简介
Python的编程优势在于它的简洁性。这不仅是因为Python语法优雅,还因为它有许多精心设计的内置模块,可以帮助开发者高效地实现常用功能。
itertools模块就是一个很好的例子,它为开发者提供了许多强大的工具,可以用更短的代码来操作Python的可迭代对象,帮助开发者事半功倍地完成任务。
1. itertools.product():避免嵌套循环的巧妙方式
当程序变得越来越复杂时,可能需要编写嵌套循环。与此同时,Python代码将变得丑陋和难以阅读:
list_a = [1, 2020, 70]
list_b = [2, 4, 7, 2000]
list_c = [3, 70, 7]
for a in list_a:
for b in list_b:
for c in list_c:
if a + b + c == 2077:
print(a, b, c)
# 70 2000 7
如何改进上述代码,使其具有Python风格?
可以使用itertools.product()函数:
from itertools import product
list_a = [1, 2020, 70]
list_b = [2, 4, 7, 2000]
list_c = [3, 70, 7]
for a, b, c in product(list_a, list_b, list_c):
if a + b + c == 2077:
print(a, b, c)
# 70 2000 7
如上所示,它返回输入可迭代对象的笛卡尔积,帮助将3个嵌套的for循环合并为一个。
2. itertools.compress():过滤数据的便捷方式
可以通过一个或多个循环来过滤列表中的项目。
但有时候,可能不需要编写任何循环,而是使用函数itertools.compress()。
itertools.compress()函数返回一个迭代器,该迭代器根据对应的布尔掩码值对可迭代对象进行过滤。
例如,以下代码使用itertools.compress()函数选择真正的数据:
import itertools
leaders = ['Yang', 'Elon', 'Tim', 'Tom', 'Mark']
selector = [1, 1, 0, 0, 0]
print(list(itertools.compress(leaders, selector)))
# ['Yang', 'Elon']
第二个参数selector作为一个掩码,也可以定义为以下形式:
selector = [True, True, False, False, False]
3. itertools.groupby():对可迭代对象进行分组
itertools.groupby()函数是将可迭代对象中相邻的重复元素进行分组的一种便捷方式。
例如,可以对一个长字符串进行如下分组:
from itertools import groupby
for key, group in groupby('YAaANNGGG'):
print(key, list(group))
# Y ['Y']
# A ['A']
# a ['a']
# A ['A']
# N ['N', 'N']
# G ['G', 'G', 'G']
此外,还可以利用它的第二个参数来告诉groupby()函数如何判断两个元素是否相同:
from itertools import groupby
for key, group in groupby('YAaANNGGG', lambda x: x.upper()):
print(key, list(group))
# Y ['Y']
# A ['A', 'a', 'A']
# N ['N', 'N']
# G ['G', 'G', 'G']
4. itertools.combinations():获取可迭代对象中给定长度的所有组合
对于初学者来说,编写一个正确的函数来获取列表的所有可能组合可能需要一些时间。
实际上,如果使用itertools.combinations()函数,可以很容易地实现:
import itertools
author = ['Y', 'a', 'n', 'g']
result = itertools.combinations(author, 2)
for x in result:
print(x)
# ('Y', 'a')
# ('Y', 'n')
# ('Y', 'g')
# ('a', 'n')
# ('a', 'g')
# ('n', 'g')
如上述程序所示,itertools.combinations()函数有两个参数,一个是原始可迭代对象,另一个是函数生成的子序列的长度。
5. itertools.permutations(): 获取可迭代对象中给定长度的所有排列
既然有一个函数可以获取所有组合,当然还有另一个名为itertools.permutations的函数可以获取所有可能的排列:
import itertools
author = ['Y', 'a', 'n', 'g']
result = itertools.permutations(author, 2)
for x in result:
print(x)
# ('Y', 'a')
# ('Y', 'n')
# ('Y', 'g')
# ('a', 'Y')
# ('a', 'n')
# ('a', 'g')
# ('n', 'Y')
# ('n', 'a')
# ('n', 'g')
# ('g', 'Y')
# ('g', 'a')
# ('g', 'n')
如上所示,itertools.permutations()函数的使用方式与itertools.combinations()函数类似。唯一的区别在于它们的结果。
6. itertools.accumulate():从可迭代对象生成累积项
基于可迭代对象获取一系列累积值是一种常见的需求。借助itertools.accumulate()函数的帮助,不需要编写任何循环就能实现。
import itertools
import operator
nums = [1, 2, 3, 4, 5]
print(list(itertools.accumulate(nums, operator.mul)))
# [1, 2, 6, 24, 120]
如果不想使用operator.mul,上述程序与以下程序相同:
import itertools
nums = [1, 2, 3, 4, 5]
print(list(itertools.accumulate(nums, lambda a, b: a * b)))
# [1, 2, 6, 24, 120]
7. itertools.repeat(), itertools.cycle(), itertools.count():创建无限迭代器
在某些情况下,开发者需要获得一个无限迭代器。有3个函数可以帮助实现:
7.1 itertools.repeat():重复生成相同的项目
例如,可以按以下方式获取三个相同的“Yang”:
import itertools
print(list(itertools.repeat('Yang', 3)))
# ['Yang', 'Yang', 'Yang']
7.2 itertools.cycle():通过循环获取无限迭代器
itertools.cycle函数在中断循环之前不会停止:
import itertools
count = 0
for c in itertools.cycle('Yang'):
if count >= 12:
break
else:
print(c, end=',')
count += 1
# Y,a,n,g,Y,a,n,g,Y,a,n,g,
7.3 itertools.count():生成一个无限的数字序列
如果需要的只是数字,可以使用itertools.count函数:
import itertools
for i in itertools.count(0, 2):
if i == 20:
break
else:
print(i, end=" ")
# 0 2 4 6 8 10 12 14 16 18
如上所示,它的第一个参数是起始数字,第二个参数是步长。
8. itertools.pairwise():轻松获取成对的元组
自Python 3.10以来,itertools模块新增了一个名为pairwise的新函数。它是一个简洁的工具,可以从可迭代对象生成连续重叠的成对元素。
import itertools
letters = ['a', 'b', 'c', 'd', 'e']
result = itertools.pairwise(letters)
print(list(result))
# [('a', 'b'), ('b', 'c'), ('c', 'd'), ('d', 'e')]
9. itertools.takewhile():以不同的方式过滤元素
itertools.takewhile()返回一个迭代器,只要给定的谓词函数评估为True,该迭代器就会生成可迭代对象中的元素。
import itertools
nums = [1, 61, 7, 9, 2077]
print(list(itertools.takewhile(lambda x: x < 100, nums)))
# [1, 61, 7, 9]
此函数与内置的filter()函数不同。
filter函数将遍历整个列表:
nums = [1, 61, 7, 9, 2077]
print(list(filter(lambda x: x < 10, nums)))
# [1, 7, 9]
然而,itertools.takewhile函数会在评估函数为False时停止:
import itertools
nums = [1, 61, 7, 9, 2077]
print(list(itertools.takewhile(lambda x: x < 10, nums)))
# [1]
10. itertools.dropwhile():itertools.takewhile的反向操作
这个函数是上一个函数的逆操作。
itertools.takewhile()函数在True时返回可迭代对象中的元素,而itertools.dropwhile()函数会在True时删除可迭代对象的元素,并返回剩余的元素。
import itertools
nums = [1, 61, 7, 9, 2077]
print(list(itertools.dropwhile(lambda x: x < 100, nums)))
# [2077]