Python 进阶学习笔记之四：高效迭代器工具

Python 进阶系列笔记第四篇，前置文章链接：
Python 进阶学习笔记之一：内置常用类型及方法
Python 进阶学习笔记之二：常用数据类型（上）
Python 进阶学习笔记之三：常用数据类型（下）

14. math 模块

和其他语言一样，Python 提供了专门用于计算的的数学模块 math，实现了常见的幂运算、对数运算、绝对值、取整等运算。还提供了一个单独对复数进行运算的 cmath模块，对分数进行运算的 fractions模块，对十进制定点和浮点进行快速运算的 decimal模块，工具方法，不在累述。
需要注意的其中关于随机数的 random 模块。该模块实现了各种分布的伪随机数生成器。对于整数，从范围中有统一的选择。 对于序列，存在随机元素的统一选择、用于生成列表的随机排列的函数、以及用于随机抽样而无需替换的函数。在实数轴上，有计算均匀、正态（高斯）、对数正态、负指数、伽马和贝塔分布的函数。
最常用函数示例：

import random

random.random()      # 返回 [0, 1) 之间的一个小数
random.randint(1, 10)       # randint(a, b) 返回 [a, b] 之间的一个整数，a 和 b 都必须指定

random.randrange(1, 10, 2)         # randrange(start[, stop][, step])   返回一个范围内的整数，作用和 randint 类似，但这个函数的 stop 不是强制的，而且还有个步长参数可选

random.choice('abc')                    # choice(seq) 从一个序列中随机返回一个元素
random.choice(['red', 'blue', 'black'])

random.choices(['a', 'b', 'c'], cum_weights=[10, 15, 20], k=10)     # choices(population, weights=None, *, cum_weights=None, k=1) 描述见下面????

l = ['a', 'b', 'c']
random.shuffle(l)                          # random.shuffle(x[, random]), 将序列 x 随机打乱位置。注意这里的序列必须是可变序列
print(l)                                           

random.sample(l, 2)                    # sample(x, k), 从序列中随机抽样 k 个元素，对于想对一个不可变序列进行类似 shuffle 乱序的效果，可以这样用 sample(x. len(x))

random.uniform(1, 2)                  # uniform(a, b), 返回一个 [a, b] 之间的浮点数

choices(population, weights=None, *, cum_weights=None, k=1)：从序列population中进行K次随机选取，每次选取一个元素（注意会出现同一个元素多次被选中的情况），weights是相对权重值，population中有几个元素就要有相对应的weights值，cum_weights是累加权重值，例如，相对权重〔10, 5, 30，5〕相当于累积权重〔10, 15, 45，50〕。在内部，在进行选择之前，相对权重被转换为累积权重，因此提供累积权重节省了工作。返回一个列表。此函数是从 3.6 版本新加入的特性。

15. itertools — 为高效循环而创建迭代器的函数

itertools 模块标准化了一个快速、高效利用内存的核心工具集，这些工具本身或组合都很有用。它们一起形成了“迭代器代数”，这使得在纯Python中有可能创建简洁又高效的专用工具。
无穷迭代器:

• count(start[,step])：累计计数器，可以从 start 一直累计下去
• cycle(p)：循环序列 p 中每一个元素
• repeat(ele [, n])：重复指定的 ele

import itertools
itertools.count(10)                  # 输出 10 11 12 13 14
itertools.cycle('ABCD')           # 输出 A B C D A B C D ...
itertools.repeat(10, 3)            # 输出 10 10 10

根据最短输入序列长度停止的迭代器：

• chain(p, q)：相当于把 p 序列和 q 序列连接成一个序列进行处理
• chain.from_iterable(iterable)：作用和 chain 一样，区别是参数是一个嵌套序列
• compress(data, selectors)：序列元素选择器，根据第二个参数来从第一个参数的序列中筛选出指定元素
• filterfalse(fun, seq)：seq中fun(x)为假值的元素
• groupby(iterable[, key])：根据key(v)值分组的迭代器
• islice(seq, [start,] stop [, step])：seq[start:stop:step]中的元素
• takewhile(pred, seq)：seq[0], seq[1], …, 直到pred真值测试失败
• zip_longest(p, q, ...)：(p[0], q[0]), (p[1], q[1]), …

chain('ABC', 'DEF')                   # 输出 A B C D E F
chain.from_iterable(['ABC', 'DEF'])   # 输出 A B C D E F
compress('ABCDEF', [1,0,1,0,1,1])     # 输出 A C E F
filterfalse(lambda x: x%2, range(10)) # 输出 0 2 4 6 8
islice('ABCDEFG', 2, None)            # 输出C D E F G
takewhile(lambda x: x<5, [1,4,6,4,1]) # 输出 1 4
zip_longest('ABCD', 'xy', fillvalue='-') # 输出 Ax By C- D-

关于 groupby函数应用示例代码：

from itertools import *

def height_class(h):
    if h>180:
        return 'tall'
    elif h<160:
        return 'short'
    else:
        return 'middle'

friends = [191, 158, 159, 165, 170, 177, 181, 182, 190]

friends = sorted(friends,key = height_class)

for m,n in groupby(friends,key = height_class):
    print m
    print list(n)


结果：
middle
[165, 170, 177]
short
[158, 159]
tall
[191, 181, 182, 190]

注意，groupby的功能类似于UNIX中的uniq命令，只对相邻元素尝试进行分组，因此分组之前需要使用sorted()对原循环器的元素，根据key函数进行排序，让同组元素先在位置上靠拢。