí)行多個任務(wù)

線程：＂＂＂創(chuàng)建線程的兩種方式＂＂＂import threadingdef sing（num）：    passt ＝ threading．Thread（targets＝sing， args＝（1，））t．start（）＂＂＂繼承的方式＂＂＂class MyThread（threading．Thread）：    def run（delf）：        passt ＝ MyThread（）t．start（）

特點

線程運行在進程中，線程依賴于進程線程比進程的系統(tǒng)開銷小    共享全局資源（變量）協(xié)程運行在線程中，把線程空閑時間利用起來，實現(xiàn)多任務(wù)

資源競爭

互斥鎖：解決線程中資源競爭的問題    lock ＝ threading．Lock（）    lock．a(chǎn)cquire（）  ＃ 上鎖    代碼。。。    lock．release（）  ＃ 解鎖死鎖：兩個線程都在等待對方釋放鎖進程＂＂＂創(chuàng)建進程的方式＂＂＂import multiprocessingdef sing（a， b）：    passp ＝ multiprocessing．Process（target＝sing， args＝（1， 2）， kwargs＝（name＝＂xiaohei＂））＂＂＂繼承的方式＂＂＂class MyProcess（multiprocessing．Process）：    def run（self）：        passp ＝ MyProcess（）p．start（）

特點

定義：正在運行的程序，在任務(wù)列表中可以查看進程運行起來后可以調(diào)度系統(tǒng)資源占用的系統(tǒng)的開銷最大寫時拷貝：即修改的時候去把代碼賦值一份進程不共享全局變量進程結(jié)束了，里面所有的線程、協(xié)程也都結(jié)束了

進程間通訊

q ＝ multiprocessing．Queue（）   ＃ 創(chuàng)建隊列q．put（＂數(shù)據(jù)＂）  ＃ 放數(shù)據(jù)q．get（）  ＃ 取數(shù)據(jù)

進程池

作用：它是一個緩存池，避免了重復(fù)的創(chuàng)建進程，銷毀進程的一些不必要的系統(tǒng)開銷    從而提高了程序運行的效率pool ＝ multiprocessing．Pool（3）  ＃ 創(chuàng)建進程池，最大進程數(shù)為3pool．a(chǎn)pply＿async（函數(shù)名，（））  ＃ 開啟進程pool．close（）  ＃ 關(guān)閉進程池pool．join（）  ＃ 等待所有的進程結(jié)束進程池中創(chuàng)建隊列q ＝ multiprocessing．Manager．Queue（）協(xié)程

迭代器

可迭代對象：有iter（） 方法就是可迭代對象    def ＿＿iter＿＿  （self）：    迭代器： 同時有 iter（） 和 next（） 就是迭代器    def ＿＿iter＿＿（self）：    def ＿＿next＿＿（self）：

生成器

定義：是一個特殊的迭代器    存儲的是生成數(shù)據(jù)的方式，而不存儲數(shù)據(jù)如何寫生成器def a（）：    result ＝ yield a    return ＂＂try：    obj ＝ a（）    next（obj）    obj．send（“傳遞數(shù)據(jù)”）except Exception as e：    e．valueyield 關(guān)鍵字：保存當(dāng)前運行狀態(tài)（斷點），然后暫停執(zhí)行，即將生成器（函數(shù)）掛起將yield關(guān)鍵字后面表達式作為返回值返回，起到了return的作用，可以使用next（）函數(shù)讓生成器從斷點出繼續(xù)執(zhí)行

協(xié)程

yield

運行在一個線程中，利用線程的空閑時間完成多任務(wù)系統(tǒng)開銷最少