對python中的高效迭代器函數詳解

 更新時間:2018年10月18日 09:37:02   作者:曉東邪   我要評論

今天小編就為大家分享一篇對python中的高效迭代器函數詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

python中內置的庫中有個itertools,可以滿足我們在編程中絕大多數需要迭代的場合,當然也可以自己造輪子,但是有現成的好用的輪子不妨也學習一下,看哪個用的順手~

首先還是要先import一下:

#import itertools
from itertools import * #最好使用時用上面那個,不過下面的是為了演示比較
  常用的,所以就直接全部導入了

一.無限迭代器:

python 高效迭代器函數

由于這些都是無限迭代器,因此使用的時候都要設置終止條件,不然會一直運行下去,也就不是我們想要的結果了。

1、count()

可以設置兩個參數,第一個參數為起始點,且包含在內,第二個參數為步長,如果不設置第二個參數則默認步長為1

for x in count(10,20):
 if x < 200:
 print x
def count(start=0, step=1):
 # count(10) --> 10 11 12 13 14 ...
 # count(2.5, 0.5) -> 2.5 3.0 3.5 ...
 n = start
 while True:
 yield n
 n += step

2、cycle()

可以設置一個參數,且只接受可以迭代的參數,如列表,元組,字符串。。。,該函數會對可迭代的所有元素進行循環:

for i,x in enumerate(cycle('abcd')):
 if i < 5:
 print x
def cycle(iterable):
 # cycle('ABCD') --> A B C D A B C D A B C D ...
 saved = []
 for element in iterable:
 yield element
 saved.append(element)
 while saved:
 for element in saved:
  yield element

3、repeat()

可以設置兩個參數,其中第一個參數要求可迭代,第二個參數為重復次數,第二個參數如不設置則無限循環,一般來說使用時都會設置第二個參數,用來滿足預期重復次數后終止:

#注意如果不設置第二個參數notebook運行可能會宕機
for x in repeat(['a','b','c'],10):
 print x

二.有限迭代器

python 高效迭代器函數

1、chain()

可以接受不定個數個可迭代參數,不要求可迭代參數類型相同,會返回一個列表,這個類似于list的extend,不過不同點是list的extend是對原變量進行改變不返回,而chain則是就地改變并返回:

list(chain(range(4),range(5)))

list(chain(range(4),'abc'))

list(chain(('a','b','c'),'nihao',['shijie','zhongguo']))
def chain(*iterables):
 # chain('ABC', 'DEF') --> A B C D E F
 for it in iterables:
 for element in it:
  yield element

2.compress()

第一個參數為可迭代類型,第二個參數為0和1的集合,兩者長度可以不等,

這個暫時不知道可以用在哪里、

list(compress(['a','b','c','d','e'],[0,1,1,1,0,1]))
def compress(data, selectors):
 # compress('ABCDEF', [1,0,1,0,1,1]) --> A C E F
 return (d for d, s in izip(data, selectors) if s)

3.dropwhile()

接受兩個參數,第一個參數為一個判斷類似于if語句的函數,丟棄滿足的項,直到第一個不滿足的項出現時停止丟棄,就是

#偽代碼大概是這個樣子的
if condition:
 drop element
 while not condition:
 stop drop
list(dropwhile(lambda x:x>5,range(10,0,-1)))
def dropwhile(predicate, iterable):
 # dropwhile(lambda x: x<5, [1,4,6,4,1]) --> 6 4 1
 iterable = iter(iterable)
 for x in iterable:
 if not predicate(x):
  yield x
  break
 for x in iterable:
 yield x

4.groupby

對給定可迭代集合(有重復元素)進行分組,返回的是一個元組,元組的第一個為分組的元素,第二個為分組的元素集合,還是看代碼吧:

for x,y in groupby(['a','a','b','b','b','b','c','d','e','e']):
 print x
 print list(y)
 print ''

out:
 a
 ['a', 'a']

 b
 ['b', 'b', 'b', 'b']

 c
 ['c']

 d
 ['d']

 e
 ['e', 'e']
class groupby(object):
 # [k for k, g in groupby('AAAABBBCCDAABBB')] --> A B C D A B
 # [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D
 def __init__(self, iterable, key=None):
 if key is None:
  key = lambda x: x
 self.keyfunc = key
 self.it = iter(iterable)
 self.tgtkey = self.currkey = self.currvalue = object()
 def __iter__(self):
 return self
 def next(self):
 while self.currkey == self.tgtkey:
  self.currvalue = next(self.it) # Exit on StopIteration
  self.currkey = self.keyfunc(self.currvalue)
 self.tgtkey = self.currkey
 return (self.currkey, self._grouper(self.tgtkey))
 def _grouper(self, tgtkey):
 while self.currkey == tgtkey:
  yield self.currvalue
  self.currvalue = next(self.it) # Exit on StopIteration
  self.currkey = self.keyfunc(self.currvalue)

5.ifilter()

這個有點像是filter函數了,不過有點不同,filter返回的是一個完成后的列表,而ifilter則是一個生成器,使用的yield

#這樣寫只是為了更清楚看到輸出,其實這么寫就跟filter用法一樣了,體現不到ifilter的優越之處了
list(ifilter(lambda x:x%2,range(10)))

6.ifilterfalse()

這個跟ifilter用法很像,只是兩個是相反數的關系。

list(ifilterfalse(lambda x:x%2,range(10)))

7.islice()

接受三個參數,可迭代參數,起始切片點,結束切片點,最少給定兩個參數,當只有兩個參數為默認第二個參數為結束切片點:

In: list(islice(range(10),2,None))
Out: [2, 3, 4, 5, 6, 7, 8, 9]

In: list(islice(range(10),2))
Out: [0, 1]

8.imap()

接受參數個數跟目標函數有關:

#接受兩個參數時
list(imap(abs,range(-5,5)))

#接受三個參數時
list(imap(pow,range(-5,5),range(10)))

#接受四個參數時
list(imap(lambda x,y,z:x+y+z,range(10),range(10),range(10)))

9.starmap()

這個是imap的變異,即只接受兩個參數,目標函數會作用在第二個參數集合中、

in: list(starmap(pow,[(1,2),(2,3)]))
out: [1, 8]

10.tee()

接受兩個參數,第一個參數為可迭代類型,第二個為int,如果第二個不指定則默認為2,即重復兩次,有點像是生成器repeat的生成器類型,

這個就有意思了,是雙重生成器輸出:

for x in list(tee('abcde',3)):
 print list(x)

11.takewhile()

這個有點跟dropwhile()很是想象,一個是丟棄,一個是拿取:

偽代碼為:

if condition:
 take this element
 while not condition:
 stop take

eg:

in: list(takewhile(lambda x:x<10,(1,9,10,11,8)))
out: [1, 9]

12.izip()

這個跟imap一樣,只不過imap是針對map的生成器類型,而izip是針對zip的:

list(izip('ab','cd'))

13.izip_longest

針對izip只截取最短的,這個是截取最長的,以None來填充空位:

list(izip_longest('a','abcd'))

三、組合迭代器

python 高效迭代器函數

1.product()

這個有點像是多次使用for循環,兩者可以替代。

list(product(range(10),range(10)))

#本質上是這種的生成器模式
L = []
for x in range(10):
 for y in range(10):
 L.append((x,y))

2.permutations()

接受兩個參數,第二個參數不設置時輸出的沒看出來是什么鬼,

第二個參數用來控制生成的元組的元素個數,而輸出的元組中最后一個元素是打亂次序的,暫時也不知道可以用在哪

list(permutations(range(10),2))

3.combinations()

用來排列組合,抽樣不放回,第二個參數為參與排列組合的個數

list(combinations('abc',2))
def combinations(iterable, r):
 # combinations('ABCD', 2) --> AB AC AD BC BD CD
 # combinations(range(4), 3) --> 012 013 023 123
 pool = tuple(iterable)
 n = len(pool)
 if r > n:
 return
 indices = range(r)
 yield tuple(pool[i] for i in indices)
 while True:
 for i in reversed(range(r)):
  if indices[i] != i + n - r:
  break
 else:
  return
 indices[i] += 1
 for j in range(i+1, r):
  indices[j] = indices[j-1] + 1
 yield tuple(pool[i] for i in indices)
def combinations(iterable, r):
 pool = tuple(iterable)
 n = len(pool)
 for indices in permutations(range(n), r):
 if sorted(indices) == list(indices):
  yield tuple(pool[i] for i in indices)

4.combinations_with_replacement()

與上一個的用法不同的是抽樣是放回的

def combinations_with_replacement(iterable, r):
 # combinations_with_replacement('ABC', 2) --> AA AB AC BB BC CC
 pool = tuple(iterable)
 n = len(pool)
 if not n and r:
 return
 indices = [0] * r
 yield tuple(pool[i] for i in indices)
 while True:
 for i in reversed(range(r)):
  if indices[i] != n - 1:
  break
 else:
  return
 indices[i:] = [indices[i] + 1] * (r - i)
 yield tuple(pool[i] for i in indices)
def combinations_with_replacement(iterable, r):
 pool = tuple(iterable)
 n = len(pool)
 for indices in product(range(n), repeat=r):
 if sorted(indices) == list(indices):
  yield tuple(pool[i] for i in indices)

以上這篇對python中的高效迭代器函數詳解就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關文章

  • python讀取文本中的坐標方法

    python讀取文本中的坐標方法

    今天小編就為大家分享一篇python讀取文本中的坐標方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10
  • python使用標準庫根據進程名如何獲取進程的pid詳解

    python使用標準庫根據進程名如何獲取進程的pid詳解

    Python有一套很有用的標準庫(standard library)。標準庫會隨著Python解釋器,一起安裝在你的電腦中的,所以下面這篇文章主要給大家介紹了關于python使用標準庫根據進程名如何獲取進程pid的相關資料,需要的朋友可以參考下。
    2017-10-10
  • Python找出最小的K個數實例代碼

    Python找出最小的K個數實例代碼

    這篇文章主要介紹了Python找出最小的K個數實例代碼,簡單分析了實現思路,冒泡法和partition思想,具有一定借鑒價值,需要的朋友可以參考下
    2018-01-01
  • 對dataframe進行列相加,行相加的實例

    對dataframe進行列相加,行相加的實例

    今天小編就為大家分享一篇對dataframe進行列相加,行相加的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-06-06
  • tensorflow1.0學習之模型的保存與恢復(Saver)

    tensorflow1.0學習之模型的保存與恢復(Saver)

    這篇文章主要介紹了tensorflow1.0學習之模型的保存與恢復(Saver) ,小編覺得挺不錯的,現在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2018-04-04
  • 簡介Python中用于處理字符串的center()方法

    簡介Python中用于處理字符串的center()方法

    這篇文章主要介紹了簡介Python中用于處理字符串的center()方法,是Python入門中的基礎知識,需要的朋友可以參考下
    2015-05-05
  • Python logging模塊學習筆記

    Python logging模塊學習筆記

    這篇文章主要介紹了Python logging模塊,logging模塊是在2.3新引進的功能,用來處理程序運行中的日志管理,本文詳細講解了該模塊的一些常用的類和模塊級函數,需要的朋友可以參考下
    2014-05-05
  • Python獲取文件所在目錄和文件名的方法

    Python獲取文件所在目錄和文件名的方法

    下面小編就為大家帶來一篇Python獲取文件所在目錄和文件名的方法。小編覺得挺不錯的,現在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-01-01
  • 運動檢測ViBe算法python實現代碼

    運動檢測ViBe算法python實現代碼

    這篇文章主要為大家詳細介紹了運動檢測ViBe算法python實現代碼,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-01-01
  • 詳解Python中的變量及其命名和打印

    詳解Python中的變量及其命名和打印

    這篇文章主要介紹了Python中的變量及其命名和打印,是Python入門學習中的基礎知識,需要的朋友可以參考下
    2016-03-03

最新評論

辽宁35选7开奖结果