介紹Python中內(nèi)置的itertools模塊
Python的內(nèi)建模塊itertools提供了非常有用的用于操作迭代對象的函數(shù)。
首先,我們看看itertools提供的幾個“無限”迭代器:
>>> import itertools >>> natuals = itertools.count(1) >>> for n in natuals: ... print n ... 1 2 3 ...
因為count()會創(chuàng)建一個無限的迭代器,所以上述代碼會打印出自然數(shù)序列,根本停不下來,只能按Ctrl+C退出。
cycle()會把傳入的一個序列無限重復下去:
>>> import itertools >>> cs = itertools.cycle('ABC') # 注意字符串也是序列的一種 >>> for c in cs: ... print c ... 'A' 'B' 'C' 'A' 'B' 'C' ...
同樣停不下來。
repeat()負責把一個元素無限重復下去,不過如果提供第二個參數(shù)就可以限定重復次數(shù):
>>> ns = itertools.repeat('A', 10) >>> for n in ns: ... print n ...
打印10次'A'
無限序列只有在for迭代時才會無限地迭代下去,如果只是創(chuàng)建了一個迭代對象,它不會事先把無限個元素生成出來,事實上也不可能在內(nèi)存中創(chuàng)建無限多個元素。
無限序列雖然可以無限迭代下去,但是通常我們會通過takewhile()等函數(shù)根據(jù)條件判斷來截取出一個有限的序列:
>>> natuals = itertools.count(1) >>> ns = itertools.takewhile(lambda x: x <= 10, natuals) >>> for n in ns: ... print n ...
打印出1到10
itertools提供的幾個迭代器操作函數(shù)更加有用:
chain()
chain()可以把一組迭代對象串聯(lián)起來,形成一個更大的迭代器:
for c in chain('ABC', 'XYZ'): print c # 迭代效果:'A' 'B' 'C' 'X' 'Y' 'Z'
groupby()
groupby()把迭代器中相鄰的重復元素挑出來放在一起:
>>> for key, group in itertools.groupby('AAABBBCCAAA'): ... print key, list(group) # 為什么這里要用list()函數(shù)呢? ... A ['A', 'A', 'A'] B ['B', 'B', 'B'] C ['C', 'C'] A ['A', 'A', 'A']
實際上挑選規(guī)則是通過函數(shù)完成的,只要作用于函數(shù)的兩個元素返回的值相等,這兩個元素就被認為是在一組的,而函數(shù)返回值作為組的key。如果我們要忽略大小寫分組,就可以讓元素'A'和'a'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()的區(qū)別在于,imap()可以作用于無窮序列,并且,如果兩個序列的長度不一致,以短的那個為準。
>>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)): ... print x ... 10 40 90
注意imap()返回一個迭代對象,而map()返回list。當你調(diào)用map()時,已經(jīng)計算完畢:
>>> r = map(lambda x: x*x, [1, 2, 3]) >>> r # r已經(jīng)計算出來了 [1, 4, 9]
當你調(diào)用imap()時,并沒有進行任何計算:
>>> r = itertools.imap(lambda x: x*x, [1, 2, 3]) >>> r <itertools.imap object at 0x103d3ff90> # r只是一個迭代對象
必須用for循環(huán)對r進行迭代,才會在每次循環(huán)過程中計算出下一個元素:
>>> for x in r: ... print x ... 1 4 9
這說明imap()實現(xiàn)了“惰性計算”,也就是在需要獲得結(jié)果的時候才計算。類似imap()這樣能夠?qū)崿F(xiàn)惰性計算的函數(shù)就可以處理無限序列:
>>> r = itertools.imap(lambda x: x*x, itertools.count(1)) >>> for n in itertools.takewhile(lambda x: x<100, r): ... print n ...
結(jié)果是什么?
如果把imap()換成map()去處理無限序列會有什么結(jié)果?
>>> r = map(lambda x: x*x, itertools.count(1))
結(jié)果是什么?
ifilter()
不用多說了,ifilter()就是filter()的惰性實現(xiàn)。
小結(jié)
itertools模塊提供的全部是處理迭代功能的函數(shù),它們的返回值不是list,而是迭代對象,只有用for循環(huán)迭代的時候才真正計算。
相關(guān)文章
利用Python繪制Jazz網(wǎng)絡(luò)圖的例子
今天小編就為大家分享一篇利用Python繪制Jazz網(wǎng)絡(luò)圖的例子,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11Django 用戶登陸訪問限制實例 @login_required
這篇文章主要介紹了Django 用戶登陸訪問限制實例 @login_required,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05計算機二級python學習教程(2) python語言基本語法元素
這篇文章主要為大家詳細介紹了計算機二級python學習教程的第2篇,Python語言基本語法元素,具有一定的參考價值,感興趣的小伙伴們可以參考一下2019-05-05python數(shù)組中的?k-diff?數(shù)對例題解析
這篇文章主要介紹了python數(shù)組中的?k-diff?數(shù)對例題解析,文章根據(jù)題目內(nèi)容對其進行分析以此展開主題內(nèi)容,感興趣的小伙伴可以參考一下下面文章詳情2022-06-06Pytorch建模過程中的DataLoader與Dataset示例詳解
這篇文章主要介紹了Pytorch建模過程中的DataLoader與Dataset,同時PyTorch針對不同的專業(yè)領(lǐng)域,也提供有不同的模塊,例如?TorchText,?TorchVision,?TorchAudio,這些模塊中也都包含一些真實數(shù)據(jù)集示例,本文給大家介紹的非常詳細,需要的朋友參考下吧2023-01-01