python—itertools模块常用函数

  Python模块itertools提供了非常有用的用于操作迭代对象的函数。itertools模块提供的全部是处理迭代功能的函数， 它们的返回值不是list，而是Iterator，只有用for循环迭代的时候才真正计算。迭代器有一些特点，比如只有用到的时候才读入到内存里，这样更快更省内存；比如只能调用一次，会被消耗掉。

1.count()

产生连续的整数，有下限(默认0)，没有上限

import itertools
natuals = itertools.count(1)
for n in natuals:
    print(n)

count()会创建一个无限的迭代器，所以上述代码会打印出自然数序列，根本停不下来，只能按Ctrl+C退出。

2.cycle()

无限重复给定的可迭代对象

import itertools
cs = itertools.cycle('ABC') # 注意字符串也是序列的一种
for c in cs:
    print(c)

上述代码会打印重复的字符序列，根本停不下来，只能按Ctrl+C退出。

3.repeat()

repeat()负责把一个元素无限重复下去，不过如果提供第二个参数就可以限定重复次数

import itertools
ns = itertools.repeat('A', 3)
for n in ns:
	print(n)

无限序列只有在for迭代时才会无限地迭代下去，如果只是创建了一个迭代对象，它不会事先把无限个元素生成出来，事实上也不可能在内存中创建无限多个元素。

4.takewhile()

无限序列虽然可以无限迭代下去，但是通常我们会通过takewhile()等函数根据条件判断来截取出一个有限的序列

import itertools
natuals = itertools.count(1)
ns = itertools.takewhile(lambda x: x <= 10, natuals)
print(list(ns))
# [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

5.chain()

chain()函数接收n个可迭代对象，然后返回一个他们的合集的迭代器，纵向合并

import itertools
for c in itertools.chain('ABC', 'XYZ'):
    print(c)
    
# A
# B
# C
# X
# Y
# Z

6.groupby()

groupby()把迭代器中相邻的重复元素挑出来放在一起

import itertools
for key, group in itertools.groupby('AAABBBCCAAA'):
    print(key, list(group))

# A ['A', 'A', 'A']
# B ['B', 'B', 'B']
# C ['C', 'C']
# A ['A', 'A', 'A']

实际上挑选规则是通过函数完成的，只要作用于函数的两个元素返回的值相等，这两个元素就被认为是在一组的，而函数返回值作为组的key。如果我们要忽略大小写分组，就可以让元素’A’和’a’都返回相同的key

import itertools
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']

在groupby之前，务必要按key排序，因为groupby方法遍历对象，当key变化的时候，就会新产生一个group,

import itertools
string = 'AAABBBCCAAA'
# 排序
string1 = sorted(string)
for key, group in itertools.groupby(string1, lambda c: c.upper()):
    print(key, list(group))

# A ['A', 'A', 'A', 'A', 'A', 'A']
# B ['B', 'B', 'B']
# C ['C', 'C']

7.combinations()

常用于变量之间两两组合
如：申请评分卡的多因子分析当中

compare = list(combinations(varByIV, 2))
removed_var = []
roh_thresould = 0.8
for pair in compare:
    (x1, x2) = pair
    # 返回皮尔逊相关系数
    roh = np.corrcoef([trainData[str(x1) + "_WOE"], trainData[str(x2) + "_WOE"]])[0, 1]
    if abs(roh) >= roh_thresould:
        if var_IV[x1] > var_IV[x2]:
            removed_var.append(x2)
            del trainData[x2]
        else:
            removed_var.append(x1)
            del trainData[x1]

from itertools import combinations
list1 = [1,3,5]
print(list(combinations(list1,2)))
# [(1, 3), (1, 5), (3, 5)]

参考：
1.廖雪峰官方网站