Python的內建模塊itertools提供了非常有用的用于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：
|
1
2
3
4
5
6
7
8
9
|
>>> import itertools>>> natuals = itertools.count(1)>>> for n in natuals:... print n...123... |
因為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復下去：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>> 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復下去，不過如果提供第二個參數就可以限定重復次數：
|
1
2
3
4
|
>>> ns = itertools.repeat('A', 10)>>> for n in ns:... print n... |
打印10次'A'
無限序列只有在for迭代時才會無限地迭代下去，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：
|
1
2
3
4
5
|
>>> 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：
|
1
2
3
|
for c in 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復元素挑出來放在一起：
|
1
2
3
4
5
6
7
|
>>> for key, group in itertools.groupby('AAABBBCCAAA'):... print key, list(group) # 為什么這里要用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，只要作用于函數的兩個元素返回的值相等，這兩個元素就被認為是在一組的，而函數返回值作為組的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：
|
1
2
3
4
5
6
7
|
>>> 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()的區別在于，imap()可以作用于無窮序列，并且，如果兩個序列的長度不一致，以短的那個為準。
|
1
2
3
4
5
6
|
>>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)):... print x...104090 |
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：
|
1
2
3
|
>>> 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，并沒有進行任何計算：
|
1
2
3
4
|
>>> 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，才會在每次循環過程中計算出下一個元素：
|
1
2
3
4
5
6
|
>>> for x in r:... print x...149 |
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：
|
1
2
3
4
|
>>> r = itertools.imap(lambda x: x*x, itertools.count(1))>>> for n in itertools.takewhile(lambda x: x<100, r):... print n... |
結果是什么?
如果把imap()換成map()去處理無限序列會有什么結果？
|
1
|
>>> r = map(lambda x: x*x, itertools.count(1)) |
結果是什么?
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。
