Python的內(nèi)建模塊itertools提供了非常有用的用于操作迭代對(duì)象的函數(shù)。

首先，我們看看itertools提供的幾個(gè)“無限”迭代器：

>>> import itertools
>>> natuals = itertools.count(1)
>>> for n in natuals:
...   print n
...
1
2
3
...

因?yàn)閏ount()會(huì)創(chuàng)建一個(gè)無限的迭代器，所以上述代碼會(huì)打印出自然數(shù)序列，根本停不下來，只能按Ctrl+C退出。

cycle()會(huì)把傳入的一個(gè)序列無限重復(fù)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(fù)責(zé)把一個(gè)元素?zé)o限重復(fù)下去，不過如果提供第二個(gè)參數(shù)就可以限定重復(fù)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(shí)才會(huì)無限地迭代下去，如果只是創(chuàng)建了一個(gè)迭代對(duì)象，它不會(huì)事先把無限個(gè)元素生成出來，事實(shí)上也不可能在內(nèi)存中創(chuàng)建無限多個(gè)元素。

無限序列雖然可以無限迭代下去，但是通常我們會(huì)通過takewhile()等函數(shù)根據(jù)條件判斷來截取出一個(gè)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(gè)迭代器操作函數(shù)更加有用：
chain()

chain()可以把一組迭代對(duì)象串聯(lián)起來，形成一個(gè)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(fù)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(shí)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(gè)元素返回的值相等，這兩個(gè)元素就被認(rèn)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(gè)序列的長度不一致，以短的那個(gè)為準(zhǔn)。

>>> 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(gè)迭代對(duì)象，而map()返回list。當(dāng)你調(diào)用map()時(shí)，已經(jīng)計(jì)算完畢：

>>> r = map(lambda x: x*x, [1, 2, 3])
>>> r # r已經(jīng)計(jì)算出來了
[1, 4, 9]

當(dāng)你調(diào)用imap()時(shí)，并沒有進(jìn)行任何計(jì)算：

>>> r = itertools.imap(lambda x: x*x, [1, 2, 3])
>>> r
<itertools.imap object at 0x103d3ff90>
# r只是一個(gè)迭代對(duì)象

必須用for循環(huán)對(duì)r進(jìn)行迭代，才會(huì)在每次循環(huán)過程中計(jì)算出下一個(gè)元素：

>>> for x in r:
...   print x
...
1
4
9

這說明imap()實(shí)現(xiàn)了“惰性計(jì)算”，也就是在需要獲得結(jié)果的時(shí)候才計(jì)算。類似imap()這樣能夠?qū)崿F(xiàn)惰性計(jì)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(huì)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(shí)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(duì)象，只有用for循環(huán)迭代的時(shí)候才真正計(jì)算。

最新評(píng)論