屬性property
私有屬性添加getter和setter方法
對于類對象的私有屬性，我們不能直接調用，可以添加方法來調用。
class Person:
????def __init__(self):
????????pass
????def setAge(self,age):
????????if 0<=age<=100:
????????????self.__age = age
????????else:
????????????self.__age = 16
????????????print('輸入的年齡不符合')
????def getAge(self):
????????return self.__age
p1 = Person()
p1.setAge(10)
print(p1.getAge())
p1.setAge(200)
print(p1.getAge())
結果：
10
輸入的年齡不符合
16
使用property升級getter和setter方法
class Person:
????def __init__(self):
????????pass
????def setAge(self,age):
????????if 0<=age<=100:
????????????self.__age = age
????????else:
????????????self.__age = 16
????????????print('輸入的年齡不符合')
????def getAge(self):
????????return self.__age
????????age = property(getAge,setAge)
p1 = Person()
p1.age = 10
print(p1.age)
p1.age = 200
print(p1.age)
結果：
10
入的年齡不符合
16
使用property取代getter和setter方法
class Person:
????def __init__(self):
????????pass
????@property
????def age(self):
????????return self.__age
????@age.setter
????def age(self,age):
????????if 0<=age<=100:
????????????self.__age = age
????????else:
????????????self.__age = 16
????????????print('輸入的年齡不符合')
p1 = Person()
p1.age = 10
print(p1.age)
p1.age = 200
print(p1.age)
結果：
10
輸入的年齡不符合
16
生成器
通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數元素占用的空間都白白浪費了。所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。
創建生成器
1.把列表生成式的[]改成()
如：
[ x*2 for x in range(5)]
改為：
( x*2 for x in range(5))
如果想要打印，可以通過next（）獲取生成器的下一個返回值，而且，generator也是可迭代的，所以也可以用循環遍歷。
2.有的比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
可以用yield
例如：
def fib(num):
????a,b = 0,1
????while num>0:
????????yield b
????????a,b = b,a+b
????????num-=1
f = fib(5)
print(' ',next(f))
print(' ',next(f))
for i in f:
????print(i)
在上面fib 的例子，我們在循環過程中不斷調用 yield ，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。同樣的，把函數改成generator后，我們基本上從來不會用 next() 來獲取下一個返回值，而是直接使用 for 循環來迭代。
但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中。
send：
執行到yield時，gen函數作用暫時保存，返回i的值;temp接收下次c.send("python")，send發送過來的值，c.next()等價c.send(None)。
def nums():
????for i in range(10):
????????ret = yield i
????????if ret == '平方':
????????????print(i**2)
????????elif ret == '立方':
????????????print(i**3)
num = nums()
print(num)
print(next(num))
print(next(num))
print(next(num))
print(next(num))
print(next(num))
print('----------')
num1 = nums()
next(num1)
num1.send('平方')
num1.send('平方')
num1.send('平方')
num1.send('立方')
num1.send('立方')
num1.send('立方')
__next__:作為一個魔法方法，__next__等價于next（）
生成器是這樣一個函數，它記住上一次返回時在函數體中的位置。對生成器函數的第二次（或第 n 次）調用跳轉至該函數中間，而上次調用的所有局部變量都保持不變。
生成器不僅“記住”了它數據狀態；生成器還“記住”了它在流控制構造（在命令式編程中，這種構造不只是數據值）中的位置。
生成器的特點：
節約內存
迭代到下一次的調用時，所使用的參數都是第一次所保留下的，即是說，在整個所有函數調用的參數都是第一次所調用時保留的，而不是新創建的
迭代器
迭代是訪問集合元素的一種方式。迭代器是一個可以記住遍歷的位置的對象。迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會后退。
可迭代對象
以直接作用于 for 循環的數據類型有以下幾種：
一類是集合數據類型，如 list 、 tuple 、 dict 、 set 、 str 等；
一類是 generator ，包括生成器和帶 yield 的generator function。
這些可以直接作用于 for 循環的對象統稱為可迭代對象： Iterable 。
判斷是否可以迭代
可以使用 isinstance() 判斷一個對象是否是 Iterable 對象：
from collections import Iterable,Iterator
def f():
????yield 'hello'
print(isinstance(f(),Iterable))
print(isinstance(f(),Iterator))
print(isinstance('abc',Iterable))
print(isinstance('abc',Iterator))
迭代器
可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。
可以使用 isinstance() 判斷一個對象是否是 Iterator 對象。
iter()函數
生成器都是 Iterator 對象，但 list 、 dict 、 str 雖然是 Iterable ，卻不是 Iterator 。
把 list 、 dict 、 str 等 Iterable 變成 Iterator 可以使用 iter() 函數。
name = 'abc'
myIter = iter(name)
print(type(myIter))
print(isinstance(myIter,Iterator))
try:
????print(next(myIter))
????print(next(myIter))
????print(next(myIter))
????print(next(myIter))
except StopIteration as ex:
????print('迭代完了,%s'%ex)
閉包
函數引用
閉包概念：
在函數內部再定義一個函數，并且這個函數用到了外邊函數的變量，那么將這個函數以及用到的一些變量稱之為閉包。
def test(number):
????'''
????在函數內部再定義一個函數，并且這個函數用到了外邊函數的變量，
????那么將這個函數以及用到的一些變量稱之為閉包
????'''
????def test_in(number_in):
????????print("in test_in 函數, number_in is %d"%number_in)
????????return number+number_in
????#其實這里返回的就是閉包的結果
????return test_in
#給test函數賦值，這個20就是給參數number
ret = test(20)
#注意這里的100其實給參數number_in
print(ret(100))
#注意這里的200其實給參數number_in
print(ret(200))
閉包思考：
1.閉包似優化了變量，原來需要類對象完成的工作，閉包也可以完成
2.由于閉包引用了外部函數的局部變量，則外部函數的局部變量沒有及時釋放，消耗內存
裝飾器
裝飾器，功能就是在運行原來功能基礎上，加上一些其它功能，比如權限的驗證，比如日志的記錄等等。不修改原來的代碼，進行功能的擴展。
比如java中的動態代理，python的注解裝飾器
其實python的裝飾器，是修改了代碼。
def login(func):
????def inner(a,b):
????????user = input('請輸入用戶名：')
????????psd = input('請輸入密碼：')
????????if user == a and psd == b:
????????????print('Welcome in!')
????????????func(a,b)
????????else:
????????????print('Passward error!')
????return inner
@login
def f1(nowHaveUser,nowHavePsd):
print('f1')
def f2():
print('f2')
def f3():
print('f3')
def f4():
print('f4')
f1('haha','123456')
python解釋器就會從上到下解釋代碼，步驟如下：
1.def login(func):?==>將login函數加載到內存
2.@login
沒錯，?從表面上看解釋器僅僅會解釋這兩句代碼，因為函數在?沒有被調用之前其內部代碼不會被執行。
從表面上看解釋器著實會執行這兩句，但是@login這一句代碼里卻有大文章，@函數名?是python的一種語法糖。
上例@login內部會執行一下操作：
執行login函數
執login1函數?，并將@login下面的函數作為login函數的參數，即：@login等價于login(f1)所以，內部就會去執行。
