摘要:的使用形式和类似,它将中为的元素组成一个迭代器返回,如果是,则返回中所有计算为的项。用于将多个可迭代对象对应位置的元素作为一个元组,将所有元组组成一个迭代器,并返回。
itertools
我们知道,迭代器的特点是:惰性求值(Lazy evaluation),即只有当迭代至某个值时,它才会被计算,这个特点使得迭代器特别适合于遍历大文件或无限集合等,因为我们不用一次性将它们存储在内存中。
Python 内置的 itertools 模块包含了一系列用来产生不同类型迭代器的函数或类,这些函数的返回都是一个迭代器,我们可以通过 for 循环来遍历取值,也可以使用 next() 来取值。
itertools 模块提供的迭代器函数有以下几种类型:
无限迭代器:生成一个无限序列,比如自然数序列 1, 2, 3, 4, ...;
有限迭代器:接收一个或多个序列(sequence)作为参数,进行组合、分组和过滤等;
组合生成器:序列的排列、组合,求序列的笛卡儿积等;
无限迭代器itertools 模块提供了三个函数(事实上,它们是类)用于生成一个无限序列迭代器:
count(firstval=0, step=1)
创建一个从 firstval (默认值为 0) 开始,以 step (默认值为 1) 为步长的的无限整数迭代器
cycle(iterable)
对 iterable 中的元素反复执行循环,返回迭代器
repeat(object [,times]
反复生成 object,如果给定 times,则重复次数为 times,否则为无限
下面,让我们看看一些例子。
countcount() 接收两个参数,第一个参数指定开始值,默认为 0,第二个参数指定步长,默认为 1:
>>> import itertools >>> >>> nums = itertools.count() >>> for i in nums: ... if i > 6: ... break ... print i ... 0 1 2 3 4 5 6 >>> nums = itertools.count(10, 2) # 指定开始值和步长 >>> for i in nums: ... if i > 20: ... break ... print i ... 10 12 14 16 18 20cycle
cycle() 用于对 iterable 中的元素反复执行循环:
>>> import itertools >>> >>> cycle_strings = itertools.cycle("ABC") >>> i = 1 >>> for string in cycle_strings: ... if i == 10: ... break ... print i, string ... i += 1 ... 1 A 2 B 3 C 4 A 5 B 6 C 7 A 8 B 9 Crepeat
repeat() 用于反复生成一个 object:
>>> import itertools >>> >>> for item in itertools.repeat("hello world", 3): ... print item ... hello world hello world hello world >>> >>> for item in itertools.repeat([1, 2, 3, 4], 3): ... print item ... [1, 2, 3, 4] [1, 2, 3, 4] [1, 2, 3, 4]有限迭代器
itertools 模块提供了多个函数(类),接收一个或多个迭代对象作为参数,对它们进行组合、分组和过滤等:
chain()
compress()
dropwhile()
groupby()
ifilter()
ifilterfalse()
islice()
imap()
starmap()
tee()
takewhile()
izip()
izip_longest()
chainchain 的使用形式如下:
chain(iterable1, iterable2, iterable3, ...)
chain 接收多个可迭代对象作为参数,将它们『连接』起来,作为一个新的迭代器返回。
>>> from itertools import chain >>> >>> for item in chain([1, 2, 3], ["a", "b", "c"]): ... print item ... 1 2 3 a b c
chain 还有一个常见的用法:
chain.from_iterable(iterable)
接收一个可迭代对象作为参数,返回一个迭代器:
>>> from itertools import chain >>> >>> string = chain.from_iterable("ABCD") >>> string.next() "A"compress
compress 的使用形式如下:
compress(data, selectors)
compress 可用于对数据进行筛选,当 selectors 的某个元素为 true 时,则保留 data 对应位置的元素,否则去除:
>>> from itertools import compress >>> >>> list(compress("ABCDEF", [1, 1, 0, 1, 0, 1])) ["A", "B", "D", "F"] >>> list(compress("ABCDEF", [1, 1, 0, 1])) ["A", "B", "D"] >>> list(compress("ABCDEF", [True, False, True])) ["A", "C"]dropwhile
dropwhile 的使用形式如下:
dropwhile(predicate, iterable)
其中,predicate 是函数,iterable 是可迭代对象。对于 iterable 中的元素,如果 predicate(item) 为 true,则丢弃该元素,否则返回该项及所有后续项。
>>> from itertools import dropwhile >>> >>> list(dropwhile(lambda x: x < 5, [1, 3, 6, 2, 1])) [6, 2, 1] >>> >>> list(dropwhile(lambda x: x > 3, [2, 1, 6, 5, 4])) [2, 1, 6, 5, 4]groupby
groupby 用于对序列进行分组,它的使用形式如下:
groupby(iterable[, keyfunc])
其中,iterable 是一个可迭代对象,keyfunc 是分组函数,用于对 iterable 的连续项进行分组,如果不指定,则默认对 iterable 中的连续相同项进行分组,返回一个 (key, sub-iterator) 的迭代器。
>>> from itertools import groupby >>> >>> for key, value_iter in groupby("aaabbbaaccd"): ... print key, ":", list(value_iter) ... a : ["a", "a", "a"] b : ["b", "b", "b"] a : ["a", "a"] c : ["c", "c"] d : ["d"] >>> >>> data = ["a", "bb", "ccc", "dd", "eee", "f"] >>> for key, value_iter in groupby(data, len): # 使用 len 函数作为分组函数 ... print key, ":", list(value_iter) ... 1 : ["a"] 2 : ["bb"] 3 : ["ccc"] 2 : ["dd"] 3 : ["eee"] 1 : ["f"] >>> >>> data = ["a", "bb", "cc", "ffffd", "eee", "f"] >>> for key, value_iter in groupby(data, len): ... print key, ":", list(value_iter) ... 1 : ["a"] 2 : ["bb", "cc"] 3 : ["ffffd", "eee"] 1 : ["f"]ifilter
ifilter 的使用形式如下:
ifilter(function or None, sequence)
将 iterable 中 function(item) 为 True 的元素组成一个迭代器返回,如果 function 是 None,则返回 iterable 中所有计算为 True 的项。
>>> from itertools import ifilter >>> >>> list(ifilter(lambda x: x < 6, range(10))) [0, 1, 2, 3, 4, 5] >>> >>> list(ifilter(None, [0, 1, 2, 0, 3, 4])) [1, 2, 3, 4]ifilterfalse
ifilterfalse 的使用形式和 ifilter 类似,它将 iterable 中 function(item) 为 False 的元素组成一个迭代器返回,如果 function 是 None,则返回 iterable 中所有计算为 False 的项。
>>> from itertools import ifilterfalse >>> >>> list(ifilterfalse(lambda x: x < 6, range(10))) [6, 7, 8, 9] >>> >>> list(ifilter(None, [0, 1, 2, 0, 3, 4])) [0, 0]islice
islice 是切片选择,它的使用形式如下:
islice(iterable, [start,] stop [, step])
其中,iterable 是可迭代对象,start 是开始索引,stop 是结束索引,step 是步长,start 和 step 可选。
>>> from itertools import count, islice >>> >>> list(islice([10, 6, 2, 8, 1, 3, 9], 5)) [10, 6, 2, 8, 1] >>> >>> list(islice(count(), 6)) [0, 1, 2, 3, 4, 5] >>> >>> list(islice(count(), 3, 10)) [3, 4, 5, 6, 7, 8, 9] >>> list(islice(count(), 3, 10 ,2)) [3, 5, 7, 9]imap
imap 类似 map 操作,它的使用形式如下:
imap(func, iter1, iter2, iter3, ...)
imap 返回一个迭代器,元素为 func(i1, i2, i3, ...),i1,i2 等分别来源于 iter, iter2。
>>> from itertools import imap >>> >>> imap(str, [1, 2, 3, 4])tee>>> >>> list(imap(str, [1, 2, 3, 4])) ["1", "2", "3", "4"] >>> >>> list(imap(pow, [2, 3, 10], [4, 2, 3])) [16, 9, 1000]
tee 的使用形式如下:
tee(iterable [,n])
tee 用于从 iterable 创建 n 个独立的迭代器,以元组的形式返回,n 的默认值是 2。
>>> from itertools import tee >>> >>> tee("abcd") # n 默认为 2,创建两个独立的迭代器 (takewhile, ) >>> >>> iter1, iter2 = tee("abcde") >>> list(iter1) ["a", "b", "c", "d", "e"] >>> list(iter2) ["a", "b", "c", "d", "e"] >>> >>> tee("abc", 3) # 创建三个独立的迭代器 ( , , )
takewhile 的使用形式如下:
takewhile(predicate, iterable)
其中,predicate 是函数,iterable 是可迭代对象。对于 iterable 中的元素,如果 predicate(item) 为 true,则保留该元素,只要 predicate(item) 为 false,则立即停止迭代。
>>> from itertools import takewhile >>> >>> list(takewhile(lambda x: x < 5, [1, 3, 6, 2, 1])) [1, 3] >>> list(takewhile(lambda x: x > 3, [2, 1, 6, 5, 4])) []izip
izip 用于将多个可迭代对象对应位置的元素作为一个元组,将所有元组『组成』一个迭代器,并返回。它的使用形式如下:
izip(iter1, iter2, ..., iterN)
如果某个可迭代对象不再生成值,则迭代停止。
>>> from itertools import izip >>> >>> for item in izip("ABCD", "xy"): ... print item ... ("A", "x") ("B", "y") >>> for item in izip([1, 2, 3], ["a", "b", "c", "d", "e"]): ... print item ... (1, "a") (2, "b") (3, "c")izip_longest
izip_longest 跟 izip 类似,但迭代过程会持续到所有可迭代对象的元素都被迭代完。它的形式如下:
izip_longest(iter1, iter2, ..., iterN, [fillvalue=None])
如果有指定 fillvalue,则会用其填充缺失的值,否则为 None。
>>> from itertools import izip_longest >>> >>> for item in izip_longest("ABCD", "xy"): ... print item ... ("A", "x") ("B", "y") ("C", None) ("D", None) >>> >>> for item in izip_longest("ABCD", "xy", fillvalue="-"): ... print item ... ("A", "x") ("B", "y") ("C", "-") ("D", "-")组合生成器
itertools 模块还提供了多个组合生成器函数,用于求序列的排列、组合等:
product
permutations
combinations
combinations_with_replacement
productproduct 用于求多个可迭代对象的笛卡尔积,它跟嵌套的 for 循环等价。它的一般使用形式如下:
product(iter1, iter2, ... iterN, [repeat=1])
其中,repeat 是一个关键字参数,用于指定重复生成序列的次数,
>>> from itertools import product >>> >>> for item in product("ABCD", "xy"): ... print item ... ("A", "x") ("A", "y") ("B", "x") ("B", "y") ("C", "x") ("C", "y") ("D", "x") ("D", "y") >>> >>> list(product("ab", range(3))) [("a", 0), ("a", 1), ("a", 2), ("b", 0), ("b", 1), ("b", 2)] >>> >>> list(product((0,1), (0,1), (0,1))) [(0, 0, 0), (0, 0, 1), (0, 1, 0), (0, 1, 1), (1, 0, 0), (1, 0, 1), (1, 1, 0), (1, 1, 1)] >>> >>> list(product("ABC", repeat=2)) [("A", "A"), ("A", "B"), ("A", "C"), ("B", "A"), ("B", "B"), ("B", "C"), ("C", "A"), ("C", "B"), ("C", "C")] >>>permutations
permutations 用于生成一个排列,它的一般使用形式如下:
permutations(iterable[, r])
其中,r 指定生成排列的元素的长度,如果不指定,则默认为可迭代对象的元素长度。
>>> from itertools import permutations >>> >>> permutations("ABC", 2)combinations>>> >>> list(permutations("ABC", 2)) [("A", "B"), ("A", "C"), ("B", "A"), ("B", "C"), ("C", "A"), ("C", "B")] >>> >>> list(permutations("ABC")) [("A", "B", "C"), ("A", "C", "B"), ("B", "A", "C"), ("B", "C", "A"), ("C", "A", "B"), ("C", "B", "A")] >>>
combinations 用于求序列的组合,它的使用形式如下:
combinations(iterable, r)
其中,r 指定生成组合的元素的长度。
>>> from itertools import combinations >>> >>> list(combinations("ABC", 2)) [("A", "B"), ("A", "C"), ("B", "C")]combinations_with_replacement
combinations_with_replacement 和 combinations 类似,但它生成的组合包含自身元素。
>>> from itertools import combinations_with_replacement >>> >>> list(combinations_with_replacement("ABC", 2)) [("A", "A"), ("A", "B"), ("A", "C"), ("B", "B"), ("B", "C"), ("C", "C")]小结
itertools 模块提供了很多用于产生多种类型迭代器的函数,它们的返回值不是 list,而是迭代器。
参考链接本文由 funhacks 发表于个人博客,采用 Creative Commons BY-NC-ND 4.0(自由转载-保持署名-非商用-禁止演绎)协议发布。
非商业转载请注明作者及出处。商业转载请联系作者本人。
本文标题为: 高效的 itertools 模块
本文链接为: http://funhacks.net/2017/02/1...
itertools — Functions creating iterators for efficient looping
itertools – Iterator functions for efficient looping - Python Module of the Week
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/38434.html
摘要:借鉴了中的某些迭代器的构造方法,并在中实现该模块是通过实现,源代码。 项目地址:https://git.io/pytips 0x01 介绍了迭代器的概念,即定义了 __iter__() 和 __next__() 方法的对象,或者通过 yield 简化定义的可迭代对象,而在一些函数式编程语言(见 0x02 Python 中的函数式编程)中,类似的迭代器常被用于产生特定格式的列表(或序列)...
摘要:常规的使用来统计一段代码运行时间的例子输出结果总结其实是一门特别人性化的语言,但凡在工程中经常遇到的问题,处理起来比较棘手的模式基本都有对应的比较优雅的解决方案。 python的高级特性 名词与翻译对照表 generator 生成器 iterator 迭代器 collection 集合 pack/unpack 打包/解包 decorator 装饰器 context manager ...
摘要:抓住了迭代器模式的本质,即是迭代,赋予了它极高的地位。输出结果输出结果小结迭代器模式几乎是种设计模式中最常用的设计模式,本文主要介绍了是如何运用迭代器模式,并介绍了模块生成迭代器的种方法,以及种生成迭代器的内置方法。 showImg(https://segmentfault.com/img/bVbmv7W?w=4272&h=2848); 在软件开发领域中,人们经常会用到这一个概念——设...
阅读 3417·2023-04-26 01:45
阅读 2186·2021-11-23 09:51
阅读 3587·2021-10-18 13:29
阅读 3362·2021-09-07 10:12
阅读 667·2021-08-27 16:24
阅读 1726·2019-08-30 15:44
阅读 2151·2019-08-30 15:43
阅读 2902·2019-08-30 13:11