用更短的代码实现相同的功能，使用10个Python Itertools方法让代码更简洁。
微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩
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]
推荐书单
《Python从入门到精通（微课精编版）》
《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。
《Python从入门到精通（微课精编版）》
https://item.jd.com/13524355.html
精彩回顾
微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩
访问【IT今日热榜】，发现每日技术热点
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
