前言:
Python的内建模块itertools
提供了非常有用的用于操作迭代对象的函数,itertools提供的几个“无限”迭代器
1、count()创建自然数序列
1
2
3
4
5
6
|
import itertools n = 0 natuals = itertools.count( 1 ) for m in natuals: print (m) |
因为count(n)
会创建一个无限的迭代器,起始数字为n,迭代至无穷大。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。
运行结果:
0 1 2 3 4 5 6 7 ...
2、cycle()创建序列循环
cycle()
会把传入的一个序列无限重复下去。
示例1、循环列表中的内容:
1
2
3
|
natuals = itertools.cycle([ 1 , 2 , 3 ]) for m in natuals: print (m) |
运行结果:
1 2 3 1 2 3 1 2 3 ...
示例2、字符串中字符循环:
1
2
3
4
|
import itertools cs = itertools.cycle( 'ABC' ) # 注意字符串也是序列的一种 for c in cs: print (c) |
运行结果:
A B C A B C A B C ...
3、repeat()把一个元素有限次重复
repeat()
负责把一个元素无限重复下去(默认行为),不过如果提供第二个参数就可以限定重复次数。
1
2
3
|
ns = itertools.repeat( 'A' , 3 ) for n in ns: print (n) |
运行结果:
A A A ...
4、takewhile()根据条件判断来截取出一个有限的序列
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。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。
1
2
3
4
5
|
import itertools natuals = itertools.count( 1 ) ns = itertools.takewhile( lambda x: x < = 10 , natuals) print ( list (ns)) |
运行结果:
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
迭代器测试:
对于有限数据的迭代器,每调用一次,迭代器内数据弹出。
1
2
3
4
5
6
7
8
|
import itertools natuals = itertools.count( 1 ) ns = itertools.takewhile( lambda x: x < = 3 , natuals) for n in ns: print (n) print ( list (ns)) |
运行结果:
1 2 3 []
5、chain()迭代对象串联
chain()可以把一组迭代对象串联起来,形成一个更大的迭代器。
1
2
|
for c in itertools.chain( 'ABC' , 'XYZ' ): print (c) |
运行结果:
'A' 'B' 'C' 'X' 'Y' 'Z'
6、groupby()迭代器元素分组
groupby()
把迭代器中相邻的重复元素挑出来放在一起,更多的用于字符串。
1
2
|
for key, group in itertools.groupby( 'AAABBBCCAAA' ): print (key, list (group)) |
运行结果:
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。
1
2
|
for key, group in itertools.groupby( 'AaaBBbcCAAa' , lambda c: c.upper()): print (key, list (group)) |
运行结果:
A ['A', 'a', 'a']
B ['B', 'B', 'b']
C ['c', 'C']
A ['A', 'A', 'a']
到此这篇关于python itertools包内置无限迭代器的文章就介绍到这了,更多相关python itertools内置迭代器内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!
原文链接:https://blog.csdn.net/weixin_34910922/article/details/122831611