关于Python 内置库 itertools
更新时间：2021年09月29日 10:41:00 作者：佚名
今天得这篇文章就来给大家介绍一下Python的系统库itertools的
相关资料,需要的小伙伴可以参考下面文章的具体内容
前言：
最近事情不是很多，想写一些技术文章分享给大家，同时也对自己一段时间来碎片化接受的知识进行一下梳理，所谓写清楚才能说清楚，说清楚才能想清楚，就是这个道理了。
很多人都致力于把Python代码写得更Pythonic，一来更符合规范且容易阅读，二来一般Pythonic的代码在执行上也更有效率。今天就先给大家介绍一下Python的系统库itertools。
1、itertools库
迭代器（生成器）在Python中是一种很常用也很好用的数据结构，比起列表(list)来说，迭代器最大的优势就是延迟计算，按需使用，从而提高开发体验和运行效率，以至于在Python 3中map,filter等操作返回的不再是列表而是迭代器。
话虽这么说但大家平时用到的迭代器大概只有range了，而通过iter函数把列表对象转化为迭代器对象又有点多此一举，这时候我们今天的主角itertools就该上场了。
2、使用itertools
itertools中的函数大多是返回各种迭代器对象，其中很多函数的作用我们平时要写很多代码才能达到，而在运行效率上反而更低，毕竟人家是系统库。
3、itertools.accumulate
简单来说就是累加。
>>> import itertools >>> x = itertools.accumulate(range(10)) >>> print(list(x)) [0, 1, 3, 6, 10, 15, 21, 28, 36, 45]
4、itertools.chain
连接多个列表或者迭代器。
>>> x = itertools.chain(range(3), range(4), [3,2,1]) >>> print(list(x)) [0, 1, 2, 0, 1, 2, 3, 3, 2, 1] itertools.combinations
求列表或生成器中指定数目的元素不重复的所有组合
>>> x = itertools.combinations(range(4), 3) >>> print(list(x)) [(0, 1, 2), (0, 1, 3), (0, 2, 3), (1, 2, 3)]
5、itertools.combinations_with_replacement
允许重复元素的组合
>>> x = itertools.combinations_with_replacement('ABC', 2)
>>> print(list(x))
[('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'B'), ('B', 'C'), ('C', 'C')]
6、itertools.compress
按照真值表筛选元素
>>> x = itertools.compress(range(5), (True, False, True, True, False)) >>> print(list(x)) [0, 2, 3]
7、itertools.count
就是一个计数器,可以指定起始位置和步长
>>> x = itertools.count(start=20, step=-1) >>> print(list(itertools.islice(x, 0, 10, 1))) [20, 19, 18, 17, 16, 15, 14, 13, 12, 11]
8、itertools.cycle
循环指定的列表和迭代器
>>> x = itertools.cycle('ABC')
>>> print(list(itertools.islice(x, 0, 10, 1)))
['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C', 'A']
9、itertools.dropwhile
按照真值函数丢弃掉列表和迭代器前面的元素
>>> x = itertools.dropwhile(lambda e: e < 5, range(10)) >>> print(list(x)) [5, 6, 7, 8, 9]
10、itertools.filterfalse
保留对应真值为False的元素
>>> x = itertools.filterfalse(lambda e: e < 5, (1, 5, 3, 6, 9, 4)) >>> print(list(x)) [5, 6, 9]
11、itertools.groupby
按照分组函数的值对元素进行分组
>>> x = itertools.groupby(range(10), lambda x: x < 5 or x > 8) >>> for condition, numbers in x: ... print(condition, list(numbers)) True [0, 1, 2, 3, 4] False [5, 6, 7, 8] True [9]
12、itertools.islice
上文使用过的函数，对迭代器进行切片
>>> x = itertools.islice(range(10), 0, 9, 2) >>> print(list(x)) [0, 2, 4, 6, 8]
13、itertools.permutations
产生指定数目的元素的所有排列(顺序有关)
>>> x = itertools.permutations(range(4), 3) >>> print(list(x)) [(0, 1, 2), (0, 1, 3), (0, 2, 1), (0, 2, 3), (0, 3, 1), (0, 3, 2), (1, 0, 2), (1, 0, 3), (1, 2, 0), (1, 2, 3), (1, 3, 0), (1, 3, 2), (2, 0, 1), (2, 0,3), (2, 1, 0), (2, 1, 3), (2, 3, 0), (2, 3, 1), (3, 0, 1), (3, 0, 2), (3, 1, 0), (3, 1, 2), (3, 2, 0), (3, 2, 1)]
14、itertools.product
产生多个列表和迭代器的(积)
>>> x = itertools.product('ABC', range(3))
>>>
>>> print(list(x))
[('A', 0), ('A', 1), ('A', 2), ('B', 0), ('B', 1), ('B', 2), ('C', 0), ('C', 1), ('C', 2)]
15、itertools.repeat
简单的生成一个拥有指定数目元素的迭代器
>>> x = itertools.repeat(0, 5) >>> print(list(x)) [0, 0, 0, 0, 0]
16、itertools.starmap
类似map
>>> x = itertools.starmap(str.islower, 'aBCDefGhI') >>> print(list(x)) [True, False, False, False, True, True, False, True, False]
17、itertools.takewhile
与dropwhile相反，保留元素直至真值函数值为假。
>>> x = itertools.takewhile(lambda e: e < 5, range(10)) >>> print(list(x)) [0, 1, 2, 3, 4]
18、itertools.tee
这个函数我也不是很懂，似乎是生成指定数目的迭代器
>>> x = itertools.tee(range(10), 2) >>> for letters in x: ... print(list(letters)) ... [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
19、itertools.zip_longest
类似于zip，不过已较长的列表和迭代器的长度为准
>>> x = itertools.zip_longest(range(3), range(5)) >>> y = zip(range(3), range(5)) >>> print(list(x)) [(0, 0), (1, 1), (2, 2), (None, 3), (None, 4)] >>> print(list(y)) [(0, 0), (1, 1), (2, 2)]
结语：
到此这篇关于关于Python 内置库 itertools的文章就介绍到这了,更多相关Python内置库itertools内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
在本篇文章里小编给大家分享了一篇关于python中slice参数过长的处理方法及实例内容，有兴趣的朋友们可以学习参考下。2020-12-12
这篇文章主要介绍了Pandas的read_csv函数参数分析详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
Python使用matplotlib绘制多个图形单独显示的方法示例
这篇文章主要介绍了Python使用matplotlib绘制多个图形单独显示的方法,结合实例形式分析了matplotlib实现绘制多个图形单独显示的具体操作技巧与注意事项,代码备有较为详尽的注释便于理解,需要的朋友可以参考下2018-03-03
这篇文章主要介绍了Sanic框架基于类的视图用法,结合实例形式分析了Sanic框架基于类的视图定义、使用及相关路由操作技巧与注意事项,需要的朋友可以参考下2018-07-07
ansible是新出现的自动化运维工具，基于Python开发，集合了众多运维工具（puppet、chef、func、fabric）的优点，实现了批量系统配置、批量程序部署、批量运行命令等功能，这篇文章主要介绍了python开发的自动化运维工具ansible详解,需要的朋友可以参考下2021-08-08
Pycharm关于远程JupyterLab以及JupyterHub登录问题
这篇文章主要介绍了Pycharm关于远程JupyterLab以及JupyterHub登录问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-06-06
最近遇到数组合并问题,以此记录解决方法,供大家参考学习,下面这篇文章主要给大家介绍了关于python对两个数组进行合并排列处理的两种方法,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2023-05-05
这篇文章主要为大家详细介绍了python傅里叶变换FFT绘制频谱图，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-07-07
在Web开发和报告任务中,将HTML内容转换为PDF是一种常见需求,本文主要介绍了Python将HTML快速转换成PDF的方法实现,具有一定的参考价值,感兴趣的可以了解一下2024-01-01
这篇文章主要为大家分享了一个Python自动化办公脚本，可以实现文件整理，这是一个很有用的技能，可以帮助你管理你的电脑上的各种文件，需要的可以收藏一下2023-08-08
最新评论