简介

Python的编程优势在于它的简洁性。这不仅是因为Python语法优雅，还因为它有许多精心设计的内置模块，可以帮助开发者高效地实现常用功能。

itertools模块就是一个很好的例子，它为开发者提供了许多强大的工具，可以用更短的代码来操作Python的可迭代对象，帮助开发者事半功倍地完成任务。

1. itertools.product()：避免嵌套循环的巧妙方式

当程序变得越来越复杂时，可能需要编写嵌套循环。与此同时，Python代码将变得丑陋和难以阅读：

list_a = [1, 2020, 70]
list_b = [2, 4, 7, 2000]
list_c = [3, 70, 7]

for a in list_a:
    for b in list_b:
        for c in list_c:
            if a + b + c == 2077:
                print(a, b, c)
# 70 2000 7

如何改进上述代码，使其具有Python风格？

可以使用itertools.product()函数：

from itertools import product

list_a = [1, 2020, 70]
list_b = [2, 4, 7, 2000]
list_c = [3, 70, 7]

for a, b, c in product(list_a, list_b, list_c):
    if a + b + c == 2077:
        print(a, b, c)
# 70 2000 7

如上所示，它返回输入可迭代对象的笛卡尔积，帮助将3个嵌套的for循环合并为一个。

2. itertools.compress()：过滤数据的便捷方式

可以通过一个或多个循环来过滤列表中的项目。

但有时候，可能不需要编写任何循环，而是使用函数itertools.compress()。

itertools.compress()函数返回一个迭代器，该迭代器根据对应的布尔掩码值对可迭代对象进行过滤。

例如，以下代码使用itertools.compress()函数选择真正的数据：

import itertools
leaders = ['Yang', 'Elon', 'Tim', 'Tom', 'Mark']
selector = [1, 1, 0, 0, 0]
print(list(itertools.compress(leaders, selector)))
# ['Yang', 'Elon']

第二个参数selector作为一个掩码，也可以定义为以下形式：

selector = [True, True, False, False, False]

3. itertools.groupby()：对可迭代对象进行分组

itertools.groupby()函数是将可迭代对象中相邻的重复元素进行分组的一种便捷方式。

例如，可以对一个长字符串进行如下分组：

from itertools import groupby

for key, group in groupby('YAaANNGGG'):
    print(key, list(group))
# Y ['Y']
# A ['A']
# a ['a']
# A ['A']
# N ['N', 'N']
# G ['G', 'G', 'G']

此外，还可以利用它的第二个参数来告诉groupby()函数如何判断两个元素是否相同：

from itertools import groupby

for key, group in groupby('YAaANNGGG', lambda x: x.upper()):
    print(key, list(group))
# Y ['Y']
# A ['A', 'a', 'A']
# N ['N', 'N']
# G ['G', 'G', 'G']

4. itertools.combinations()：获取可迭代对象中给定长度的所有组合

对于初学者来说，编写一个正确的函数来获取列表的所有可能组合可能需要一些时间。

实际上，如果使用itertools.combinations()函数，可以很容易地实现：

import itertools

author = ['Y', 'a', 'n', 'g']

result = itertools.combinations(author, 2)

for x in result:
    print(x)
# ('Y', 'a')
# ('Y', 'n')
# ('Y', 'g')
# ('a', 'n')
# ('a', 'g')
# ('n', 'g')

如上述程序所示，itertools.combinations()函数有两个参数，一个是原始可迭代对象，另一个是函数生成的子序列的长度。

5. itertools.permutations(): 获取可迭代对象中给定长度的所有排列

既然有一个函数可以获取所有组合，当然还有另一个名为itertools.permutations的函数可以获取所有可能的排列：

import itertools

author = ['Y', 'a', 'n', 'g']

result = itertools.permutations(author, 2)

for x in result:
    print(x)

# ('Y', 'a')
# ('Y', 'n')
# ('Y', 'g')
# ('a', 'Y')
# ('a', 'n')
# ('a', 'g')
# ('n', 'Y')
# ('n', 'a')
# ('n', 'g')
# ('g', 'Y')
# ('g', 'a')
# ('g', 'n')

如上所示，itertools.permutations()函数的使用方式与itertools.combinations()函数类似。唯一的区别在于它们的结果。

6. itertools.accumulate()：从可迭代对象生成累积项

基于可迭代对象获取一系列累积值是一种常见的需求。借助itertools.accumulate()函数的帮助，不需要编写任何循环就能实现。

import itertools
import operator

nums = [1, 2, 3, 4, 5]
print(list(itertools.accumulate(nums, operator.mul)))
# [1, 2, 6, 24, 120]

如果不想使用operator.mul，上述程序与以下程序相同：

import itertools

nums = [1, 2, 3, 4, 5]
print(list(itertools.accumulate(nums, lambda a, b: a * b)))
# [1, 2, 6, 24, 120]

7. itertools.repeat(), itertools.cycle(), itertools.count()：创建无限迭代器

在某些情况下，开发者需要获得一个无限迭代器。有3个函数可以帮助实现：

7.1 itertools.repeat()：重复生成相同的项目

例如，可以按以下方式获取三个相同的“Yang”：

import itertools
print(list(itertools.repeat('Yang', 3)))
# ['Yang', 'Yang', 'Yang']

7.2 itertools.cycle()：通过循环获取无限迭代器

itertools.cycle函数在中断循环之前不会停止：

import itertools

count = 0

for c in itertools.cycle('Yang'):
    if count >= 12:
        break
    else:
        print(c, end=',')
        count += 1
# Y,a,n,g,Y,a,n,g,Y,a,n,g,

7.3 itertools.count()：生成一个无限的数字序列

如果需要的只是数字，可以使用itertools.count函数：

import itertools

for i in itertools.count(0, 2):
    if i == 20:
        break
    else:
        print(i, end=" ")
# 0 2 4 6 8 10 12 14 16 18

如上所示，它的第一个参数是起始数字，第二个参数是步长。

8. itertools.pairwise()：轻松获取成对的元组

自Python 3.10以来，itertools模块新增了一个名为pairwise的新函数。它是一个简洁的工具，可以从可迭代对象生成连续重叠的成对元素。

import itertools

letters = ['a', 'b', 'c', 'd', 'e']

result = itertools.pairwise(letters)

print(list(result))
# [('a', 'b'), ('b', 'c'), ('c', 'd'), ('d', 'e')]

9. itertools.takewhile()：以不同的方式过滤元素

itertools.takewhile()返回一个迭代器，只要给定的谓词函数评估为True，该迭代器就会生成可迭代对象中的元素。

import itertools

nums = [1, 61, 7, 9, 2077]

print(list(itertools.takewhile(lambda x: x < 100, nums)))
# [1, 61, 7, 9]

此函数与内置的filter()函数不同。

filter函数将遍历整个列表：

nums = [1, 61, 7, 9, 2077]

print(list(filter(lambda x: x < 10, nums)))
# [1, 7, 9]

然而，itertools.takewhile函数会在评估函数为False时停止：

import itertools

nums = [1, 61, 7, 9, 2077]

print(list(itertools.takewhile(lambda x: x < 10, nums)))
# [1]

10. itertools.dropwhile()：itertools.takewhile的反向操作

这个函数是上一个函数的逆操作。

itertools.takewhile()函数在True时返回可迭代对象中的元素，而itertools.dropwhile()函数会在True时删除可迭代对象的元素，并返回剩余的元素。

import itertools

nums = [1, 61, 7, 9, 2077]

print(list(itertools.dropwhile(lambda x: x < 100, nums)))
# [2077]