Python标准库(1) — itertools模块

简介:

简介

官方描述:Functional tools for creating and using iterators.即用于创建高效迭代器的函数。

itertools.chain(*iterable)

将多个序列作为一个单独的序列返回。
例如:

import itertools

for each in itertools.chain('i', 'love', 'python'):

    print each

输出:

i

l

o

v

e

p

y

t

h

o

n

itertools.combinations(iterable, r)

返回指定长度的"组合"
例如:

import itertools

for each in itertools.combinations('abc', 2):

    print each

输出:

('a', 'b')

('a', 'c')

('b', 'c')

itertools.combinations_with_replacement(iterable, r)

返回指定长度的“组合”,组合内元素可重复
例如:

import itertools

for each in itertools.combinations_with_replacement('abc', 2):

    print each

输出:

('a', 'a')

('a', 'b')

('a', 'c')

('b', 'b')

('b', 'c')

('c', 'c')

itertools.product(*iterable[,repeat])

返回指定长度的所有组合,可理解为笛卡尔乘积
例如:

import itertools

for each in itertools.product('abc', repeat=2):

    print each

('a', 'a') 
('a', 'b') 
('a', 'c') 
('b', 'a') 
('b', 'b') 
('b', 'c') 
('c', 'a') 
('c', 'b') 
('c', 'c')

itertools.premutations(iteravle[,r])

返回长度为r的排列
例如:

import itertools

for value in itertools.permutations('abc', 2):

    print value

输出:

('a', 'b')

('a', 'c')

('b', 'a')

('b', 'c')

('c', 'a')

('c', 'b')

itertools.compress(data,selector)

返回selector为True的data对应元素
例如:

import itertools

for each in itertools.compress('abcd', [1, 0, 1, 0]):

    print each

输出:

a

c

itertools.count(start=0,step=1)

返回以start开始,step递增的序列,无限递增
例如:

import itertools

for each in itertools.count(start=0, step=2):

    print each

输出:

1

2

3

.

.

itertools.cycle(iterable)

将迭代器进行无限迭代
例如:

import itertools

for each in itertools.cycle('ab'):

    print each

输出:

a

b

a

b

.

.

itertools.dropwhile(predicate, iterable)

直到predicate为真,就返回iterable后续数据, 否则drop掉
例如:

import itertools

for each in itertools.dropwhile(lambda x: x<5, [2,1,6,8,2,1]):

    print each

输出:

6

8

2

1

itertools.groupby(iterable[,key])

返回一组(key,itera),key为iterable的值,itera为等于key的所有项
例如:

import itertools

for key, vale in itertools.groupby('aabbbc'):

    print key, list(vale)

输出:

a ['a', 'a']

b ['b', 'b', 'b']

c ['c']

itertools.ifilter(predicate, iterable)

返回predicate结果为True的元素迭代器,如果predicate为None,则返回所有iterable中为True的项
例如:

import itertools

for value in itertools.ifilter(lambda x: x % 2, range(10)):

    print value

输出:

1

3

5

7

9

itertools.ifilterfasle(predicate,iterable)

返回predicate为False的元素,如果predicate为None,则返回所有iterable中为False的项
例如:

import itertools

for value in itertools.ifilterfalse(lambda x: x % 2, range(10)):

    print value

输出:

0

2

4

6

8

itertools.imap(function,*iterables)

相当于迭代器方式的map()
例如:

import itertools

for value in itertools.imap(lambda x, y: x+y, (1,2,3), (4,5,6)):

    print value

输出:

5

7

9

itertools.islice(iterable, start,stop[,step])

相当于迭代器方式的切片操作
例如:

import itertools

for value in itertools.islice('abcdefg', 1, 4, 2):

    print value

输出:

b

d

itertools.repeat(object,[,times])

不停的返回object对象,如果指定了times,则返回times次
例如:

import itertools

for value in itertools.repeat('a', 2):

    print value

输出:

a

a

itertools.starmap(function,iterable)

返回function(iter)的值,iter为iterable的元素
例如:

import itertools

for value in itertools.starmap(lambda x, y: x * y, [(1, 2), (3, 4)]):

    print value

输出:

2

12

itertools.takewhile(predicate,iterable)

如果predicate为真,则返回iterable元素,如果为假则不再返回,break.
例如:

import itertools

for value in itertools.takewhile(lambda x: x < 5, [1, 3, 5, 6]):

    print value

输出:

1

3


 

原文发布时间为:2017-02-25

本文来自云栖社区合作伙伴“Python中文社区”,了解相关信息可以关注“x”微信公众号

相关文章
|
4天前
|
数据采集 网络协议 API
HTTP协议大揭秘!Python requests库实战,让网络请求变得简单高效
【9月更文挑战第13天】在数字化时代,互联网成为信息传输的核心平台,HTTP协议作为基石,定义了客户端与服务器间的数据传输规则。直接处理HTTP请求复杂繁琐,但Python的`requests`库提供了一个简洁强大的接口,简化了这一过程。HTTP协议采用请求与响应模式,无状态且结构化设计,使其能灵活处理各种数据交换。
28 8
|
8天前
|
JSON API 开发者
Python网络编程新纪元:urllib与requests库,让你的HTTP请求无所不能
【9月更文挑战第9天】随着互联网的发展,网络编程成为现代软件开发的关键部分。Python凭借简洁、易读及强大的特性,在该领域展现出独特魅力。本文介绍了Python标准库中的`urllib`和第三方库`requests`在处理HTTP请求方面的优势。`urllib`虽API底层但功能全面,适用于深入控制HTTP请求;而`requests`则以简洁的API和人性化设计著称,使HTTP请求变得简单高效。两者互补共存,共同推动Python网络编程进入全新纪元,无论初学者还是资深开发者都能从中受益。
26 7
|
7天前
|
Java Serverless Python
探索Python中的并发编程与`concurrent.futures`模块
探索Python中的并发编程与`concurrent.futures`模块
14 4
|
15天前
|
机器学习/深度学习 PyTorch 算法框架/工具
python这些库和框架哪个更好
【9月更文挑战第2天】python这些库和框架哪个更好
30 6
|
15天前
|
机器学习/深度学习 数据采集 算法框架/工具
python有哪些常用的库和框架
【9月更文挑战第2天】python有哪些常用的库和框架
18 6
WK
|
15天前
|
数据采集 XML 安全
常用的Python网络爬虫库有哪些?
Python网络爬虫库种类丰富,各具特色。`requests` 和 `urllib` 简化了 HTTP 请求,`urllib3` 提供了线程安全的连接池,`httplib2` 则具备全面的客户端接口。异步库 `aiohttp` 可大幅提升数据抓取效率。
WK
34 1
WK
|
18天前
|
机器学习/深度学习 数据采集 算法框架/工具
Python那些公认好用的库
Python拥有丰富的库,适用于数据科学、机器学习、网络爬虫及Web开发等领域。例如,NumPy和Pandas用于数据处理,Matplotlib和Dash用于数据可视化,Scikit-learn、TensorFlow和PyTorch则助力机器学习。此外,Pillow和OpenCV专长于图像处理,Pydub处理音频,Scrapy和Beautiful Soup则擅长网络爬虫工作
WK
21 4
|
18天前
|
机器学习/深度学习 存储 算法
NumPy 与 SciPy:Python 科学计算库的比较
【8月更文挑战第30天】
45 1
|
19天前
|
Python
如何在 Python 中导入模块
【8月更文挑战第29天】
19 1
|
18天前
|
机器学习/深度学习 数据可视化 数据挖掘
Python中的数据可视化:使用Matplotlib库绘制图表
【8月更文挑战第30天】数据可视化是数据科学和分析的关键组成部分,它帮助我们以直观的方式理解数据。在Python中,Matplotlib是一个广泛使用的绘图库,提供了丰富的功能来创建各种类型的图表。本文将介绍如何使用Matplotlib库进行数据可视化,包括安装、基本概念、绘制不同类型的图表以及自定义图表样式。我们将通过实际代码示例来演示如何应用这些知识,使读者能够轻松地在自己的项目中实现数据可视化。