Часто использование настоящих функций вроде enliven() гораздо прозрачнее, чем использование лямбд. Лямбды наиболее полезны в случаях, когда вам нужно определить множество мелких функций и запомнить все их имена. В частности, вы можете использовать лямбды в графических пользовательских интерфейсах, чтобы определить функции внешнего вызова. Примеры вы можете найти в приложении А.

Генераторы

В Python генератор — это объект, который предназначен для создания последовательностей. С его помощью вы можете проитерировать потенциально огромные последовательности без необходимости создания и сохранения всей последовательности в память сразу. Генераторы часто становятся источником данных для итераторов. Как вы помните, мы уже использовали один из них, range(), в примерах кода для того, чтобы сгенерировать последовательность целых чисел. В Python 2 функция range() возвращает список, ограниченный так, чтобы он помещался в память. В Python 2 также есть функция xrange(), которая стала обычной функцией range() в Python 3. В этом примере складываются все целые числа от 1 до 100:

>>> sum(range(1, 101))

5050

Каждый раз, когда вы итерируете через генератор, он отслеживает, где он находился во время последнего вызова, и возвращает следующее значение. Это отличает его от обычной функции, которая не помнит о предыдущих вызовах и всегда начинает работу с первой строки и в неизменном состоянии.

Если вы хотите создать потенциально большую последовательность и ее код слишком велик для того, чтобы создать включение генератора, напишите функцию генератора. Это обычная функция, но она возвращает значение с помощью выражения yield, а не return. Напишем собственную функцию range():

>>> def my_range(first=0, last=10, step=1):

…·····number = first

…·····while number < last:

…·········yield number

…·········number += step

…

Это нормальная функция:

>>> my_range

И она возвращает объект генератора:

>>> ranger = my_range(1, 5)

>>> ranger

Мы можем проитерировать по этому объекту генератора:

>>> for x in ranger:

…·····print(x)

…

1

2

3

4

Декораторы

Иногда вам нужно модифицировать существующую функцию, не меняя при этом ее исходный код. Зачастую нужно добавить выражение для отладки, чтобы посмотреть, какие аргументы были туда переданы.

Декоратор — это функция, которая принимает одну функцию в качестве аргумента и возвращает другую функцию. Мы используем следующие приемы из нашего арсенала:

• *args и **kwargs;

• внутренние функции;

• функции в качестве аргументов.

Функция document_it() определяет декоратор, который:

• выведет имя функции и значение переданных в нее аргументов;

• запустит функцию с полученными аргументами;

• выведет результат;

• вернет модифицированную функцию, готовую для использования.

Код будет выглядеть так:

>>> def document_it(func):

…·····def new_function(*args, **kwargs):

…·········print('Running function:', func.__name__)

…·········print('Positional arguments:', args)

…·········print('Keyword arguments:', kwargs)

…·········result = func(*args, **kwargs)

…·········print('Result:', result)

…·········return result

…·····return new_function

Независимо от того, какую функцию func вы передадите document_it(), вы получите новую функцию, которая содержит дополнительные выражения, добавляемые document_it(). Декоратор не обязательно должен запускать код функции func, но функция document_it() вызовет часть func, поэтому вы получите результат работы функции func, а также дополнительные данные:

>>> def add_ints(a, b):

…····return a + b

…

>>> add_ints(3, 5)

8

>>> cooler_add_ints = document_it(add_ints)··# мануальное присваивание декоратора

>>> cooler_add_ints(3, 5)

Running function: add_ints

Positional arguments: (3, 5)

Keyword arguments: {}

Result: 8

8

В качестве альтернативы мануальному присваиванию декоратора, показанному выше, просто добавьте конструкцию @имя_декоратора перед функцией, которую хотите декорировать:

>>> @document_it

… def add_ints(a, b):

…·····return a + b

…

>>> add_ints(3, 5)

Start function add_ints

Positional arguments: (3, 5)