Python中itertools库的四个函数介绍

红太狼 2024-03-31 01:39 59阅读 0赞

这篇文章主要介绍了Python中itertools库的四个函数，在Python开发中，`itertools`库经常被忽视，实际上该库中抱恨了一些非常棒的函数，特别是用于处于数据流的函数。在本文中，我们将讨论该库中的十分使用的几个函数，并重点介绍什么时候我们应该考虑使用它们。

### 1. accumulate() 函数 ###

第三方库`itertools`提供的函数`accumulate()`，可以帮助我们对数据流执行累积操作。换句话说，假设我们有一个数据列表\[a，b，c，d，e\]和一个运算f，那么函数`accumulate()`可以帮助我们计算`f(a,b)`，`f(f(a,b),c)`，`f(f(f(a,b),c),d)`，等等。  
文字有点不直观，那我们来举个累加的栗子吧！

**样例代码如下：**

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 </td> 
 <td> <code>import</code> <code>itertools</code> <code>data </code><code>=</code> <code>[</code><code>3</code><code>, </code><code>4</code><code>, </code><code>6</code><code>, </code><code>2</code><code>, </code><code>1</code><code>, </code><code>9</code><code>, </code><code>0</code><code>, </code><code>7</code><code>, </code><code>5</code><code>, </code><code>8</code><code>]</code> <code>res </code><code>=</code> <code>itertools.accumulate(data, </code><code>lambda</code> <code>x,y:x</code><code>+</code><code>y)</code> <code>print</code><code>(</code><code>list</code><code>(res))</code> <code># [3, 7, 13, 15, 16, 25, 25, 32, 37, 45]</code> </td> 
 </tr> 
 </tbody> 
</table>

上述函数`accumulate()`的作用是：先把3和4相加，然后得到7，再和6相加，得到另一个值，依此类推。

> 需要注意的是：如果要执行给定3个或更多值的累计操作，则不允许使用该函数，因为accumulate()只接受迭代器，迭代器每次调用next()返回至多1个元素。

### 2. compress() 函数 ###

函数`compress()`可以根据我们的喜好来过滤内容。与函数`filter()`函数不同，函数`compress()`需要传入相应的标志位来决定是否应该保留每个值。

**举个例子会更加直观，相关样例代码如下：**

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 </td> 
 <td> <code>import</code> <code>itertools</code> <code>data </code><code>=</code> <code>[</code><code>3</code><code>, </code><code>4</code><code>, </code><code>6</code><code>, </code><code>2</code><code>, </code><code>1</code><code>, </code><code>9</code><code>, </code><code>0</code><code>, </code><code>7</code><code>, </code><code>5</code><code>, </code><code>8</code><code>]</code> <code>selector </code><code>=</code> <code>[</code><code>1</code><code>, </code><code>0</code><code>, </code><code>0</code><code>, </code><code>0</code><code>, </code><code>1</code><code>, </code><code>1</code><code>, </code><code>0</code><code>, </code><code>1</code><code>, </code><code>1</code><code>, </code><code>0</code><code>]</code> <code>res </code><code>=</code> <code>itertools.compress(data, selector)</code> <code>print</code><code>(</code><code>list</code><code>(res))</code> <code># [3, 1, 9, 7, 5]</code> </td> 
 </tr> 
 </tbody> 
</table>

在上面的示例中，如果数据是奇数，则选择器将为 1，否则为 0。因此，函数`compress()` 操作的结果将只是保留原始数据中的奇数。

### 3. groupby() 函数 ###

在许多情况下，我们会在 Python 中以随机顺序获得一个元组列表，假如我们希望按值对它们进行分组。此时是函数`groupby()` 发挥作用的完美场景！

函数`groupby()` 将接受一个可迭代的参数和一个返回值的函数，然后它将按函数返回的值对元组列表进行分组。

**例如，我们想按国家对以下城市进行分组：**

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 </td> 
 <td> <code>import</code> <code>itertools</code> <code>data </code><code>=</code> <code>[(</code><code>'New York'</code><code>, </code><code>'US'</code><code>), (</code><code>"Shanghai"</code><code>, </code><code>"China"</code><code>),</code> <code>(</code><code>"LA"</code><code>, </code><code>'US'</code><code>),(</code><code>"Chongqing"</code><code>, </code><code>"China"</code><code>)]</code> <code>for</code> <code>city, group </code><code>in</code> <code>itertools.groupby(</code><code>sorted</code><code>(data, key</code><code>=</code><code>lambda</code> <code>x: x[</code><code>1</code><code>]), </code><code>lambda</code> <code>x: x[</code><code>1</code><code>]):</code> <code>for</code> <code>i </code><code>in</code> <code>group:</code> <code>print</code><code>(</code><code>"%s is in %s."</code> <code>%</code> <code>(i[</code><code>0</code><code>], city))</code> <code>print</code><code>("")</code> <code># Shanghai is in China.</code> <code># Chongqing is in China.</code> <code># New York is in US.</code> <code># LA is in US.</code> </td> 
 </tr> 
 </tbody> 
</table>

### 4. 排列组合操作 ###

排列组合可能是 `itertools`库中最令人惊叹的函数之一，它提供了排列组合运算符！  
我们唯一需要做的就是将正确的关键字与输出元组的长度一起传递给相应的函数。

库`itertools`对大多数人来说，是一个未被充分利用甚至很少听到的库，但它确实包含一些非常好用的函数。这些函数通常可以帮助我们将代码行数减少到仅一行，使我们的代码看起来更加简洁优雅！

转载自：[https://www.weidianyuedu.com][https_www.weidianyuedu.com]

[https_www.weidianyuedu.com]: https://www.weidianyuedu.com