10個Python Itertools方法助你事半功倍
用更短的代碼實現相同的功能，使用10個Python Itertools方法讓代碼更簡潔。
簡介
Python的編程優(yōu)勢在于它的簡潔性。這不僅是因為Python語法優(yōu)雅，還因為它有許多精心設計的內置模塊，可以幫助開發(fā)者高效地實現常用功能。
itertools模塊就是一個很好的例子，它為開發(fā)者提供了許多強大的工具，可以用更短的代碼來操作Python的可迭代對象，幫助開發(fā)者事半功倍地完成任務。
1. itertools.product()：避免嵌套循環(huán)的巧妙方式
當程序變得越來越復雜時，可能需要編寫嵌套循環(huán)。與此同時，Python代碼將變得丑陋和難以閱讀：
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
如何改進上述代碼，使其具有Python風格？
可以使用itertools.product()函數：
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，它返回輸入可迭代對象的笛卡爾積，幫助將3個嵌套的for循環(huán)合并為一個。
2. itertools.compress()：過濾數據的便捷方式
可以通過一個或多個循環(huán)來過濾列表中的項目。
但有時候，可能不需要編寫任何循環(huán)，而是使用函數itertools.compress()。
itertools.compress()函數返回一個迭代器，該迭代器根據對應的布爾掩碼值對可迭代對象進行過濾。
例如，以下代碼使用itertools.compress()函數選擇真正的數據：
import itertools leaders = ['Yang', 'Elon', 'Tim', 'Tom', 'Mark'] selector = [1, 1, 0, 0, 0] print(list(itertools.compress(leaders, selector))) # ['Yang', 'Elon']
第二個參數selector作為一個掩碼，也可以定義為以下形式：
selector = [True, True, False, False, False]
3. itertools.groupby()：對可迭代對象進行分組
itertools.groupby()函數是將可迭代對象中相鄰的重復元素進行分組的一種便捷方式。
例如，可以對一個長字符串進行如下分組：
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，還可以利用它的第二個參數來告訴groupby()函數如何判斷兩個元素是否相同：
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()：獲取可迭代對象中給定長度的所有組合
對于初學者來說，編寫一個正確的函數來獲取列表的所有可能組合可能需要一些時間。
實際上，如果使用itertools.combinations()函數，可以很容易地實現：
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()函數有兩個參數，一個是原始可迭代對象，另一個是函數生成的子序列的長度。
5. itertools.permutations(): 獲取可迭代對象中給定長度的所有排列
既然有一個函數可以獲取所有組合，當然還有另一個名為itertools.permutations的函數可以獲取所有可能的排列：
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()函數的使用方式與itertools.combinations()函數類似。唯一的區(qū)別在于它們的結果。
6. itertools.accumulate()：從可迭代對象生成累積項
基于可迭代對象獲取一系列累積值是一種常見的需求。借助itertools.accumulate()函數的幫助，不需要編寫任何循環(huán)就能實現。
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，上述程序與以下程序相同：
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()：創(chuàng)建無限迭代器
在某些情況下，開發(fā)者需要獲得一個無限迭代器。有3個函數可以幫助實現：
7.1 itertools.repeat()：重復生成相同的項目
例如，可以按以下方式獲取三個相同的“Yang”：
import itertools
print(list(itertools.repeat('Yang', 3)))
# ['Yang', 'Yang', 'Yang']
7.2 itertools.cycle()：通過循環(huán)獲取無限迭代器
itertools.cycle函數在中斷循環(huán)之前不會停止：
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()：生成一個無限的數字序列
如果需要的只是數字，可以使用itertools.count函數：
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，它的第一個參數是起始數字，第二個參數是步長。
8. itertools.pairwise()：輕松獲取成對的元組
自Python 3.10以來，itertools模塊新增了一個名為pairwise的新函數。它是一個簡潔的工具，可以從可迭代對象生成連續(xù)重疊的成對元素。
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()：以不同的方式過濾元素
itertools.takewhile()返回一個迭代器，只要給定的謂詞函數評估為True，該迭代器就會生成可迭代對象中的元素。
import itertools nums = [1, 61, 7, 9, 2077] print(list(itertools.takewhile(lambda x: x < 100, nums))) # [1, 61, 7, 9]
此函數與內置的filter()函數不同。
filter函數將遍歷整個列表：
nums = [1, 61, 7, 9, 2077] print(list(filter(lambda x: x < 10, nums))) # [1, 7, 9]
然而，itertools.takewhile函數會在評估函數為False時停止：
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
這個函數是上一個函數的逆操作。
itertools.takewhile()函數在True時返回可迭代對象中的元素，而itertools.dropwhile()函數會在True時刪除可迭代對象的元素，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]
到此這篇關于Python中itertools高效迭代工具的文章就介紹到這了,更多相關Python itertools內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
numpy.ndarray.flatten()函數的具體使用
本文主要介紹了numpy.ndarray.flatten()函數的具體使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03![Python關于sys.argv[]的用法及說明](http://img.jbzj.com/images/xgimg/bcimg1.png)
sys.argv[]是Python中用于從程序外部獲取參數的列表,參數索引從0開始,0索引代表腳本名稱本身,后續(xù)索引代表傳遞給腳本的參數,通過指定索引可以獲取特定的參數,如sys.argv[1]獲取第一個傳入參數,當傳入多個參數時,可以通過切片或循環(huán)獲取全部參數2024-09-09
這篇文章主要為大家介紹了Python文件基本操作open函數應用與示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-12-12
這篇文章主要介紹了python實現BP神經網絡回歸預測模型，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-08-08
這篇文章主要介紹了python多線程與多進程及其區(qū)別詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08
用Python和WordCloud繪制詞云的實現方法(內附讓字體清晰的秘笈)
這篇文章主要介紹了用Python和WordCloud繪制詞云的實現方法(內附讓字體清晰的秘笈),文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-01-01
這篇文章主要介紹了Python辦公黑科技,文中有非常詳細的代碼示例,對正在學習python的小伙伴們有非常好的幫助,需要的朋友可以參考下2021-08-08
Python 編碼處理-str與Unicode的區(qū)別
本文主要介紹Python 編碼處理的問題，這里整理了相關資料，并詳細說明如何處理編碼問題，有需要的小伙伴可以參考下2016-09-09
這篇文章主要介紹了Django實現的自定義訪問日志模塊,結合具體實例形式分析了Django針對日志的相關操作技巧,需要的朋友可以參考下2017-06-06
python讀取dicom圖像示例(SimpleITK和dicom包實現)
今天小編就為大家分享一篇python讀取dicom圖像示例(SimpleITK和dicom包實現)，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2020-01-01