2020-11-24 22:43:30

itertools

Python的内建模块 itertools 提供了非常有用的用于操作迭代对象的函数。

首先,我们看看 itertools 提供的几个“无限”迭代器:

>>> import itertools
>>> natuals = itertools.count(1)
>>> for n in natuals:
...     print n
...
1
2
3
...

因为 count() 会创建一个无限的迭代器,所以上述代码会打印出自然数序列,根本停不下来,只能按 Ctrl+C 退出。

cycle() 会把传入的一个序列无限重复下去:

>>> import itertools
>>> cs = itertools.cycle('ABC') # 注意字符串也是序列的一种
>>> for c in cs:
...     print c
...
'A'
'B'
'C'
'A'
'B'
'C'
...

同样停不下来。

repeat() 负责把一个元素无限重复下去,不过如果提供第二个参数就可以限定重复次数:

>>> ns = itertools.repeat('A', 10)
>>> for n in ns:
... print n
...
A
A
A
A
A
A
A
A
A
A
>>>

无限序列只有在 for 迭代时才会无限地迭代下去,如果只是创建了一个迭代对象,它不会事先把无限个元素生成出来,事实上也不可能在内存中创建无限多个元素。

无限序列虽然可以无限迭代下去,但是通常我们会通过 takewhile() 等函数根据条件判断来截取出一个有限的序列:

>>> natuals = itertools.count(1)
>>> ns = itertools.takewhile(lambda x: x <= 10, natuals)
>>> for n in ns:
...     print n
...
1
2
3
4
5
6
7
8
9
10
# 打印出1到10
>>>

itertools 提供的几个迭代器操作函数更加有用:

chain()

chain() 可以把一组迭代对象串联起来,形成一个更大的迭代器:

参考:Python笔记24—–迭代器、生成器的使用(如嵌套列表的展开、树的遍历等) – 咫片炫 – 博客园

>>> for c in itertools.chain('ABC', 'XYZ'):
...     print(c)
...
A
B
C
X
Y
Z
>>>

groupby()

groupby() 把迭代器中相邻的重复元素挑出来放在一起:

>>> for key, group in itertools.groupby('AAABBBCCAAA'):
...     print key, list(group) # 为什么这里要用list()函数呢?
...
A ['A', 'A', 'A']
B ['B', 'B', 'B']
C ['C', 'C']
A ['A', 'A', 'A']
>>>

实际上挑选规则是通过函数完成的,只要作用于函数的两个元素返回的值相等,这两个元素就被认为是在一组的,而函数返回值作为组的key。如果我们要忽略大小写分组,就可以让元素 和 都返回相同的key:

>>> for key, group in itertools.groupby('AaaBBbcCAAa', lambda c: c.upper()):
...     print key, list(group)
...
A ['A', 'a', 'a']
B ['B', 'B', 'b']
C ['c', 'C']
A ['A', 'A', 'a']
>>>

imap()

imap() 和 map() 的区别在于, imap() 可以作用于无穷序列,并且,如果两个序列的长度不一致,以短的那个为准。

>>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)
):
...     print x
...
10
40
90
>>>

注意 imap() 返回一个迭代对象,而 map() 返回list。当你调用 map() 时,已经计算完毕:

>>> r = map(lambda x: x*x, [1, 2, 3])
>>> r # r已经计算出来了
[1, 4, 9]
>>>

当你调用 imap() 时,并没有进行任何计算:

>>> r = itertools.imap(lambda x: x*x, [1, 2, 3])
>>> r
<itertools.imap object at 0x00000000025A8D68>
>>>
# r只是一个迭代对象

必须用 for 循环对 r 进行迭代,才会在每次循环过程中计算出下一个元素:

>>> for x in r:
...     print x
...
1
4
9
>>>

这说明 imap() 实现了“惰性计算”,也就是在需要获得结果的时候才计算。类似 imap() 这样能够实现惰性计算的函数就可以处理无限序列:

>>> r = itertools.imap(lambda x: x*x, itertools.count(1))
>>> for n in itertools.takewhile(lambda x: x<100, r):
...     print n
...
1
4
9
16
25
36
49
64
81
>>>

如果把 imap() 换成 map() 去处理无限序列会有什么结果?

>>> r = map(lambda x: x*x, itertools.count(1))
无响应。。。

ifilter()

不用多说了, ifilter() 就是 filter() 的惰性实现。

itertools 模块提供的全部是处理迭代功能的函数,它们的返回值不是list,而是迭代对象,只有用 for 循环迭代的时候才真正计算。

By wanglei

发表评论