python排列组合库itertools的具体使用
一、【说在前面】
看到这篇文章的大兄弟您们好,我们经常说调包侠、CRUD仔,用来鄙视不会自己造轮子的工程师,不过笔者认为python的精髓就是调库。库很快,自己写大概率更慢。调包侠也是有高低贵贱之分的,今天介绍一个特别好用的库——itertools
这个库会自动产生一些诸如:排列、组合、笛卡尔积、多迭代器整合、zip等。更详细可以看这个官网一手资料。
itertools — Functions creating iterators for efficient looping — Python 3.12.1 documentation
二、【正式介绍】
(1)无限循环迭代器
count(start[, step]):
count()
函数生成一个从 start
开始的无限递增的整数序列。如果提供了 step
参数,则按照步长递增。
Arguments:
start
: 序列的起始值,默认为 0。
step
: 序列的步长,默认为 1。
Results:
生成一个无限递增的整数序列。
Example:
from itertools import count # 从10开始,步长为2,不写默认步长为1 for i in count(10, 2): print(i) # 10,12,14,16……
cycle(iterable):
cycle()
函数接受一个可迭代对象,并无限循环输出该可迭代对象的元素。
Arguments:
iterable
: 要循环的可迭代对象。
Results:
无限循环输出可迭代对象的元素。
Example:
from itertools import cycle # 无限循环输出 'A', 'B', 'C' for elem in cycle('ABC'): print(elem)
repeat(elem [,n]):
repeat()
函数生成一个无限重复输出某个元素的序列,或者最多重复 n
次。不写n则会一直重复
Arguments:
elem
: 要重复的元素。
n
: 最多重复的次数,默认为无限次。
Results:
生成一个无限重复输出元素的序列,或者最多重复 n
次。
Example:
from itertools import repeat # 重复输出数字 10,最多重复 3 次 for elem in repeat(10, 3): print(elem)
(2)最短序列终止迭代器
1. accumulate(p [,func]):
将可迭代对象中的元素累积起来,可指定累积的函数。
Example:
from itertools import accumulate # 累积和 result = accumulate([1, 2, 3, 4, 5]) print(list(result)) # 输出 [1, 3(1+2), 6(1+2+3), 10, 15]
2. batched(p, n):
将可迭代对象划分为大小为 n
的批次。
Example:
from itertools import batched # 划分为大小为 3 的批次 result = batched('ABCDEFG', n=3) print(list(result)) # 输出 [('A', 'B', 'C'), ('D', 'E', 'F'), ('G',)]
3. chain(p, q, …):
将多个可迭代对象连接成一个单一的迭代器。
Example:
from itertools import chain # 连接两个字符串 result = chain('ABC', 'DEF') print(list(result)) # 输出 ['A', 'B', 'C', 'D', 'E', 'F']
4. chain.from_iterable(iterable):
与 chain
类似,但接受一个可迭代对象的可迭代对象。
Example:
from itertools import chain # 连接两个字符串列表 result = chain.from_iterable(['ABC', 'DEF']) print(list(result)) # 输出 ['A', 'B', 'C', 'D', 'E', 'F']
5. compress(data, selectors):
返回一个通过选择器筛选的数据元素序列。
Example:
from itertools import compress # 通过选择器筛选数据 result = compress('ABCDEF', [1, 0, 1, 0, 1, 1]) # 1有0无 print(list(result)) # 输出 ['A', 'C', 'E', 'F']
6. dropwhile(pred, seq):
返回在预测失败之后的序列元素。
Example:
from itertools import dropwhile # 在预测失败之后的序列元素 result = dropwhile(lambda x: x < 5, [1, 4, 6, 4, 1]) # 当遇到第一个不满足条件(即大于等于 5)的元素时,停止迭代并返回余下的元素 [6, 4, 1] print(list(result)) # 输出 [6, 4, 1]
7. filterfalse(pred, seq):
返回使预测结果为假的序列元素。
Example:
from itertools import filterfalse # 使预测结果为假的序列元素 result = filterfalse(lambda x: x % 2, range(10)) # 与2取模,奇数会留1所以不显示 print(list(result)) # 输出 [0, 2, 4, 6, 8]
8. groupby(iterable[, key]):
根据键函数对序列进行分组。
笔者记得,力扣有一道压缩算法,比如sss44444改为s3,45,就可以拿这个做,
Example:
from itertools import groupby # 根据首字母分组 result = groupby('AAAABBBCCDAABBB') for key, group in result: print(key, list(group)) # 输出 # A ['A', 'A', 'A', 'A'] # B ['B', 'B', 'B'] # C ['C', 'C'] # D ['D'] # A ['A', 'A'] # B ['B', 'B', 'B']
9. islice(seq, [start,] stop [, step]):
返回切片后的序列元素。
Example:
from itertools import islice # 切片序列 seq[start:stop:step] result = islice('ABCDEFG', 2, None) # 从索引 = 2开始切,这个跟py自带的切片一个道理 print(list(result)) # 输出 ['C', 'D', 'E', 'F', 'G']
10. pairwise(iterable):
返回序列中两两相邻的元素。
Example:
from itertools import pairwise # 两两相邻的元素 result = pairwise('ABCDEFG') print(list(result)) # 输出 [('A', 'B'), ('B', 'C'), ('C', 'D'), ('D', 'E'), ('E', 'F'), ('F', 'G')]
11. starmap(func, seq):
对可迭代对象中的元素应用函数,元素以参数元组的形式传递给函数。
Example:
from itertools import starmap # 应用 pow 函数 result = starmap(pow, [(2, 5), (3, 2), (10, 3)]) # 很好理解,本质就是一个map操作 print(list(result)) # 输出 [32, 9, 1000]
12. takewhile(pred, seq):
返回在预测失败之前的序列元素立即为。
Example:
from itertools import takewhile # 在预测失败之前的序列元素 result = takewhile(lambda x: x < 5, [1, 4, 6, 4, 1]) print(list(result)) # 输出 [1, 4]
13. tee(it, n):
将一个迭代器拆分成多个相同的迭代器。
Example:
from itertools import tee # 将一个迭代器拆分成两个 iter1, iter2 = tee('ABC') print(list(iter1)) # 输出 ['A', 'B', 'C'] print(list(iter2)) # 输出 ['A', 'B', 'C']
14. zip_longest(p, q, …):
将多个迭代器中的元素逐个配对,以最长的迭代器为准,可以指定填充值。
Example:
from itertools import zip_longest # 将两个迭代器中的元素逐个配对 result = zip_longest('ABCD', 'xy', fillvalue='-') print(list(result)) # 输出 [('A', 'x'), ('B', 'y'), ('C', '-'), ('D', '-')]
(3)排列、组合、笛卡尔积
1. product(p, q, …, repeat=1):
product
函数用于计算多个可迭代对象的笛卡尔积,生成所有可能的组合。它的参数可以是多个可迭代对象,如p, q, ...
,以及一个可选的repeat
参数,用于指定重复的次数。- 例如,如果
p
是[1, 2]
,q
是[3, 4]
,那么product(p, q)
将生成[(1, 3), (1, 4), (2, 3), (2, 4)]
# 示例 1: product p = [1, 2] q = [3, 4] result_product = list(itertools.product(p, q)) print(result_product) # 输出:[(1, 3), (1, 4), (2, 3), (2, 4)]
2. permutations(iterable, r=None):
permutations
函数用于生成可迭代对象中长度为r
的所有排列。它的参数包括一个可迭代对象iterable
和一个可选的r
参数,用于指定生成的排列长度。- 例如,如果
iterable
是[1, 2, 3]
,r
是2
,那么permutations(iterable, r)
将生成[(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)]
,这是长度为2
的所有可能排列。
# 示例 2: permutations iterable = [1, 2, 3] r = 2 result_permutations = list(itertools.permutations(iterable, r)) print(result_permutations) # 输出:[(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)]
3. combinations(iterable, r):
combinations
函数用于生成可迭代对象中长度为r
的所有组合,按照排序顺序生成。它的参数包括一个可迭代对象iterable
和一个r
参数,用于指定生成的组合长度。- 例如,如果
iterable
是[1, 2, 3]
,r
是2
,那么combinations(iterable, r)
将生成[(1, 2), (1, 3), (2, 3)]
,这是长度为2
的所有可能组合,按照排序顺序生成。
# 示例 3: combinations iterable = [1, 2, 3] r = 2 result_combinations = list(itertools.combinations(iterable, r)) print(result_combinations) # 输出:[(1, 2), (1, 3), (2, 3)]
4. combinations_with_replacement(iterable, r)
combinations_with_replacement
函数与combinations
类似,用于生成可迭代对象中长度为r
的所有组合,但不要求元素不重复,可以包含重复元素。- 例如,如果
iterable
是[1, 2]
,r
是2
,那么combinations_with_replacement(iterable, r)
将生成[(1, 1), (1, 2), (2, 2)]
,这是长度为2
的所有可能组合,包括重复元素。
# 示例 4: combinations_with_replacement iterable = [1, 2] r = 2 result_combinations_with_replacement = list(itertools.combinations_with_replacement(iterable, r)) print(result_combinations_with_replacement) # 输出:[(1, 1), (1, 2), (2, 2)]
到此这篇关于python排列组合库itertools的具体使用的文章就介绍到这了,更多相关python排列组合库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
Pytorch nn.Unfold() 与 nn.Fold()图码详解(最新推荐)
这篇文章主要介绍了Pytorch nn.Unfold() 与 nn.Fold()图码详解,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2023-05-05
最新评论