# itertools Python的內建模塊`itertools`提供了非常有用的用于操作迭代對象的函數。 首先，我們看看`itertools`提供的幾個“無限”迭代器： ``` >>> import itertools >>> natuals = itertools.count(1) >>> for n in natuals: ... print n ... 1 2 3 ... ``` 因為`count()`會創建一個無限的迭代器，所以上述代碼會打印出自然數序列，根本停不下來，只能按`Ctrl+C`退出。 `cycle()`會把傳入的一個序列無限重復下去： ``` >>> import itertools >>> cs = itertools.cycle('ABC') # 注意字符串也是序列的一種 >>> for c in cs: ... print c ... 'A' 'B' 'C' 'A' 'B' 'C' ... ``` 同樣停不下來。 `repeat()`負責把一個元素無限重復下去，不過如果提供第二個參數就可以限定重復次數： ``` >>> ns = itertools.repeat('A', 10) >>> for n in ns: ... print n ... 打印10次'A' ``` 無限序列只有在`for`迭代時才會無限地迭代下去，如果只是創建了一個迭代對象，它不會事先把無限個元素生成出來，事實上也不可能在內存中創建無限多個元素。 無限序列雖然可以無限迭代下去，但是通常我們會通過`takewhile()`等函數根據條件判斷來截取出一個有限的序列： ``` >>> natuals = itertools.count(1) >>> ns = itertools.takewhile(lambda x: x <= 10, natuals) >>> for n in ns: ... print n ... 打印出1到10 ``` `itertools`提供的幾個迭代器操作函數更加有用： ### chain() `chain()`可以把一組迭代對象串聯起來，形成一個更大的迭代器： ``` for c in chain('ABC', 'XYZ'): print c # 迭代效果：'A' 'B' 'C' 'X' 'Y' 'Z' ``` ### groupby() `groupby()`把迭代器中相鄰的重復元素挑出來放在一起： ``` >>> for key, group in itertools.groupby('AAABBBCCAAA'): ... print key, list(group) # 為什么這里要用list()函數呢？ ... A ['A', 'A', 'A'] B ['B', 'B', 'B'] C ['C', 'C'] A ['A', 'A', 'A'] ``` 實際上挑選規則是通過函數完成的，只要作用于函數的兩個元素返回的值相等，這兩個元素就被認為是在一組的，而函數返回值作為組的key。如果我們要忽略大小寫分組，就可以讓元素`'A'`和`'a'`都返回相同的key： ``` >>> 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'] ``` ### imap() `imap()`和`map()`的區別在于，`imap()`可以作用于無窮序列，并且，如果兩個序列的長度不一致，以短的那個為準。 ``` >>> for x in itertools.imap(lambda x, y: x * y, [10, 20, 30], itertools.count(1)): ... print x ... 10 40 90 ``` 注意`imap()`返回一個迭代對象，而`map()`返回list。當你調用`map()`時，已經計算完畢： ``` >>> r = map(lambda x: x*x, [1, 2, 3]) >>> r # r已經計算出來了 [1, 4, 9] ``` 當你調用`imap()`時，并沒有進行任何計算： ``` >>> r = itertools.imap(lambda x: x*x, [1, 2, 3]) >>> r <itertools.imap object at 0x103d3ff90> # r只是一個迭代對象 ``` 必須用`for`循環對`r`進行迭代，才會在每次循環過程中計算出下一個元素： ``` >>> for x in r: ... print x ... 1 4 9 ``` 這說明`imap()`實現了“惰性計算”，也就是在需要獲得結果的時候才計算。類似`imap()`這樣能夠實現惰性計算的函數就可以處理無限序列： ``` >>> r = itertools.imap(lambda x: x*x, itertools.count(1)) >>> for n in itertools.takewhile(lambda x: x<100, r): ... print n ... 結果是什么? ``` 如果把`imap()`換成`map()`去處理無限序列會有什么結果？ ``` >>> r = map(lambda x: x*x, itertools.count(1)) 結果是什么? ``` ### ifilter() 不用多說了，`ifilter()`就是`filter()`的惰性實現。 ### 小結 `itertools`模塊提供的全部是處理迭代功能的函數，它們的返回值不是list，而是迭代對象，只有用`for`循環迭代的時候才真正計算。