python中内置的库中有个itertools，可以满足我们在编程中绝大多数需要迭代的场合，当然也可以自己造轮子，但是有现成的好用的轮子不妨也学习一下，看哪个用的顺手~
首先还是要先import一下：
|
1
2
3
|
#import itertoolsfrom itertools import * #最好使用时用上面那个，不过下面的是为了演示比较 常用的，所以就直接全部导入了 |
一.无限迭代器：
由于这些都是无限迭代器，因此使用的时候都要设置终止条件，不然会一直运行下去，也就不是我们想要的结果了。
1、count（）
可以设置两个参数，第一个参数为起始点，且包含在内，第二个参数为步长，如果不设置第二个参数则默认步长为1
|
1
2
3
|
for x in count(10,20): if x < 200: print x |
|
1
2
3
4
5
6
7
|
def count(start=0, step=1): # count(10) --> 10 11 12 13 14 ... # count(2.5, 0.5) -> 2.5 3.0 3.5 ... n = start while true: yield n n += step |
2、cycle（）
可以设置一个参数，且只接受可以迭代的参数，如列表，元组，字符串。。。，该函数会对可迭代的所有元素进行循环：
|
1
2
3
|
for i,x in enumerate(cycle('abcd')): if i < 5: print x |
|
1
2
3
4
5
6
7
8
9
|
def cycle(iterable): # cycle('abcd') --> a b c d a b c d a b c d ... saved = [] for element in iterable: yield element saved.append(element) while saved: for element in saved: yield element |
3、repeat（）
可以设置两个参数，其中第一个参数要求可迭代，第二个参数为重复次数，第二个参数如不设置则无限循环，一般来说使用时都会设置第二个参数，用来满足预期重复次数后终止：
|
1
2
3
|
#注意如果不设置第二个参数notebook运行可能会宕机for x in repeat(['a','b','c'],10): print x |
二.有限迭代器
1、chain（）
可以接受不定个数个可迭代参数，不要求可迭代参数类型相同，会返回一个列表，这个类似于list的extend，不过不同点是list的extend是对原变量进行改变不返回，而chain则是就地改变并返回：
|
1
2
3
4
5
|
list(chain(range(4),range(5)))list(chain(range(4),'abc'))list(chain(('a','b','c'),'nihao',['shijie','zhongguo'])) |
|
1
2
3
4
5
|
def chain(*iterables): # chain('abc', 'def') --> a b c d e f for it in iterables: for element in it: yield element |
2.compress（）
第一个参数为可迭代类型，第二个参数为0和1的集合，两者长度可以不等,
这个暂时不知道可以用在哪里、
|
1
|
list(compress(['a','b','c','d','e'],[0,1,1,1,0,1])) |
|
1
2
3
|
def compress(data, selectors): # compress('abcdef', [1,0,1,0,1,1]) --> a c e f return (d for d, s in izip(data, selectors) if s) |
3.dropwhile()
接受两个参数，第一个参数为一个判断类似于if语句的函数，丢弃满足的项，直到第一个不满足的项出现时停止丢弃，就是
|
1
2
3
4
5
|
#伪代码大概是这个样子的if condition： drop element while not condition： stop drop |
|
1
|
list(dropwhile(lambda x:x>5,range(10,0,-1))) |
|
1
2
3
4
5
6
7
8
9
|
def dropwhile(predicate, iterable): # dropwhile(lambda x: x<5, [1,4,6,4,1]) --> 6 4 1 iterable = iter(iterable) for x in iterable: if not predicate(x): yield x break for x in iterable: yield x |
4.groupby
对给定可迭代集合（有重复元素）进行分组，返回的是一个元组，元组的第一个为分组的元素，第二个为分组的元素集合，还是看代码吧：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
for x,y in groupby(['a','a','b','b','b','b','c','d','e','e']): print x print list(y) print ''out: a ['a', 'a'] b ['b', 'b', 'b', 'b'] c ['c'] d ['d'] e ['e', 'e'] |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
class groupby(object): # [k for k, g in groupby('aaaabbbccdaabbb')] --> a b c d a b # [list(g) for k, g in groupby('aaaabbbccd')] --> aaaa bbb cc d def __init__(self, iterable, key=none): if key is none: key = lambda x: x self.keyfunc = key self.it = iter(iterable) self.tgtkey = self.currkey = self.currvalue = object() def __iter__(self): return self def next(self): while self.currkey == self.tgtkey: self.currvalue = next(self.it) # exit on stopiteration self.currkey = self.keyfunc(self.currvalue) self.tgtkey = self.currkey return (self.currkey, self._grouper(self.tgtkey)) def _grouper(self, tgtkey): while self.currkey == tgtkey: yield self.currvalue self.currvalue = next(self.it) # exit on stopiteration self.currkey = self.keyfunc(self.currvalue) |
5.ifilter（）
这个有点像是filter函数了，不过有点不同，filter返回的是一个完成后的列表，而ifilter则是一个生成器，使用的yield
|
1
2
|
#这样写只是为了更清楚看到输出，其实这么写就跟filter用法一样了，体现不到ifilter的优越之处了list(ifilter(lambda x:x%2,range(10))) |
6.ifilterfalse（）
这个跟ifilter用法很像，只是两个是相反数的关系。
|
1
|
list(ifilterfalse(lambda x:x%2,range(10))) |
7.islice()
接受三个参数，可迭代参数，起始切片点，结束切片点，最少给定两个参数，当只有两个参数为默认第二个参数为结束切片点：
|
1
2
3
4
5
|
in: list(islice(range(10),2,none))out： [2, 3, 4, 5, 6, 7, 8, 9]in: list(islice(range(10),2))out: [0, 1] |
8.imap()
接受参数个数跟目标函数有关：
|
1
2
3
4
5
6
7
8
|
#接受两个参数时list(imap(abs,range(-5,5)))#接受三个参数时list(imap(pow,range(-5,5),range(10)))#接受四个参数时list(imap(lambda x,y,z:x+y+z,range(10),range(10),range(10))) |
9.starmap（）
这个是imap的变异，即只接受两个参数，目标函数会作用在第二个参数集合中、
|
1
2
|
in： list(starmap(pow,[(1,2),(2,3)]))out： [1, 8] |
10.tee()
接受两个参数，第一个参数为可迭代类型，第二个为int，如果第二个不指定则默认为2，即重复两次，有点像是生成器repeat的生成器类型，
这个就有意思了，是双重生成器输出：
|
1
2
|
for x in list(tee('abcde',3)): print list(x) |
11.takewhile()
这个有点跟dropwhile()很是想象，一个是丢弃，一个是拿取：
伪代码为：
|
1
2
3
4
|
if condition： take this element while not condition： stop take |
eg：
|
1
2
|
in： list(takewhile(lambda x:x<10,(1,9,10,11,8)))out： [1, 9] |
12.izip（）
这个跟imap一样，只不过imap是针对map的生成器类型，而izip是针对zip的：
|
1
|
list(izip('ab','cd')) |
13.izip_longest
针对izip只截取最短的，这个是截取最长的，以none来填充空位：
list(izip_longest('a','abcd'))
三、组合迭代器
1.product（）
这个有点像是多次使用for循环，两者可以替代。
|
1
2
3
4
5
6
7
|
list(product(range(10),range(10)))#本质上是这种的生成器模式l = []for x in range(10): for y in range(10): l.append((x,y)) |
2.permutations()
接受两个参数,第二个参数不设置时输出的没看出来是什么鬼，
第二个参数用来控制生成的元组的元素个数，而输出的元组中最后一个元素是打乱次序的，暂时也不知道可以用在哪
|
1
|
list(permutations(range(10),2)) |
3.combinations()
用来排列组合，抽样不放回，第二个参数为参与排列组合的个数
|
1
|
list(combinations('abc',2)) |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
def combinations(iterable, r): # combinations('abcd', 2) --> ab ac ad bc bd cd # combinations(range(4), 3) --> 012 013 023 123 pool = tuple(iterable) n = len(pool) if r > n: return indices = range(r) yield tuple(pool[i] for i in indices) while true: for i in reversed(range(r)): if indices[i] != i + n - r: break else: return indices[i] += 1 for j in range(i+1, r): indices[j] = indices[j-1] + 1 yield tuple(pool[i] for i in indices) |
|
1
2
3
4
5
6
|
def combinations(iterable, r): pool = tuple(iterable) n = len(pool) for indices in permutations(range(n), r): if sorted(indices) == list(indices): yield tuple(pool[i] for i in indices) |
4.combinations_with_replacement()
与上一个的用法不同的是抽样是放回的
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
def combinations_with_replacement(iterable, r): # combinations_with_replacement('abc', 2) --> aa ab ac bb bc cc pool = tuple(iterable) n = len(pool) if not n and r: return indices = [0] * r yield tuple(pool[i] for i in indices) while true: for i in reversed(range(r)): if indices[i] != n - 1: break else: return indices[i:] = [indices[i] + 1] * (r - i) yield tuple(pool[i] for i in indices) |
|
1
2
3
4
5
6
|
def combinations_with_replacement(iterable, r): pool = tuple(iterable) n = len(pool) for indices in product(range(n), repeat=r): if sorted(indices) == list(indices): yield tuple(pool[i] for i in indices) |
以上这篇对python中的高效迭代器函数详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/xiaodongxiexie/article/details/54645123
