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實時獲取steam特惠游戲數(shù)據(jù)
Steam是由美國電子游戲商Valve于2003年9月12日推出的數(shù)字發(fā)行平臺，被認為是計算機游戲界最大的數(shù)碼發(fā)行平臺之一。本文將利用Python實時獲取steam特惠游戲數(shù)據(jù)，感興趣的可以嘗試一下2022-06-06
淺談python已知元素,獲取元素索引(numpy,pandas)
今天小編就為大家分享一篇淺談python已知元素,獲取元素索引(numpy,pandas)，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2019-11-11
這篇文章主要介紹了Python的Django框架下管理站點的基本方法,需是Django站點部署的基礎,要的朋友可以參考下2015-07-07
解決ToPILImage時出現(xiàn)維度報錯問題pic should be 2/3 d
這篇文章主要介紹了解決ToPILImage時出現(xiàn)維度報錯問題pic should be 2/3 dimensional. Got 4 dimensions.具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02
這篇文章主要介紹了PyTorch中的CUDA的操作方法，CUDA是NVIDIA推出的異構(gòu)計算平臺，PyTorch中有專門的模塊torch.cuda來設置和運行CUDA相關(guān)操作，更多相關(guān)介紹，需要的朋友可以查看下面文章內(nèi)容2022-08-08
這篇文章主要旨在通過設計和實現(xiàn)有關(guān)文本相似度比較的類Vector和Sketch，幫助大家進一步掌握設計Python類來解決實際問題的能力，有需要的小伙伴可以學習一下2023-07-07
這篇文章主要介紹了Python列表pop()函數(shù)使用實例詳解，本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2023-07-07
Python中使用PyQt把網(wǎng)頁轉(zhuǎn)換成PDF操作代碼實例
這篇文章主要介紹了Python中使用PyQt把網(wǎng)頁轉(zhuǎn)換成PDF操作代碼實例,本文直接給出實現(xiàn)代碼,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python實現(xiàn)給普通PDF添加水印的方法，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2022-04-04
python中24小時制轉(zhuǎn)換為12小時制的方法
最近需要實現(xiàn)一個需求，求用戶輸入24小時制的時間，然后顯示12小時制的時間。具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-06-06