当前位置:首页>python>Python 进阶(一):浅拷贝、迭代器、生成器与装饰器

Python 进阶(一):浅拷贝、迭代器、生成器与装饰器

  • 2026-10-11 06:59:26
Python 进阶(一):浅拷贝、迭代器、生成器与装饰器

📚 Python 进阶系列 | 第一篇

基础语法学完了,这篇带你进入 Python 的高级特性。掌握这些,你的 Python 水平将上一个台阶!


一、浅拷贝与深拷贝

面试必问!搞不清楚浅拷贝和深拷贝的区别,面试基本就挂了。

问题场景

list1 = [1, 2, 3, [100, 200, 300]]list2 = list1.copy()# 浅拷贝

浅拷贝:只拷贝"第一层"

list1 = [1, 2, 3, [100, 200, 300]]list2 = list1.copy()# 修改第一层元素:互不影响list1[0] = 10print(list2[0])# 1(不受影响)# 修改嵌套的可变对象:两边都变!list1[3].append(400)print(list2[3])# [100, 200, 300, 400](被影响了!)

💡 浅拷贝只拷贝了"第一层",嵌套的子对象还是共享的。

浅拷贝的三种方式:

list2 = list1.copy() # 方法一list2 = list1[:] # 方法二:切片list2 = list(list1) # 方法三:工厂函数

深拷贝:完全独立

import copylist1 = [1, 2, 3, [100, 200, 300]]list3 = copy.deepcopy(list1)  # 深拷贝list1[3].append(400)print(list3[3]) # [100, 200, 300](完全不受影响!)

💡 深拷贝会递归地拷贝所有层级的对象,两边完全独立。

拷贝的特殊情况

# 非容器类型(数字、字符串)无法拷贝,始终指向同一对象var1 = 1var2 = copy.copy(var1)var3 = copy.deepcopy(var1)print(id(var1) == id(var2) == id(var3))# True# 元组如果只包含不可变对象,深拷贝也不会创建新对象tup1 = (1, 2, 3)tup2 = copy.deepcopy(tup1)print(id(tup1) == id(tup2)) # True# 但如果元组包含可变对象,深拷贝会创建新对象tup1 = (1, 2, 3, [10, 20])tup2 = copy.deepcopy(tup1)print(id(tup1) == id(tup2)) # False

三种拷贝方式对比

方式
语法
第一层独立
嵌套层独立
直接赋值
b = a
❌
❌
浅拷贝
b = a.copy()
 / b = a[:]
✅
❌
深拷贝
b = copy.deepcopy(a)
✅
✅

二、迭代器

什么是可迭代对象?

能用 for 循环遍历的对象都叫可迭代对象(Iterable):

for element in [1, 2, 3]: # 列表    print(element)for element in (1, 2, 3):# 元组    print(element)for key in {”one”: 1, ”two”: 2}:# 字典    print(key)for char in ”123”: # 字符串    print(char)for line in open(”file.txt”): # 文件    print(line)

Iterable vs Iterator

from collections.abc import Iterable, Iterator# 可迭代对象:能用 for 遍历isinstance([], Iterable)# Trueisinstance((), Iterable)# Trueisinstance({}, Iterable)# Trueisinstance(”abc”, Iterable)# True# 迭代器:能用 next() 取值isinstance([], Iterator) # False  ← 列表不是迭代器!isinstance((), Iterator) # Falseisinstance(”abc”, Iterator) # Falseisinstance((x for x in range(10)), Iterator) # True  ← 生成器是迭代器

iter() 和 next()

list1 = [1, 2, 3]# 用 iter() 创建迭代器it = iter(list1)print(type(it)) #<class 'list_iterator'># 用 next() 逐个取值print(next(it))# 1print(next(it))# 2print(next(it))# 3# print(next(it)) # ❌ StopIteration(没有更多元素了)

💡for 循环的工作原理:

  1. 调用 iter() 获取迭代器
  2. 反复调用 next() 取元素
  3. 当 next() 抛出 StopIteration 时,循环结束

自定义迭代器:反转列表

from typing import Iterable, Iteratorclass Reverse:    def __init__(self, data):        self.data = data        self.index = len(data)    def __iter__(self):        return self    def __next__(self):        if self.index == 0:            raise StopIteration        else:            self.index -= 1            return self.data[self.index]rev = Reverse([1, 3, 5, 7, 9])print(isinstance(rev, Iterable))# Trueprint(isinstance(rev, Iterator))# Trueprint(next(rev))# 9print(next(rev))# 7

三、生成器

什么是生成器?

生成器是一种特殊的迭代器,用函数定义,用 yield 返回值。

优势:按需生成数据,避免一次性生成大量数据占用内存。

用生成器表达式创建

# 列表推导式:一次性生成所有数据,占内存nums = [i**2 for i in range(1000000)]# 生成器表达式:按需生成,几乎不占内存nums = (i**2 for i in range(1000000))

用函数创建生成器

def fibo():    a, b = 0, 1    while True:        yield b        a, b = b, a + bf = fibo()print(type(f)) # <class 'generator'>print(next(f)) # 1print(next(f)) # 1print(next(f)) # 2print(next(f)) # 3print(next(f)) # 5

yield vs return

  • return:返回值后函数结束
  • yield:返回值后函数暂停,下次调用从暂停处继续
def count_up(n):    i = 0    while i <= n:        yield i        i += 1for num in count_up(5):    print(num) # 0, 1, 2, 3, 4, 5

获取生成器的返回值

def fibo():    a, b, counter = 0, 1, 0    while counter < 10:        yield b        a, b, counter = b, a + b, counter + 1    return ”done” # 返回值f = fibo()try:    while True:        print(next(f))except StopIteration as e:    print(e.value) # ”done”

💡 生成器的返回值藏在 StopIteration 异常的 value 属性中。

send 方法:向生成器发送数据

def gen():    task_id = 0    int_value = 0    char_value = ”A”    while True:        match task_id:            case 0:             # yield 产出值,send 送入的值赋给 task_id                task_id = yield int_value                int_value += 1            case 1:                task_id = yield char_value                char_value = chr(ord(char_value) + 1)            case _:                yieldf = gen()print(f.send(None))# 0(先启动生成器)print(f.send(1))# Aprint(f.send(1))# Bprint(f.send(0))# 1

💡 send 可以向生成器发送数据,作为 yield 表达式的结果。


四、作用域(LEGB 规则)

Python 查找变量时遵循LEGB规则:

Local(局部)→ Enclosing(嵌套)→ Global(全局)→ Built-in(内建)

五种命名空间

命名空间
说明
内建命名空间
Python 自带的(如 int, print)
全局命名空间
模块级别的变量和函数
函数命名空间
函数内部的局部变量
类命名空间
类的属性和方法
实例命名空间
实例的属性

嵌套作用域

a = 100# 全局def outer():    b = 200 # 外层函数的局部变量    def inner():        c = 300 # 内层函数的局部变量        print(c)# 300        print(b)# 200        print(a)# 100    return innerf = outer()f()

五、闭包

什么是闭包?

闭包满足三个条件:

  1. 函数内部嵌套定义了另一个函数
  2. 内层函数访问了外层函数的局部变量
  3. 外层函数的返回值是内层函数
def Outer(a, b):    def inner(x):        return a * x + b # 访问外层的 a 和 b    return innerinn = Outer(1, 2)print(inn(2)) # 4  (1*2+2)print(inn(3)) # 5  (1*3+2)

查看闭包的自由变量

# __closure__ 属性包含自由变量的单元格对象for cell in inn.__closure__:    print(cell.cell_contents) # 1, 2

💡 闭包的威力:外层函数的局部变量在函数返回后仍然"存活",被内层函数引用。


六、装饰器

什么是装饰器?

装饰器允许不修改原函数代码,就能增加新功能。

本质:接收一个函数作为参数,返回一个新的包装过的函数。

基础装饰器

from math import sqrt# 增加求绝对值的功能def get_abs(f):    def inner(n):        n = abs(n)        return f(n)    return inner# 转换成整数def get_int(f):    def inner(n):        return int(f(n))    return inner@get_int@get_absdef func(n):    return sqrt(n)print(func(-4)) # 2(先取绝对值 4,再开方 2.0,再转 int 2)

💡 @装饰器名 是语法糖,等价于 func = get_int(get_abs(func))

多层装饰器

多个装饰器的装饰过程:离函数最近的装饰器先装饰,然后外面的装饰器再进行装饰。

@get_int # 第二层装饰@get_abs # 第一层装饰(先执行)def func(n):    return sqrt(n)

带参数的装饰器

def times(count):    def get_abs(f):        def inner(n):            n = abs(n)            for i in range(count):                n = f(n)            return n        return inner    return get_abs@times(2)# 等价于 func = times(2)(func)def func(n):    return sqrt(n)print(func(-16)) # 先 abs(-16)=16, sqrt(16)=4.0, sqrt(4.0)=2.0

💡 @times(2) 本质是 times(2)(func),返回一个两层嵌套的装饰器。

类装饰器

from math import sqrtclass DecoratorClass:    def __init__(self, f):        self.f = f # 接收被装饰的函数    def __call__(self, x):        x = abs(x) # 增加功能        return self.f(x)@DecoratorClass # 等价于 func = DecoratorClass(func)def func(n):    return sqrt(n)print(func(-4)) # 2.0

💡 类装饰器的原理:

  1. @类名会进行类的实例化,将被装饰函数传给 __init__
  2. 函数执行时,底层调用 __call__ 方法

本篇小结

知识点
核心要点
浅拷贝
只拷贝第一层,子对象共享。copy() / [:] / list()
深拷贝
递归拷贝所有层,完全独立。copy.deepcopy()
可迭代对象
能用 for 遍历。isinstance(x, Iterable)
迭代器
能用 next() 取值。实现 __iter__ 和 __next__
生成器
用 yield 返回值的特殊迭代器,按需生成,节省内存
send
向生成器发送数据,作为 yield 表达式的值
LEGB
局部→嵌套→全局→内建,变量查找顺序
闭包
内层函数访问外层变量 + 外层返回内层函数
装饰器
不修改原函数,动态增加功能。本质是闭包
类装饰器
用类实现装饰器,重写 __call__ 方法

📝 学习建议:迭代器和生成器是 Python 高级特性的基础,装饰器是框架开发的核心。建议多动手写,特别是自定义装饰器和生成器。


觉得有用?点个「在看」让更多人看到 👇

有问题欢迎留言,我会一一回复!

最新文章

随机文章