Python的內建模塊itertools
提供了非常有用的用於操作迭代對象的函數。
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
...
因爲count()
會創建一個無限的迭代器,所以上述代碼會打印出自然數序列,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複下去:
>>> 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複下去,不過如果提供第二個參數就可以限定重複次數:
>>> ns = itertools.repeat('A', 10)
>>> for n in ns:
... print n
...
打印10次'A'
無限序列只有在for
迭代時纔會無限地迭代下去,如果只是創建了一個迭代對象,它不會事先把無限個元素生成出來,事實上也不可能在內存中創建無限多個元素。
無限序列雖然可以無限迭代下去,但是通常我們會通過takewhile()
等函數根據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更加有用:
chain()
chain()
可以把一組迭代對象串聯起來,形成一個更大的迭代器:
for c in itertools.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複元素挑出來放在一起:
>>> for key, group in itertools.groupby('AAABBBCCAAA'):
... print key, list(group) # 爲什麼這裏要用list()函數呢?
...
A ['A', 'A', 'A']
B ['B', 'B', 'B']
C ['C', 'C']
A ['A', 'A', 'A']
實際上挑選規則是通過函數完成的,只要作用於函數的兩個元素返回的值相等,這兩個元素就被認爲是在一組的,而函數返回值作爲組的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()
的區別在於,imap()
可以作用於無窮序列,並且,如果兩個序列的長度不一致,以短的那個爲準。
>>> 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。當你調用map()
時,已經計算完畢:
>>> r = map(lambda x: x*x, [1, 2, 3])
>>> r # r已經計算出來了
[1, 4, 9]
當你調用imap()
時,並沒有進行任何計算:
>>> 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
循環對r
進行迭代,纔會在每次循環過程中計算出下一個元素:
>>> for x in r:
... print x
...
1
4
9
這說明imap()
實現了“惰性計算”,也就是在需要獲得結果的時候才計算。類似imap()
這樣能夠實現惰性計算的函數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
...
結果是什麼?
如果把imap()
換成map()
去處理無限序列會有什麼結果?
>>> r = map(lambda x: x*x, itertools.count(1))
結果是什麼?
ifilter()
不用多說了,ifilter()
就是filter()
的惰性實現。
小結
itertools
模塊提供的全部是處理迭代功能的函數,它們的返回值不是list,而是迭代對象,只有用for
循環迭代的時候才真正計算。