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。
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。
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]
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']
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。
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。
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]
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:
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']
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,
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。
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')]
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]
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]
《Python从入门到精通(微课精编版)》使用通俗易懂的语言、丰富的案例,详细介绍了Python语言的编程知识和应用技巧。全书共24章,内容包括Python开发环境、变量和数据类型、表达式、程序结构、序列、字典和集合、字符串、正则表达式、函数、类、模块、异常处理和程序调试、进程和线程、文件操作、数据库操作、图形界面编程、网络编程、Web编程、网络爬虫、数据处理等,还详细介绍了多个综合实战项目。其中,第24章为扩展项目在线开发,是一章纯线上内容。全书结构完整,知识点与示例相结合,并配有案例实战,可操作性强,示例源代码大都给出详细注释,读者可轻松学习,快速上手。本书采用O2O教学模式,线下与线上协同,以纸质内容为基础,同时拓展更多超值的线上内容,读者使用手机微信扫一扫即可快速阅读,拓展知识,开阔视野,获取超额实战体验。
精彩回顾
《Python字典的选择之道:掌握6种类型的终极指南!》
《轻松玩转Python,5个步骤打造惊艳的折线图》
《10个Python中的数据类型技巧》
《Python的集合模块,使用数据容器处理数据集合》
《使用Ray创建高效的深度学习数据管道》
《使用Ray轻松进行Python分布式计算》
以上就是“简洁编程之道,10个Python Itertools方法助你事半功倍”的全部内容,希望对你有所帮助。
?
?关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、Python练习题
检查学习结果。
六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
最后祝大家天天进步!!
上面这份完整版的Python全套学习资料已经上传至CSDN官方,朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。