python中的高效迭代器函数

python中内置的库中有个itertools，可以满足我们在编程中绝大多数需要迭代的场合，当然也可以自己造轮子，但是有现成的好用的轮子不妨也学习一下，看哪个用的顺手~

首先还是要先import一下：

#import itertoolsfrom itertools import * #最好使用时用上面那个，不过下面的是为了演示比较             常用的，所以就直接全部导入了

一.无限迭代器：

由于这些都是无限迭代器，因此使用的时候都要设置终止条件，不然会一直运行下去，也就不是我们想要的结果了。

1、count（）

可以设置两个参数，第一个参数为起始点，且包含在内，第二个参数为步长，如果不设置第二个参数则默认步长为1

for x in count(10,20):    if x < 200:        print x

def count(start=0, step=1):    # count(10) --> 10 11 12 13 14 ...    # count(2.5, 0.5) -> 2.5 3.0 3.5 ...    n = start    while True:        yield n        n += step

2、cycle（）

可以设置一个参数，且只接受可以迭代的参数，如列表，元组，字符串。。。，该函数会对可迭代的所有元素进行循环：

for i,x in enumerate(cycle('abcd')):    if i < 5:        print x

def cycle(iterable):    # cycle('ABCD') --> A B C D A B C D A B C D ...    saved = []    for element in iterable:        yield element        saved.append(element)    while saved:        for element in saved:              yield element

3、repeat（）

可以设置两个参数，其中第一个参数要求可迭代，第二个参数为重复次数，第二个参数如不设置则无限循环，一般来说使用时都会设置第二个参数，用来满足预期重复次数后终止：

#注意如果不设置第二个参数notebook运行可能会宕机for x in repeat(['a','b','c'],10):    print x

二.有限迭代器

1、chain（）

可以接受不定个数个可迭代参数，不要求可迭代参数类型相同，会返回一个列表，这个类似于list的extend，不过不同点是list的extend是对原变量进行改变不返回，而chain则是就地改变并返回：

list(chain(range(4),range(5)))list(chain(range(4),'abc'))list(chain(('a','b','c'),'nihao',['shijie','zhongguo']))

def chain(*iterables):    # chain('ABC', 'DEF') --> A B C D E F    for it in iterables:        for element in it:            yield element

2.compress（）

第一个参数为可迭代类型，第二个参数为0和1的集合，两者长度可以不等,
这个暂时不知道可以用在哪里、

list(compress(['a','b','c','d','e'],[0,1,1,1,0,1]))

def compress(data, selectors):    # compress('ABCDEF', [1,0,1,0,1,1]) --> A C E F    return (d for d, s in izip(data, selectors) if s)

3.dropwhile()

接受两个参数，第一个参数为一个判断类似于if语句的函数，丢弃满足的项，直到第一个不满足的项出现时停止丢弃，就是

#伪代码大概是这个样子的if condition：    drop element    while not condition：        stop drop

list(dropwhile(lambda x:x>5,range(10,0,-1)))

def dropwhile(predicate, iterable):    # dropwhile(lambda x: x<5, [1,4,6,4,1]) --> 6 4 1    iterable = iter(iterable)    for x in iterable:        if not predicate(x):            yield x            break    for x in iterable:        yield x

4.groupby

对给定可迭代集合（有重复元素）进行分组，返回的是一个元组，元组的第一个为分组的元素，第二个为分组的元素集合，还是看代码吧：

for x,y in groupby(['a','a','b','b','b','b','c','d','e','e']):    print x    print list(y)    print ''out:    a    ['a', 'a']    b    ['b', 'b', 'b', 'b']    c    ['c']    d    ['d']    e    ['e', 'e']

class groupby(object):    # [k for k, g in groupby('AAAABBBCCDAABBB')] --> A B C D A B    # [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D    def __init__(self, iterable, key=None):        if key is None:            key = lambda x: x        self.keyfunc = key        self.it = iter(iterable)        self.tgtkey = self.currkey = self.currvalue = object()    def __iter__(self):        return self    def next(self):        while self.currkey == self.tgtkey:            self.currvalue = next(self.it)    # Exit on StopIteration            self.currkey = self.keyfunc(self.currvalue)        self.tgtkey = self.currkey        return (self.currkey, self._grouper(self.tgtkey))    def _grouper(self, tgtkey):        while self.currkey == tgtkey:            yield self.currvalue            self.currvalue = next(self.it)    # Exit on StopIteration            self.currkey = self.keyfunc(self.currvalue)

5.ifilter（）

这个有点像是filter函数了，不过有点不同，filter返回的是一个完成后的列表，而ifilter则是一个生成器，使用的yield

#这样写只是为了更清楚看到输出，其实这么写就跟filter用法一样了，体现不到ifilter的优越之处了list(ifilter(lambda x:x%2,range(10)))

6.ifilterfalse（）

这个跟ifilter用法很像，只是两个是相反数的关系。

list(ifilterfalse(lambda x:x%2,range(10)))

7.islice()

接受三个参数，可迭代参数，起始切片点，结束切片点，最少给定两个参数，当只有两个参数为默认第二个参数为结束切片点：

In:    list(islice(range(10),2,None))Out：  [2, 3, 4, 5, 6, 7, 8, 9]In:    list(islice(range(10),2))Out:   [0, 1]

8.imap()

接受参数个数跟目标函数有关：

#接受两个参数时list(imap(abs,range(-5,5)))#接受三个参数时list(imap(pow,range(-5,5),range(10)))#接受四个参数时list(imap(lambda x,y,z:x+y+z,range(10),range(10),range(10)))

9.starmap（）

这个是imap的变异，即只接受两个参数，目标函数会作用在第二个参数集合中、

in：  list(starmap(pow,[(1,2),(2,3)]))out： [1, 8]

10.tee()

接受两个参数，第一个参数为可迭代类型，第二个为int，如果第二个不指定则默认为2，即重复两次，有点像是生成器repeat的生成器类型，
这个就有意思了，是双重生成器输出：

for x in list(tee('abcde',3)):    print list(x)

11.takewhile()

这个有点跟dropwhile()很是想象，一个是丢弃，一个是拿取：

伪代码为：

if condition：    take this element    while not condition：        stop take

eg：

in：  list(takewhile(lambda x:x<10,(1,9,10,11,8)))out： [1, 9]

12.izip（）

这个跟imap一样，只不过imap是针对map的生成器类型，而izip是针对zip的：

list(izip('ab','cd'))

13.izip_longest

针对izip只截取最短的，这个是截取最长的，以None来填充空位：

list(izip_longest('a','abcd'))

三、组合迭代器

1.product（）

这个有点像是多次使用for循环，两者可以替代。

list(product(range(10),range(10)))#本质上是这种的生成器模式L = []for x in range(10):    for y in range(10):        L.append((x,y))

2.permutations()

接受两个参数,第二个参数不设置时输出的没看出来是什么鬼，
第二个参数用来控制生成的元组的元素个数，而输出的元组中最后一个元素是打乱次序的，暂时也不知道可以用在哪

list(permutations(range(10),2))

3.combinations()

用来排列组合，抽样不放回，第二个参数为参与排列组合的个数

list(combinations('abc',2))

def combinations(iterable, r):    # combinations('ABCD', 2) --> AB AC AD BC BD CD    # combinations(range(4), 3) --> 012 013 023 123    pool = tuple(iterable)    n = len(pool)    if r > n:        return    indices = range(r)    yield tuple(pool[i] for i in indices)    while True:        for i in reversed(range(r)):            if indices[i] != i + n - r:                break        else:            return        indices[i] += 1        for j in range(i+1, r):            indices[j] = indices[j-1] + 1        yield tuple(pool[i] for i in indices)

def combinations(iterable, r):    pool = tuple(iterable)    n = len(pool)    for indices in permutations(range(n), r):        if sorted(indices) == list(indices):            yield tuple(pool[i] for i in indices)

4.combinations_with_replacement()

与上一个的用法不同的是抽样是放回的

def combinations_with_replacement(iterable, r):    # combinations_with_replacement('ABC', 2) --> AA AB AC BB BC CC    pool = tuple(iterable)    n = len(pool)    if not n and r:        return    indices = [0] * r    yield tuple(pool[i] for i in indices)    while True:        for i in reversed(range(r)):            if indices[i] != n - 1:                break        else:            return        indices[i:] = [indices[i] + 1] * (r - i)        yield tuple(pool[i] for i in indices)

def combinations_with_replacement(iterable, r):    pool = tuple(iterable)    n = len(pool)    for indices in product(range(n), repeat=r):        if sorted(indices) == list(indices):            yield tuple(pool[i] for i in indices)

参考：https://docs.python.org/2/library/itertools.html#itertools.combinations_with_replacement