前情回顧

大家好，我又回來了。今天我會(huì)繼續(xù)和大家分享itertools這個(gè)神奇的自帶庫(kù)，首先，讓我們回顧一下上一期結(jié)尾的時(shí)候我們講到的3個(gè)方法：

• combinations()
• combinations_with_replacement()
• permutations()

讓我們對(duì)這3個(gè)在排列組合中經(jīng)常會(huì)使用到的函數(shù)做個(gè)總結(jié)

combinations()

基礎(chǔ)概念

• 模板：combinations(iterable, n)
• 參數(shù)：iterable為可迭代的對(duì)象（list,tuple...）, n為想要的組合包含的元素?cái)?shù)
• 返回值： 返回在iterable里n個(gè)元素組成的tuple的全部組合（不考慮順序，元素自身不可重復(fù)）

應(yīng)用實(shí)例 import itertools as it lst = [1,2,3] result = list(it.combinations(lst,2)) print(result)Out: [(1, 2), (1, 3), (2, 3)]

這里我們從lst這個(gè)list里面選取所有由兩個(gè)元素組成的組合，得到結(jié)果如圖所示，這里沒有考慮順序，因此我們不會(huì)看到（1，2）和（2，1）被算作兩種組合，元素自身不可重復(fù)，所以沒有（1，1），（2，2），（3，3）的組合出現(xiàn)

combinations_with_replacement()

基礎(chǔ)概念

• 模板：combinations_with_replacement(iterable, n)
• 參數(shù)：iterable為可迭代的對(duì)象（list,tuple...）, n為想要的組合包含的元素?cái)?shù)
• 返回值： 返回在iterable里n個(gè)元素組成的tuple的全部組合（不考慮順序，元素自身可重復(fù)）

應(yīng)用實(shí)例 import itertools as it lst = [1,2,3] result = list(it.combinations_with_replacement(lst,2)) print(result)Out: [(1, 1), (1, 2), (1, 3), (2, 2), (2, 3), (3, 3)]

和剛才的區(qū)別是多了（1，1），（2，2），（3，3）的組合，也就是說允許每個(gè)元素自己和自己組合

permutations()

基礎(chǔ)概念

• 模板：permutations(iterable, n=None)
• 參數(shù)：iterable為可迭代的對(duì)象（list,tuple...）, n為想要的組合包含的元素?cái)?shù)
• 返回值： 返回在iterable里n個(gè)元素組成的tuple的全部組合（考慮順序，元素自身不可重復(fù)）

應(yīng)用實(shí)例 import itertools as it lst = [1,2,3] result = list(it.permutations(lst,2)) print(result)Out: [(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)]

我們用permutations得到的結(jié)果是自身元素不能重復(fù)的情況下，一個(gè)iterable里面由n個(gè)元素構(gòu)成的全部組合，考慮順序

不同點(diǎn)匯總

我們這里可以簡(jiǎn)單匯總一下三個(gè)函數(shù)的不同點(diǎn)，匯總一張精華滿滿的表格送個(gè)大家，希望大家如果日后有一天需要用到的話可以回來我這里看看，順便給勤勞的博主點(diǎn)個(gè)贊也是好的?

函數(shù)組合的元素個(gè)數(shù)示例 list輸出結(jié)果特點(diǎn)

combinations()	2	[1,2,3]	(1, 2), (1, 3), (2, 3)	元素自身不能重復(fù)，不考慮順序
combinations_with_replacement()	2	[1,2,3]	(1, 1), (1, 2), (1, 3), (2, 2), (2, 3), (3, 3)	元素自身能重復(fù)，不考慮順序
permutations()	2	[1,2,3]	(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)	元素自身不能重復(fù)，考慮順序

我必須吐槽一下sf的這個(gè)markdown，連個(gè)表格的快捷方式都沒有么。。。。

數(shù)字序列

在完美的收尾了上一期的內(nèi)容后我們可以繼續(xù)前進(jìn)了，使用itertools，我們可以輕松地在無限序列上生成迭代器。接下來我們主要看看和數(shù)字序列相關(guān)的方法和功能。

首先我們來看一個(gè)生成奇數(shù)偶數(shù)的例子，如果不知道itertools的情況下，我們利用生成器的解決方案如下：

def evens():"""Generate even integers, starting with 0."""n = 0while True:yield nn += 2def odds():"""Generate odd integers, starting with 1."""n = 1while True:yield nn += 2evens = evens() even_numbers = list(next(evens) for _ in range(5)) print(even_numbers)odds = odds() odd_numbers = list(next(odds) for _ in range(5)) print(odd_numbers)Out：[0, 2, 4, 6, 8][1, 3, 5, 7, 9]

現(xiàn)在我們可以利用itertools里面的it.count()方法進(jìn)行優(yōu)化：

import itertools as itevens = it.count(step=2) even_numbers = list(next(evens) for _ in range(5)) print(even_numbers)odds = it.count(start=1, step=2) odd_numbers = list(next(odds) for _ in range(5)) print(odd_numbers)Out：[0, 2, 4, 6, 8][1, 3, 5, 7, 9]

itertools.count（）這個(gè)方法主要就是用來計(jì)數(shù)，默認(rèn)從0開始，我們可以通過設(shè)置start關(guān)鍵字參數(shù)從任何數(shù)字開始計(jì)數(shù)，默認(rèn)為0.同樣也可以設(shè)置step關(guān)鍵字參數(shù)來確定從count（）返回的數(shù)字之間的間隔，默認(rèn)為1。

再來看其它兩個(gè)用到itertools count方法的例子：

>>> count_with_floats = it.count(start=0.5, step=0.75) >>> list(next(count_with_floats) for _ in range(5)) [0.5, 1.25, 2.0, 2.75, 3.5]

可以用來計(jì)算float類型

>>> negative_count = it.count(start=-1, step=-0.5) >>> list(next(negative_count) for _ in range(5)) [-1, -1.5, -2.0, -2.5, -3.0]

或是負(fù)數(shù)也沒有問題

在某些方面，count（）類似于內(nèi)置range（）函數(shù)，但count（）總是返回?zé)o限序列。
無限序列的好處在于它不可能完全迭代

count()函數(shù)甚至模擬了內(nèi)置的enumrate（）功能：

import itertools as it print(list(zip(it.count(), ['a', 'b', 'c'])))Out:[(0, 'a'), (1, 'b'), (2, 'c')]

其他有意思的方法

repeat(object, times=1)

首先讓我們看一下itertools里面的repeat放法，它的功能是返回一個(gè)值的無限序列：

all_ones = it.repeat(1) # 1, 1, 1, 1, ... all_twos = it.repeat(2) # 2, 2, 2, 2, ...

如果我們希望可以指定返回序列的長(zhǎng)度，我們可以在方法的第二個(gè)參數(shù)加上想要的序列長(zhǎng)度即可：

five_ones = it.repeat(1, 5) # 1, 1, 1, 1, 1 three_fours = it.repeat(4, 3) # 4, 4, 4 cycle(iterable)

接著估計(jì)你可能想到了，那如果我們想要不斷循環(huán)兩個(gè)數(shù)呢？答案是itertools的cycle方法：

alternating_ones = it.cycle([1, -1]) # 1, -1, 1, -1, 1, -1, ...

如果你想要輸出上面的alternating_ones是不可能的，因?yàn)檫@是一個(gè)無限序列，你會(huì)收到下面的錯(cuò)誤：

Traceback (most recent call last):File "C:\Users\Desktop\itertools.py", line 48, in <module>alternating_ones = list(it.cycle([0, 1])) MemoryError accumulate(iterable, func=operator.add)

itertools.accumulate（）函數(shù), 這個(gè)函數(shù)有些特殊，它接受兩個(gè)參數(shù) ：

• 一個(gè)可迭代的輸入
• 一個(gè)二進(jìn)制函數(shù)func（即一個(gè)具有兩個(gè)輸入的函數(shù)）

并返回一個(gè)迭代器，用于將func應(yīng)用于輸入元素的累積結(jié)果?？匆粋€(gè)小栗子：

>>> import operator >>> list(it.accumulate([1, 2, 3, 4, 5], operator.add)) [1, 3, 6, 10, 15]

accumulate（）返回的迭代器中的第一個(gè)值始終是輸入序列中的第一個(gè)值。在這個(gè)例子中，是1,因?yàn)?是 [1,2,3,4,5]中的第一個(gè)值。
輸出迭代器中的下一個(gè)值是輸入序列的前兩個(gè)元素的總和：add（1,2）= 3，所以操作模式如下：

• add(3, 3) = add(add(1, 2), 3) = 6

以此類推，最終得到最后的答案。實(shí)際上accumulate（）的第二個(gè)參數(shù)本身就是默認(rèn)為operator.add（），因此前面的示例可以簡(jiǎn)化為：

>>> list(it.accumulate([1, 2, 3, 4, 5])) [1, 3, 6, 10, 15]

我們也可以自己添加別的方法到第二個(gè)參數(shù)里：

>>> list(it.accumulate([9, 21, 17, 5, 11, 12, 2, 6], min)) [9, 9, 9, 5, 5, 5, 2, 2]

好啦，itertools 有關(guān)于數(shù)字序列方面的方法我就簡(jiǎn)單介紹到這里啦，有需要的朋友可以自己去看看，其實(shí)還是非常實(shí)用的，不是類似lambda那些花哨的方法

對(duì)List和字符串的相關(guān)操作

itertools.product 實(shí)現(xiàn)交叉組合 >>> product([1, 2], ['a', 'b']) (1, 'a'), (1, 'b'), (2, 'a'), (2, 'b')

此處實(shí)現(xiàn)兩個(gè)可迭代序列的元素組合。

itertools.tee 從一個(gè)輸入序列生成任意數(shù)量的生成器 >>> iter1, iter2 = it.tee(['a', 'b', 'c'], 2) >>> list(iter1) ['a', 'b', 'c'] >>> list(iter2) ['a', 'b', 'c']

注意這里的iter1和iter2相互不會(huì)一影響。是一個(gè)深復(fù)制

islice(iterable, stop) islice(iterable, start, stop, step=1) 切片 >>> islice([1, 2, 3, 4], 3) 1, 2, 3>>> islice([1, 2, 3, 4], 1, 2) 2, 3

這里和list最大的區(qū)別在于返回對(duì)象是一個(gè)迭代器，并不是一個(gè)list，islice(iterable, stop)中stop是切片截至的index，和list切片一樣，并不會(huì)包括stop本身的值。如果想要指定切片起始位置和不長(zhǎng)，就使用islice(iterable, start, stop, step=1)

chain(*iterables) >>> chain('abc', [1, 2, 3]) #<type 'itertools.chain'> 'a', 'b', 'c', 1, 2, 3

返回一個(gè)鏈對(duì)象，其__next __（）方法返回第一個(gè)iterable中的元素，直到它耗盡，然后是來自下一個(gè)iterable的元素，直到所有的iterables都用完為止。

這里有一點(diǎn)需要注意，chain（）函數(shù)有一個(gè)類方法.from_iterable（），它將一個(gè)iterable作為參數(shù)。迭代的元素本身必須是可迭代的，因此效應(yīng)是chain.from_iterable（）某種程度上可以實(shí)現(xiàn)類似 list.extend() 或者 list.append() 的功能， 我們一起看一個(gè)混合了很多itertools中其他方法的綜合小栗子：

import itertools as it cycle = it.chain.from_iterable(it.repeat('abc')) result = list(it.islice(cycle,8)) print(result)Out: ['a', 'b', 'c', 'a', 'b', 'c', 'a', 'b']

這里其實(shí)it.chain.from_iterable里面甚至可以放進(jìn)一個(gè)無限序列，不一定是定長(zhǎng)的。

總結(jié)

這一期的內(nèi)容沒有那么長(zhǎng)，我們簡(jiǎn)單了解了一下itertools的基礎(chǔ)好用的方法，下一期就是簡(jiǎn)單實(shí)戰(zhàn)了，我自己在網(wǎng)上找了一些非常不錯(cuò)的案例，照貓畫虎練習(xí)了一下，打算在下一期和大家一起分享。這次的文章就到這里啦，我們下期見！！！

總結(jié)

以上是生活随笔為你收集整理的Python 进阶之路 (十) 再立Flag, 社区最全的itertools深度解析（中）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。