Python函数式编程中itertools模块详解

容器与可迭代对象

在正式开始前先补充一些基本概念在 python 中存在容器 与 可迭代对象

• 容器：用来存储多个元素的数据结构，例如 列表，元组，字典，集合等内容；
• 可迭代对象：实现了 __iter__ 方法的对象就叫做可迭代对象。

从可迭代对象中还衍生出 迭代器 与 生成器：

• 迭代器：既实现了 __iter__，也实现了 __next__ 方法的对象叫做迭代器；
• 生成器：具有 yield 关键字的函数都是生成器。

这样就比较清楚了，可迭代对象的范围要大于容器。而且可迭代对象只能使用一次，使用完毕再获取值就会提示 stopiteration 异常。

除此之外，可迭代对象还有一些限制：

• 不能对可迭代对象使用 len 函数；
• 可以使用 next 方法处理可迭代对象，容器也可以通过 iter 函数转换成迭代器；
• for 语句会自动调用容器的 iter 函数，所以容器也能被循环迭代。

count() 函数

count 函数一般与 range 函数对比学习，例如 range 函数需要定义生成范围的下限，上限与步长可选，而 count 函数不同，指定下限与步长，上限值不用声明。

函数原型声明如下

count(start=0, step=1) --> count object

测试代码如下，其中必须添加跳出循环的判定条件，否则代码会一直运行下去。

from itertools import count
a = count(5, 10)
for i in a:
    print(i)
    if i > 100:
        break

除此之外，count 函数还接收非整数参数，所以下述代码中定义的也是正确的。

from itertools import count
a = count(0.5, 0.1)
for i in a:
    print(i)
    if i > 100:
        break

cycle 函数

用 cycle 函数可以循环一组值，测试代码如下所示：

from itertools import cycle
x = cycle('梦想橡皮擦abcdf')
for i in range(5):
    print(next(x), end=" ")
print("\n")
print("*" * 100)
for i in range(5):
    print(next(x), end=" ")

代码输出如下内容：

梦 想 橡 皮 擦

****************************************************************************************************
a b c d f

可以看到 cycle 函数与 for 循环非常类似。

repeat 函数

repeat 函数用于重复返回某个值，官方给出的函数描述如下所示：

class repeat(object):
    """
    repeat(object [,times]) -> create an iterator which returns the object
    for the specified number of times.  if not specified, returns the object
    endlessly.

进行一下简单的测试，看一下效果：

from itertools import repeat
x = repeat('橡皮擦')
for i in range(5):
    print(next(x), end=" ")
print("\n")
print("*" * 100)
for i in range(5):
    print(next(x), end=" ")

怎么看这个函数，都好像没有太大用处。

enumerate 函数，添加序号

这个函数在前面的文章中，已经进行过简单介绍，并且该函数在 __builtins__ 包中，所以不再过多说明，基本格式如下所示：

enumerate(sequence, [start=0])

其中 start 参数是下标起始位置。

accumulate 函数

该函数基于给定的函数返回一个可迭代对象，默认是累加效果，即第二个参数为 operator.add，测试代码如下：

from itertools import accumulate
data = [1, 2, 3, 4, 5]
# 计算累积和
print(list(accumulate(data)))  # [1, 3, 6, 10, 15]

针对上述代码，修改为累积。

from itertools import accumulate
import operator
data = [1, 2, 3, 4, 5]
# 计算累积
print(list(accumulate(data, operator.mul)))

除此之外，第二个参数还可以为 max，min 等函数，例如下述代码：

from itertools import accumulate
data = [1, 4, 3, 2, 5]
print(list(accumulate(data, max)))

代码输出如下内容，其实是将 data 里面的任意两个值进行了比较，然后留下最大的值。

[1, 4, 4, 4, 5]

chain 与 groupby 函数

chain 函数用于将多个迭代器组合为单个迭代器，而 groupby 可以将一个迭代器且分为多个子迭代器。

首先展示一下 groupby 函数的应用：

from itertools import groupby
a = list(groupby('橡橡皮皮擦擦'))
print(a)

输出内容如下所示：

[('橡', <itertools._grouper object at 0x0000000001dd9438>),
('皮', <itertools._grouper object at 0x0000000001dd9278>),
('擦', <itertools._grouper object at 0x00000000021ff710>)]

为了使用 groupby 函数，建议先对原列表进行排序，因为它是有点像切片一样，发现不同的就分出一个迭代器。

chain 函数的用法如下，将多个迭代对象进行拼接：

from itertools import groupby, chain
a = list(chain('abc', 'aaa', range(1,3)))
print(a)

zip_longest 与 zip

zip 函数在之前的博客中已经进行过说明，zip_longest 与 zip 的区别就是，zip 返回的结果以最短的序列为准，而 zip_longest 以最长的为准。

测试代码如下，自行比对结果即可。

from itertools import zip_longest
a = list(zip('abc', range(5), [10, 20, 30, 40]))
print(a)
a = list(zip_longest('abc', range(5), [10, 20, 30, 40]))
print(a)

zip_logest 如果碰到长度不一致的序列，缺少部分会填充 none。

tee 函数

tee 函数可以克隆可迭代对象，产出多个生成器，每个生成器都可以产出输入的各个元素。

from itertools import tee
a = list(tee('橡皮擦'))
print(a)

compress 函数

该函数通过**谓词（是否，true/false）**来确定对某个元素的取舍问题，最简单的代码如下所示：

from itertools import compress
a = list(compress('橡皮擦', (0, 1, 1)))
print(a)

islice、dropwhile、takewhile、filterfalse、filter

这几个函数都是从输入的可迭代对象中获取一个子集，而且不修改元素本身。

本部分只罗列各个函数的原型声明，具体用法直接参考使用即可。

islice(iterable, stop) --> islice object
islice(iterable, start, stop[, step]) --> islice object
dropwhile(predicate, iterable) --> dropwhile object
takewhile(predicate, iterable) --> takewhile object
filterfalse(function or none, sequence) --> filterfalse object

其中只有 filterfalse 中的参数是函数在前，序列在后。

测试代码如下，尤其注意第一个参数是 callable 即函数。

from itertools import islice, dropwhile, takewhile, filterfalse
a = list(filterfalse(lambda x: x in ["皮", "擦"], '橡皮擦'))
print(a)

总结

以上内容就是本文的全部内容，在使用无限迭代器函数 count，cycle，repeat 的时候，一定要注意即使停止。

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注的更多内容！