摘要:使用中的函数大多是返回各种迭代器对象,其中很多函数的作用我们平时要写很多代码才能达到,而在运行效率上反而更低,毕竟人家是系统库。连接多个列表或者迭代器。
前言
最近事情不是很多,想写一些技术文章分享给大家,同时也对自己一段时间来碎片化接受的知识进行一下梳理,所谓写清楚才能说清楚,说清楚才能想清楚,就是这个道理了。
很多人都致力于把Python代码写得更Pythonic,一来更符合规范且容易阅读,二来一般Pythonic的代码在执行上也更有效率。今天就先给大家介绍一下Python的系统库itertools。
itertools库迭代器(生成器)在Python中是一种很常用也很好用的数据结构,比起列表(list)来说,迭代器最大的优势就是延迟计算,按需使用,从而提高开发体验和运行效率,以至于在Python 3中map,filter等操作返回的不再是列表而是迭代器。
话虽这么说但大家平时用到的迭代器大概只有range了,而通过iter函数把列表对象转化为迭代器对象又有点多此一举,这时候我们今天的主角itertools就该上场了。
使用itertoolsitertools中的函数大多是返回各种迭代器对象,其中很多函数的作用我们平时要写很多代码才能达到,而在运行效率上反而更低,毕竟人家是系统库。
itertools.accumulate简单来说就是累加。
>>> import itertools >>> x = itertools.accumulate(range(10)) >>> print(list(x)) [0, 1, 3, 6, 10, 15, 21, 28, 36, 45]itertools.chain
连接多个列表或者迭代器。
>>> x = itertools.chain(range(3), range(4), [3,2,1]) >>> print(list(x)) [0, 1, 2, 0, 1, 2, 3, 3, 2, 1]itertools.combinations
求列表或生成器中指定数目的元素不重复的所有组合
>>> x = itertools.combinations(range(4), 3) >>> print(list(x)) [(0, 1, 2), (0, 1, 3), (0, 2, 3), (1, 2, 3)]itertools.combinations_with_replacement
允许重复元素的组合
>>> x = itertools.combinations_with_replacement("ABC", 2) >>> print(list(x)) [("A", "A"), ("A", "B"), ("A", "C"), ("B", "B"), ("B", "C"), ("C", "C")]itertools.compress
按照真值表筛选元素
>>> x = itertools.compress(range(5), (True, False, True, True, False)) >>> print(list(x)) [0, 2, 3]itertools.count
就是一个计数器,可以指定起始位置和步长
>>> x = itertools.count(start=20, step=-1) >>> print(list(itertools.islice(x, 0, 10, 1))) [20, 19, 18, 17, 16, 15, 14, 13, 12, 11]itertools.cycle
循环指定的列表和迭代器
>>> x = itertools.cycle("ABC") >>> print(list(itertools.islice(x, 0, 10, 1))) ["A", "B", "C", "A", "B", "C", "A", "B", "C", "A"]itertools.dropwhile
按照真值函数丢弃掉列表和迭代器前面的元素
>>> x = itertools.dropwhile(lambda e: e < 5, range(10)) >>> print(list(x)) [5, 6, 7, 8, 9]itertools.filterfalse
保留对应真值为False的元素
>>> x = itertools.filterfalse(lambda e: e < 5, (1, 5, 3, 6, 9, 4)) >>> print(list(x)) [5, 6, 9]itertools.groupby
按照分组函数的值对元素进行分组
>>> x = itertools.groupby(range(10), lambda x: x < 5 or x > 8) >>> for condition, numbers in x: ... print(condition, list(numbers)) True [0, 1, 2, 3, 4] False [5, 6, 7, 8] True [9]itertools.islice
上文使用过的函数,对迭代器进行切片
>>> x = itertools.islice(range(10), 0, 9, 2) >>> print(list(x)) [0, 2, 4, 6, 8]itertools.permutations
产生指定数目的元素的所有排列(顺序有关)
>>> x = itertools.permutations(range(4), 3) >>> print(list(x)) [(0, 1, 2), (0, 1, 3), (0, 2, 1), (0, 2, 3), (0, 3, 1), (0, 3, 2), (1, 0, 2), (1, 0, 3), (1, 2, 0), (1, 2, 3), (1, 3, 0), (1, 3, 2), (2, 0, 1), (2, 0, 3), (2, 1, 0), (2, 1, 3), (2, 3, 0), (2, 3, 1), (3, 0, 1), (3, 0, 2), (3, 1, 0), (3, 1, 2), (3, 2, 0), (3, 2, 1)]itertools.product
产生多个列表和迭代器的(积)
>>> x = itertools.product("ABC", range(3)) >>> >>> print(list(x)) [("A", 0), ("A", 1), ("A", 2), ("B", 0), ("B", 1), ("B", 2), ("C", 0), ("C", 1), ("C", 2)]itertools.repeat
简单的生成一个拥有指定数目元素的迭代器
>>> x = itertools.repeat(0, 5) >>> print(list(x)) [0, 0, 0, 0, 0]itertools.starmap
类似map
>>> x = itertools.starmap(str.islower, "aBCDefGhI") >>> print(list(x)) [True, False, False, False, True, True, False, True, False]itertools.takewhile
与dropwhile相反,保留元素直至真值函数值为假。
>>> x = itertools.takewhile(lambda e: e < 5, range(10)) >>> print(list(x)) [0, 1, 2, 3, 4]itertools.tee
这个函数我也不是很懂,似乎是生成指定数目的迭代器
>>> x = itertools.tee(range(10), 2) >>> for letters in x: ... print(list(letters)) ... [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]itertools.zip_longest
类似于zip,不过已较长的列表和迭代器的长度为准
>>> x = itertools.zip_longest(range(3), range(5)) >>> y = zip(range(3), range(5)) >>> print(list(x)) [(0, 0), (1, 1), (2, 2), (None, 3), (None, 4)] >>> print(list(y)) [(0, 0), (1, 1), (2, 2)]结语
大概就总结到这里,不过老实说Python的各种语言特性和库还是要多用才能熟练,最终达到随手拈来的程度,装逼的说就是由术入道。
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/38485.html
摘要:前言在官方文档的标准库章节中,第一节是简介,第二节就是,可见内建函数是标准库的重要组成部分,而有很多内建函数我们平时却很少用到或根本就不知道原来还有这么好用的函数居然直接就可以拿来用。接下来为大家介绍一些我认为被大家忽略掉的内建函数。 前言 在Python官方文档的标准库章节中,第一节是简介,第二节就是Built_in Functions,可见内建函数是Python标准库的重要组成部分...
摘要:最大的优点之一就是语法简洁,好的代码就像伪代码一样,干净整洁一目了然。程序必须先让人读懂,然后才能让计算机执行。中间结果尽量使用代替不推荐推荐会带来更高的内存使用效率,特别是当处理大数据操作的时候。 showImg(https://img-blog.csdnimg.cn/20190306201121104.png?x-oss-process=image/watermark,type_Z...
摘要:忽略了的版本这是一个在上不断被人提起的问题。不幸的是它只运行在系统上。误解了全局解释器锁意味着只有一个线程在一个程序可以运行在任何时间。规定的解决方案是使用模块。滥用使得上的一个大神花了很多时间去解决它。这可能会产生一些非常不必要的后果。 原文链接放在这里:1: http://nafiulis.me/potential-pythonic-pitfalls.html 很多问题没搞懂,先放...
摘要:最终还是要写上足够量的代码,才会有悟道的那一刻。另外,对于代码本身,有一套书写规范,叫做。 Python 里有个小彩蛋: 在 Python Shell 里输入 import this showImg(https://segmentfault.com/img/remote/1460000018394156?w=600&h=463); 这段话被称作 Python 之禅 ( The Zen ...
阅读 2913·2023-04-25 19:20
阅读 758·2021-11-24 09:38
阅读 1996·2021-09-26 09:55
阅读 2404·2021-09-02 15:11
阅读 1846·2019-08-30 15:55
阅读 3582·2019-08-30 15:54
阅读 3122·2019-08-30 14:03
阅读 2936·2019-08-29 17:11