最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

python三大器之迭代器、生成器、裝飾器

 更新時間:2022年01月10日 17:21:01   作者:網(wǎng)民余某人  
迭代是Python最強大的功能之一,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,本文給大家介紹python三大器之迭代器、生成器、裝飾器的相關(guān)知識,感興趣的朋友跟隨小編一起看看吧

迭代器

聊迭代器前我們要先清楚迭代的概念:通常來講從一個對象中依次取出數(shù)據(jù),這個過程叫做遍歷,這個手段稱為迭代(重復(fù)執(zhí)行某一段代碼塊,并將每一次迭代得到的結(jié)果作為下一次迭代的初始值)。
可迭代對象(iterable):是指該對象可以被用于for…in…循環(huán),例如:集合,列表,元祖,字典,字符串,迭代器等。

  • 在python中如果一個對象實現(xiàn)了 __iter__方法,我們就稱之為可迭代對象,可以查看set\list\tuple…等源碼內(nèi)部均實現(xiàn)了__iter__方法
  • 如果一個對象未實現(xiàn)__iter__方法,但是對其使用for…in則會拋出TypeError: ‘xxx’ object is not iterable
  • 可以通過isinstance(obj,Iterable)來判斷對象是否為可迭代對象。如:
from collections.abc import Iterable
a: int = 1
print(isinstance(a, Iterable))  # False
b: str = "lalalalala" 
print(isinstance(b, Iterable))  # True
c: set = set([1, 2])
print(isinstance(c, Iterable))  # True

我們也可以自己實現(xiàn)__iter__來將一個類實例對象變?yōu)榭傻鷮ο螅?/p>

class MyIterable:
	def __iter__(self):
		pass
print(isinstance(MyIterable(), Iterable)) # True

迭代器:對可迭代對象進行迭代的方式或容器,并且需要記錄當前迭代進行到的位置。

  • 在python中如果一個對象同時實現(xiàn)了__iter__和__next__(獲取下一個值)方法,那么它就是一個迭代器對象。
  • 可以通過內(nèi)置函數(shù)next(iterator)或?qū)嵗龑ο蟮腳_next__()方法,來獲取當前迭代的值
  • 迭代器一定是可迭代對象,可迭代對象不一定是迭代器。
  • 如果可迭代對象遍歷完后繼續(xù)調(diào)用next(),則會拋出:StopIteration異常。
  • 自己實現(xiàn)一個迭代器對象:
from collections.abc import Iterator, Iterable
class MyIterator:
	def __init__(self, array_list):
		self.array_list = array_list
		self.index = 0
	def __iter__(self):
		return self
	def __next__(self):
		if self.index < len(self.array_list):
			val = self.array_list[self.index]
			self.index += 1
			return val
		else:
			raise StopIteration
# 父類如果是迭代器,子類也將是迭代器
class MySubIterator(MyIterator):
	def __init__(self):
		pass
myIterator = MyIterator([1, 2, 3, 4])
# 判斷是否為可迭代對象
print(isinstance(myIterator, Iterable))  # True
# 判斷是否為迭代器
print(isinstance(myIterator, Iterator))  # True
# 子類實例化
mySubIterator = MySubIterator()
print(isinstance(mySubIterator, Iterator))  # True
# 進行迭代
print(next(myIterator))  # 1
print(myIterator.__next__())  # 2
print(next(myIterator))  # 3
print(next(myIterator))  # 4
print(next(myIterator))  # raise StopIteration

迭代器優(yōu)缺點:

- 優(yōu)點:迭代器對象表示的是一個數(shù)據(jù)流,可以在需要時才去調(diào)用next來獲取一個值;因而本身在內(nèi)存中始終只保留一個值,對于內(nèi)存占用小可以存放無限數(shù)據(jù)流。優(yōu)于其他容器需要一次將所有元素都存放進內(nèi)存,如:列表、集合、字典...等
 - 缺點:1.無法獲取存放的元素長度,除非取完計數(shù)。2.取值不靈活,只能向后取值,next()永遠返回的是下一個值;無法取出指定值(無法像字典的key,或列表的下標),而且迭代器對象的生命周期是一次性的,元素被迭代完則生命周期結(jié)束。

生成器

定義:在Python中,一邊循環(huán)一邊計算的機制,稱為生成器:generator;同時生成器對象也是迭代器對象,所以他有迭代器的特性;例如支持for循環(huán)、next()方法…等
作用:對象中的元素是按照某種算法推算出來的,在循環(huán)的過程中不斷推算出后續(xù)的元素,這樣就不必創(chuàng)建完整的list,從而節(jié)省大量的空間。 簡單生成器:通過將列表生成式[]改成()即可得到一個生成器對象

# 列表生成式
_list = [i for i in range(10)]
print(type(_list))  # <class 'list'>
print(_list)  # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# 生成器
_generator = (i for i in range(10))
print(type(_generator))  # <class 'generator'>
print(_generator)  # <generator object <genexpr> at 0x7fbcd92c9ba0>
# 生成器對象取值
print(_generator.__next__())  # 0
print(next(_generator)) # 1
# 注意從第三個元素開始了!
for x in _generator:
	print(x)  # 2,3,4,5,6,7,8,9

因為生成器對象也有迭代器的特性,所以元素迭代完后繼續(xù)調(diào)用next()方法則會引發(fā)StopIteration。

函數(shù)對象生成器:帶yield語句的函數(shù)對象的返回值則是個生成器對象。

def gen_generator():
	yield 1
def func():
	return 1
print(gen_generator(), type(gen_generator()))  
# <generator object gen_generator at 0x7fe68b2c8b30> <class 'generator'>
print(func(), type(func()))  
# 1 <class 'int'>

他與普通函數(shù)返回值有所不同,普通函數(shù)運行到return語句則直接返回代碼不再執(zhí)行;而生成器對象會運行到y(tǒng)ield后返回,再下次調(diào)用時從yield語句后繼續(xù)執(zhí)行。如:

注意:yield 一次只會返回一個元素,即使返回的元素是個可迭代對象,也是一次性返回

def gen_generator2():
	yield [1, 2, 3]


s = gen_generator2()
print(next(s))  # [1, 2, 3]

yield生成器高級應(yīng)用: send()方法,傳遞值給yield返回(會立即返回!);如果傳None,則等同于next(generator)。

借助send我們可以實現(xiàn)一個簡單的生產(chǎn)者-消費者模式如:

def consumer():
	r = ''
	while True:
		n = yield r
		if not n:
			return
		print(f'[CONSUMER] Consuming get params.. ({n})')
		if n == 3:
			r = '500 Error'
		else:
			r = '200 OK'
def produce(c):
	c.send(None)  # 啟動生成器
	n = 0
	while n < 5:
		n = n + 1
		print(f'[PRODUCER] Producing with params.. ({n})')
		r = c.send(n)  # 一旦n有值,則切換到consumer執(zhí)行
		print(f'[PRODUCER] Consumer return : [{r}]')
		if not r.startswith('200'):
			print("消費者返回服務(wù)異常,則結(jié)束生產(chǎn),并關(guān)閉消費者")
			c.close()  # 關(guān)閉生成器
			break
consume = consumer()
produce(consume)
# [PRODUCER] Producing with params.. (1)
# [CONSUMER] Consuming get params.. (1)
# [PRODUCER] Consumer return : [200 OK]
# [PRODUCER] Producing with params.. (2)
# [CONSUMER] Consuming get params.. (2)
# [PRODUCER] Consumer return : [200 OK]
# [PRODUCER] Producing with params.. (3)
# [CONSUMER] Consuming get params.. (3)
# [PRODUCER] Consumer return : [500 Error]
# 消費者返回服務(wù)異常,則結(jié)束生產(chǎn),并關(guān)閉消費者

yield from iterable 語法,基本作用為:返回一個生成器對象,提供一個“數(shù)據(jù)傳輸?shù)墓艿?rdquo;,yield from iterable 是 for item in iterable: yield item的縮寫;并且內(nèi)部幫我們實現(xiàn)了很多異常處理,簡化了編碼復(fù)雜度。 yield 無法獲取生成器return的返回值:

def my_generator(n, end_case):
	for i in range(n):
		if i == end_case:
			return f'當 i==`{i}`時,中斷程序。'
		else:
			yield i
g = my_generator(5, 2)  # 調(diào)用
for _i in g:  # for循環(huán)不會顯式觸發(fā)異常,故而無法獲取到return的值
	print(_i)
# 輸出:
# 0
# 1

從上面的例子可以看出,for迭代語句不會顯式觸發(fā)異常,故而無法獲取到return的值,迭代到2的時候遇到return語句,隱式的觸發(fā)了StopIteration異常,就終止迭代了,但是在程序中不會顯示出來。

可以通過next()顯示的觸發(fā)StopIteration異常來獲取返回值:

def my_generator2(n, end_case):
	for i in range(n):
		if i == end_case:
			return f'當 i==`{i}`時,中斷程序。'
		else:
			yield i
g = my_generator2(5, 2)  # 調(diào)用
try:
	print(next(g))  # 0
	print(next(g))  # 1
	print(next(g))  # 此處要觸發(fā)end_case了
except StopIteration as exc:
	print(exc.value)  # 當 i==`2`時,中斷程序。

使用yield from 可以簡化成:

def my_generator3(n, end_case):
	for i in range(n):
		if i == end_case:
			return f'當 i==`{i}`時,中斷程序。'
		else:
			yield i
def wrap_my_generator(generator):  # 將my_generator的返回值包裝成一個生成器
	result = yield from generator
	yield result
g = my_generator3(5, 2)  # 調(diào)用
for _ in wrap_my_generator(g):
	print(_)
# 輸出:
# 0
# 1
# 當 i==`2`時,中斷程序。

yield from 有以下幾個概念名詞:
1、調(diào)用方:調(diào)用委派生成器的客戶端(調(diào)用方)代碼(上文中的wrap_my_generator(g)
2、委托生成器:包含yield from表達式的生成器函數(shù)(包裝),作用就是提供一個數(shù)據(jù)傳輸?shù)墓艿?/strong>(上文中的wrap_my_generator
3、子生成器:yield from后面加的生成器函數(shù)對象(上文中的my_generator3的實例對象g
調(diào)用方是通過這個 “包裝函數(shù)” 來與生成器進行交互的,即“調(diào)用方——>委托生成器——>生成器函數(shù)”
下面有個例子幫助大家理解(該??參考于博客):

# 子生成器
def average_gen():
	total = 0
	count = 0
	average = 0
	while True:
		new_num = yield average
		if new_num is None:
			break
		count += 1
		total += new_num
		average = total / count
	# 每一次return,都意味著當前協(xié)程結(jié)束。
	return total, count, average
# 委托生成器
def proxy_gen():
	while True:
		# 只有子生成器要結(jié)束(return)了,yield from左邊的變量才會被賦值,后面的代碼才會執(zhí)行。
		total, count, average = yield from average_gen()
		print("總共傳入 {} 個數(shù)值, 總和:{},平均數(shù):{}".format(count, total, average))
# 調(diào)用方
def main():
	calc_average = proxy_gen()
	next(calc_average)  # 激活協(xié)程
	calc_average.send(10)  # 傳入:10
	calc_average.send(None)  # 結(jié)束協(xié)程 send(None)等于next(calc_acerage),也就是會走到average_gen里面的return語句
	print("================== 重開協(xié)程 ===================")
	calc_average.send(20)  # 傳入:20
	calc_average.send(30)  # 傳入:30
	calc_average.send(None)  # 結(jié)束協(xié)程
if __name__ == '__main__':
	main()
# 輸出:
# 總共傳入 1 個數(shù)值, 總和:10,平均數(shù):10.0
# ================== 重開協(xié)程 ===================
# 總共傳入 2 個數(shù)值, 總和:50,平均數(shù):25.0

有興趣的同學可以結(jié)合圖和下方一起理解:

  • 迭代器(即可指子生成器)產(chǎn)生的值直接返還給調(diào)用者
  • 任何使用send()方法發(fā)給委派生產(chǎn)器(即外部生產(chǎn)器)的值被直接傳遞給迭代器。如果send值是None,則調(diào)用迭代器next()方法;如果不為None,則調(diào)用迭代器的send()方法。如果對迭代器的調(diào)用產(chǎn)生StopIteration異常,委派生產(chǎn)器恢復(fù)繼續(xù)執(zhí)行yield from后面的語句;若迭代器產(chǎn)生其他任何異常,則都傳遞給委派生產(chǎn)器。
  • 子生成器可能只是一個迭代器,并不是一個作為協(xié)程的生成器,所以它不支持.throw()和.close()方法,即可能會產(chǎn)生AttributeError 異常。
  • 除了GeneratorExit 異常外的其他拋給委派生產(chǎn)器的異常,將會被傳遞到迭代器的throw()方法。如果迭代器throw()調(diào)用產(chǎn)生了StopIteration異常,委派生產(chǎn)器恢復(fù)并繼續(xù)執(zhí)行,其他異常則傳遞給委派生產(chǎn)器。
  • 如果GeneratorExit異常被拋給委派生產(chǎn)器,或者委派生產(chǎn)器的close()方法被調(diào)用,如果迭代器有close()的話也將被調(diào)用。如果close()調(diào)用產(chǎn)生異常,異常將傳遞給委派生產(chǎn)器。否則,委派生產(chǎn)器將拋出GeneratorExit 異常。
  • 當?shù)鹘Y(jié)束并拋出異常時,yield from表達式的值是其StopIteration 異常中的第一個參數(shù)。
  • 一個生成器中的return expr語句將會從生成器退出并拋出 StopIteration(expr)異常。

裝飾器(非常實用!)

講裝飾器之前要先了解兩個概念: 對象引用 :對象名僅僅只是個綁定內(nèi)存地址的變量

def func():   # 函數(shù)名僅僅只是個綁定內(nèi)存地址的變量       
	print("i`m running") 
                     
# 這是調(diào)用                       
func()  # i`m running
# 這是對象引用,引用的是內(nèi)存地址        
func2 = func  
print(func2 is func)  # True
# 通過引用進行調(diào)用  
func2()  # i`m running

閉包:定義一個函數(shù)A,然后在該函數(shù)內(nèi)部再定義一個函數(shù)B,并且B函數(shù)用到了外邊A函數(shù)的變量

def out_func():
	out_a = 10

	def inner_func(inner_x):
		return out_a + inner_x

	return inner_func


out = out_func()
print(out)  # <function out_func.<locals>.inner_func at 0x7ff378af5c10> out_func返回的是inner_func的內(nèi)存地址
print(out(inner_x=2))  # 12

裝飾器和閉包不同點在于:裝飾器的入?yún)⑹?strong>函數(shù)對象,閉包入?yún)⑹瞧胀〝?shù)據(jù)對象

def decorator_get_function_name(func):
	"""
	獲取正在運行函數(shù)名
	:return:
	"""

	def wrapper(*arg):
		"""
		wrapper
		:param arg:
		:return:
		"""
		print(f"當前運行方法名:{func.__name__}  with  params: {arg}")
		return func(*arg)

	return wrapper

# @func_name是python的語法糖
@decorator_get_function_name 
def test_func_add(x, y):
	print(x + y)


def test_func_sub(x, y):
	print(x - y)


test_func_add(1, 2)
# 輸出:
# 當前運行方法名:test_func_add  with  params: (1, 2)
# 3
# 不使用語法糖的話也可以用以下方法,效果是一樣的
decorator_get_function_name(test_func_sub)(3, 5)
# 還記得前文講的引用嗎?我們還可以換種寫法達到跟??一樣的效果
dec_obj = decorator_get_function_name(test_func_sub)  # 這里等同于wrapper對象
dec_obj(3,5)  # 這里等同于wrapper(3,5)
# 輸出:
# 當前運行方法名:test_func_sub  with  params: (3, 5)
# -2

常用于如鑒權(quán)校驗,例如筆者會用于登陸校驗:

def login_check(func):
    def wrapper(request, *args, **kwargs):
        if not request.session.get('login_status'):
            return HttpResponseRedirect('/api/login/')
        return func(request, *args, **kwargs)

    return wrapper

@login_check
def edit_config():
	pass

裝飾器內(nèi)部的執(zhí)行邏輯:

"""
>  1. def login_check(func):  ==>將login_check函數(shù)加載到內(nèi)存
>  ....
>  @login_check  ==>此處已經(jīng)在內(nèi)存中將login_check這個函數(shù)執(zhí)行了!;并不需要等edit_config()實例化調(diào)用
>  2. 上例@login_check內(nèi)部會執(zhí)行以下操作:
>	  2.1 執(zhí)行l(wèi)ogin_check函數(shù),并將 @login_check 下面的 函數(shù)(edit_config) 作為login_check函數(shù)的參數(shù),即:@login_check 等價于 login_check(edit_config)
>     2.2 內(nèi)部就會去執(zhí)行:
      def wrapper(*args):
          # 校驗session...
          return func(request, *args, **kwargs)   # func是參數(shù),此時 func 等于 edit_config,此處相當于edit_config(request, *args, **kwargs)
      return wrapper     # 返回的 wrapper,wrapper代表的是函數(shù)對象,非函數(shù)實例化對象
      2.3 其實就是將原來的 edit_config 函數(shù)塞進另外一個函數(shù)中,另一個函數(shù)當中可以做一些操作;再執(zhí)行edit_config
      2.4 將執(zhí)行完的 login_check 函數(shù)返回值(也就是 wrapper對象)將此返回值再重新賦值給新 edit_config,即:
      2.5 新edit_config = def wrapper:
             # 校驗session...
            return 原來edit_config(request, *args, **kwargs) 
>  3. 也就是新edit_config()=login_check(edit_config):wrapper(request, *args, **kwargs):return edit_config(request, *args, **kwargs) 有點繞,大家看步驟細細理解。
"""

同樣一個函數(shù)也可以使用多個裝飾器進行裝飾,執(zhí)行順序從上到下

from functools import wraps

def w1(func):
	@wraps(func)
	def wrapper(*args, **kwargs):
		print("這里是第一個校驗")
		return func(*args, **kwargs)

	return wrapper


def w2(func):
	@wraps(func)
	def wrapper(*args, **kwargs):
		print("這里是第二個校驗")
		return func(*args, **kwargs)

	return wrapper


def w3(func):
	def wrapper(*args, **kwargs):
		print("這里是第三個校驗")
		return func(*args, **kwargs)

	return wrapper


@w2  # 這里其實是w2(w1(f1))
@w1  # 這里是w1(f1)
def f1():
	print(f"i`m f1, at {f1}")


@w3
def f2():
	print(f"i`m f2, at {f2}")

# ====================== 實例化階段 =====================
f1()
# 這里是第二個校驗
# 這里是第一個校驗
# i`m f1, at <function f1 at 0x7febc52f5e50>
f2()
# 這里是第三個校驗
# i`m f2, at <function w3.<locals>.inner at 0x7febc52f5f70>

有同學可能要好奇 為什么f1對象打印的是“<function f1 at 0x7febc52f5e50>”,f2對象打印的是“<function w3..wrapper at 0x7febc52f5f70>”(也就是步驟2.5造成的,賦的值是wrapper對象),這就跟w1和w2 內(nèi)部wrapper使用的wraps裝飾器有關(guān)系了。
wraps的作用是:被修飾的函數(shù)(也就是里面的func)的一些屬性值賦值給修飾器函數(shù)(wrapper)包括元信息和“函數(shù)對象”等。

同時裝飾器也可以接受參數(shù):

def decorator_get_function_duration(enable):
	"""
	:param enable:  是否需要統(tǒng)計函數(shù)執(zhí)行耗時
	:return: 
	"""
	print("this is decorator_get_function_duration")

	def inner(func):
		print('this is inner in decorator_get_function_duration')

		@wraps(func)
		def wrapper(*args, **kwargs):
			print('this is a wrapper in decorator_get_function_duration.inner')
			if enable:
				start = time.time()
				print(f"函數(shù)執(zhí)行前:{start}")
				result = func(*args, **kwargs)
				print('[%s]`s enable was %s it`s duration : %.3f s ' % (func.__name__, enable, time.time() - start))
			else:
				result = func(*args, **kwargs)
			return result

		return wrapper

	return inner


def decorator_1(func):
	print('this is decorator_1')

	@wraps(func)
	def wrapper(*args, **kwargs):
		print('this is a wrapper in decorator_1')
		return func(*args, **kwargs)

	return wrapper


def decorator_2(func):
	print('this is decorator_2')

	@wraps(func)
	def wrapper(*args, **kwargs):
		print('this is a wrapper in decorator_2')
		return func(*args, **kwargs)

	return wrapper


@decorator_1 # 此處相當:decorator_1(decorator_2(decorator_get_function_duration(enable=True)(fun)))
@decorator_2 # = decorator_2(decorator_get_function_duration(enable=True)(fun))
@decorator_get_function_duration(enable=True)  # = decorator_get_function_duration(enable=True)(fun)
def fun():
	time.sleep(2)
	print("fun 執(zhí)行完了~")


fun()
# ======== enable=False ============
"""
this is decorator_get_function_duration
this is inner in decorator_get_function_duration
this is decorator_2
this is decorator_1
this is a wrapper in decorator_1
this is a wrapper in decorator_2
this is a wrapper in decorator_get_function_duration.inner
fun 執(zhí)行完了~
"""
# ======== enable=True ============
"""
this is decorator_get_function_duration
this is inner in decorator_get_function_duration
this is decorator_2
this is decorator_1
this is a wrapper in decorator_1
this is a wrapper in decorator_2
this is a wrapper in decorator_get_function_duration.inner
函數(shù)執(zhí)行前:1634635708.648994
fun 執(zhí)行完了~
[fun]`s enable was True it`s duration : 2.002 s 
"""

到此這篇關(guān)于python三大器之迭代器、生成器、裝飾器的文章就介紹到這了,更多相關(guān)python迭代器、生成器、裝飾器內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python實現(xiàn)比較兩個列表(list)范圍

    Python實現(xiàn)比較兩個列表(list)范圍

    這篇文章主要介紹了Python實現(xiàn)比較兩個列表(list)范圍,本文根據(jù)一道題目實現(xiàn)解決代碼,本文分別給出題目和解答源碼,需要的朋友可以參考下
    2015-06-06
  • 淺談Tensorflow2對GPU內(nèi)存的分配策略

    淺談Tensorflow2對GPU內(nèi)存的分配策略

    本文主要介紹了Tensorflow2對GPU內(nèi)存的分配策略,文中通過示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-08-08
  • 詳解python3中zipfile模塊用法

    詳解python3中zipfile模塊用法

    本篇文章給大家分享了關(guān)于python3中zipfile模塊的詳細用法以及技術(shù)難點解析,有興趣的朋友跟著學習下吧。
    2018-06-06
  • python實現(xiàn)二次元圖片展示(屏保)

    python實現(xiàn)二次元圖片展示(屏保)

    這篇文章主要介紹了python實現(xiàn)二次元圖片展示,用了API端口相關(guān)的知識實現(xiàn),下面詳細的文章內(nèi)容需要的小伙伴可以參考一下
    2022-02-02
  • 將python運行結(jié)果保存至本地文件中的示例講解

    將python運行結(jié)果保存至本地文件中的示例講解

    今天小編就為大家分享一篇將python運行結(jié)果保存至本地文件中的示例講解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-07-07
  • python??Matplotlib繪圖直線,折線,曲線

    python??Matplotlib繪圖直線,折線,曲線

    這篇文章主要介紹了python??Matplotlib繪圖直線,折線,曲線,文章圍繞主題展開詳細的內(nèi)容介紹,具有一定的參考價值,需要的小伙伴可以參考一下
    2022-09-09
  • Python Numpy,mask圖像的生成詳解

    Python Numpy,mask圖像的生成詳解

    今天小編就為大家分享一篇Python Numpy,mask圖像的生成詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-02-02
  • Python 25行代碼實現(xiàn)的RSA算法詳解

    Python 25行代碼實現(xiàn)的RSA算法詳解

    這篇文章主要介紹了Python 25行代碼實現(xiàn)的RSA算法,結(jié)合實例形式詳細分析了rsa加密算法的概念、原理、相關(guān)實現(xiàn)技巧與注意事項,需要的朋友可以參考下
    2018-04-04
  • Django?ORM?F對象和Q對象查詢

    Django?ORM?F對象和Q對象查詢

    Django提供了兩個非常有用的工具:F對象和Q對象,方便了在一些特殊場景下的查詢過程,這篇文章主要介紹了Django?ORM?F對象和Q對象查詢,需要的朋友可以參考下
    2022-10-10
  • python打包成so文件過程解析

    python打包成so文件過程解析

    這篇文章主要介紹了python打包成so文件過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2019-09-09

最新評論

竹北市| 吴桥县| 玉山县| 平定县| 莫力| 安陆市| 沅陵县| 星子县| 博湖县| 三门峡市| 桓台县| 沁阳市| 封丘县| 绩溪县| 博白县| 成安县| 松江区| 洞口县| 台南县| 廊坊市| 贺州市| 舒城县| 旌德县| 澎湖县| 叶城县| 旬阳县| 阿图什市| 仁寿县| 凌云县| 鄂伦春自治旗| 涿州市| 玛沁县| 汝城县| 郑州市| 运城市| 梓潼县| 嵊泗县| 阿克苏市| 如东县| 称多县| 凤城市|