Python標(biāo)準(zhǔn)庫(kù)之itertools庫(kù)的使用方法
前言
因?yàn)樽罱虑椴皇呛芏?,想?xiě)一些技術(shù)文章分享給大家,同時(shí)也對(duì)自己一段時(shí)間來(lái)碎片化接受的知識(shí)進(jìn)行一下梳理,所謂寫(xiě)清楚才能說(shuō)清楚,說(shuō)清楚才能想清楚,就是這個(gè)道理了。
很多人都致力于把Python代碼寫(xiě)得更Pythonic,一來(lái)更符合規(guī)范且容易閱讀,二來(lái)一般Pythonic的代碼在執(zhí)行上也更有效率。今天就先給大家介紹一下Python的系統(tǒng)庫(kù)itertools。下面話不多說(shuō)了,來(lái)一起看看詳細(xì)的介紹吧。
itertools庫(kù)
迭代器(生成器)在Python中是一種很常用也很好用的數(shù)據(jù)結(jié)構(gòu),比起列表(list)來(lái)說(shuō),迭代器最大的優(yōu)勢(shì)就是延遲計(jì)算,按需使用,從而提高開(kāi)發(fā)體驗(yàn)和運(yùn)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。
話雖這么說(shuō)但大家平時(shí)用到的迭代器大概只有range了,而通過(guò)iter函數(shù)把列表對(duì)象轉(zhuǎn)化為迭代器對(duì)象又有點(diǎn)多此一舉,這時(shí)候我們今天的主角itertools就該上場(chǎng)了。
使用itertools
itertools中的函數(shù)大多是返回各種迭代器對(duì)象,其中很多函數(shù)的作用我們平時(shí)要寫(xiě)很多代碼才能達(dá)到,而在運(yùn)行效率上反而更低,畢竟人家是系統(tǒng)庫(kù)。
itertools.accumulate
簡(jiǎn)單來(lái)說(shuō)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
連接多個(gè)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數(shù)目的元素不重復(fù)的所有組合
>>> 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
允許重復(fù)元素的組合
>>> x = itertools.combinations_with_replacement('ABC', 2) >>> print(list(x)) [('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'B'), ('B', 'C'), ('C', 'C')]
itertools.compress
按照真值表篩選元素
>>> x = itertools.compress(range(5), (True, False, True, True, False)) >>> print(list(x)) [0, 2, 3]
itertools.count
就是一個(gè)計(jì)數(shù)器,可以指定起始位置和步長(zhǎng)
>>> 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
循環(huán)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
按照真值函數(shù)丟棄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
保留對(duì)應(yīng)真值為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
按照分組函數(shù)的值對(duì)元素進(jìn)行分組
>>> 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
上文使用過(guò)的函數(shù),對(duì)迭代器進(jìn)行切片
>>> x = itertools.islice(range(10), 0, 9, 2) >>> print(list(x)) [0, 2, 4, 6, 8]
itertools.permutations
產(chǎn)生指定數(shù)目的元素的所有排列(順序有關(guān))
>>> 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
產(chǎn)生多個(gè)列表和迭代器的(積)
>>> 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
簡(jiǎn)單的生成一個(gè)擁有指定數(shù)目元素的迭代器
>>> x = itertools.repeat(0, 5) >>> print(list(x)) [0, 0, 0, 0, 0]
itertools.starmap
類(lèi)似map
>>> x = itertools.starmap(str.islower, 'aBCDefGhI') >>> print(list(x)) [True, False, False, False, True, True, False, True, False]
itertools.takewhile
與dropwhile相反,保留元素直至真值函數(shù)值為假。
>>> x = itertools.takewhile(lambda e: e < 5, range(10)) >>> print(list(x)) [0, 1, 2, 3, 4]
itertools.tee
這個(gè)函數(shù)我也不是很懂,似乎是生成指定數(shù)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
類(lèi)似于zip,不過(guò)已較長(zhǎng)的列表和迭代器的長(zhǎng)度為準(zhǔn)
>>> 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)]
結(jié)語(yǔ)
大概就總結(jié)到這里,不過(guò)老實(shí)說(shuō)Python的各種語(yǔ)言特性和庫(kù)還是要多用才能熟練,最終達(dá)到隨手拈來(lái)的程度,裝逼的說(shuō)就是由術(shù)入道。
總結(jié)
以上就是這篇文章的全部?jī)?nèi)容了,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來(lái)一定的幫助,如果有疑問(wèn)大家可以留言交流,謝謝大家對(duì)腳本之家的支持。
相關(guān)文章
如何在django中實(shí)現(xiàn)分頁(yè)功能
這篇文章主要介紹了如何在django中實(shí)現(xiàn)分頁(yè)功能,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04python實(shí)現(xiàn)自動(dòng)化之文件合并
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)自動(dòng)化文件合并,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-08-08pycharm打包py項(xiàng)目為.exe可執(zhí)行文件的兩種方式
本文主要介紹了pycharm打包py項(xiàng)目為.exe可執(zhí)行文件的兩種方式,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-01-01tensorflow 利用expand_dims和squeeze擴(kuò)展和壓縮tensor維度方式
今天小編就為大家分享一篇tensorflow 利用expand_dims和squeeze擴(kuò)展和壓縮tensor維度方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02Python如何利用Har文件進(jìn)行遍歷指定字典替換提交的數(shù)據(jù)詳解
這篇文章主要給大家介紹了關(guān)于Python如何利用Har文件進(jìn)行遍歷指定字典替換提交的數(shù)據(jù)的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11