一、概念简介

1. 什么是迭代器?

迭代器是由__next__方法组成的对象。它有一个状态。状态用于记住迭代期间的执行。因此，迭代器知道它的当前状态，这使它的内存效率高。这就是为什么在内存高效和快速的应用程序中使用迭代器的原因。

我们可以打开无限的数据流(比如读取文件)并获取下一项(比如文件中的下一行)。然后我们可以对项目执行一个操作，并继续进行下一个项目。这可能意味着我们可以有一个返回无限个元素的迭代器，因为我们只需要知道当前项。

当没有下一个要返回的项时，迭代器会引发StopIteration异常。

2. 什么是可迭代的?

iterable是可以返回迭代器的对象。它有一个__iter__方法返回一个迭代器。iterable也是一个我们可以循环并可以调用iter()的对象。它有一个__getitem__方法，它可以从0开始去连续索引(并在索引不再有效时引发一个IndexError)。

3. 什么是Itertools?

Itertools是Python模块，是Python  3标准库的一部分。它允许我们在迭代器上执行高效的内存和计算任务。它的灵感来自APL、Haskell和SML的构造。

从本质上讲，该模块包含许多快速且内存效率高的方法，这些方法可以帮助我们用纯Python简洁而高效地构建应用程序。

二、无限迭代器

如果我们想构造一个返回无限均匀间隔值的迭代器呢?或者，如果我们必须从迭代器生成一个元素循环呢?或者，也许我们想要重复迭代器的元素?

itertools库提供了一组函数，我们可以使用这些函数来执行所需的所有功能。

本节中列出的三个函数构造并返回可以是无限项流的迭代器。

1. Count

作为实例，我们可以生成一个等距值的无限序列：

start = 10 stop = 1 my_counter = it.count(start, stop) for i in my_counter:     # this loop will run for ever     print(i)

结果：

10 11 12 13 14 15

2. Cycle

我们可以使用cycle方法从输入中生成无限循环的元素。

该方法的输入需要是可迭代的对象，比如列表、字符串或字典等：

my_cycle = it.cycle('Python') for i in my_cycle:    print(i)

结果：

P ythonPythonP

3. Repeat

要重复一个项(例如字符串或集合)，可以使用repeat()函数：

to_repeat = 'FM' how_many_times = 4 my_repeater = it.repeat(to_repeat, how_many_times)for i in my_repeater:    print(i)#Prints FM FM FM FM

这将重复字符串“FM”4次。如果我们不提供第二个参数，那么它将无限次重复这个字符串。

三、终止迭代器

在本节中，我将说明终止迭代的强大特性。这些函数可以用于许多场景，例如：

• 我们可能有很多迭代，我们想在一个序列中一个一个地对所有迭代的元素执行一个操作。

• 或者当我们有很多函数想要对iterable的每个元素执行时

• 或者有时我们就从迭代器中删除元素，然后对其他元素执行操作。

1. Chain

这个方法允许我们创建一个迭代器，它返回序列中所有输入迭代中的元素，直到没有元素剩下为止。因此，它可以将连续序列视为单个序列。

chain = it.chain([1,2,3], ['a','b','c'], ['End']) for i in chain:    print(i)

结果：

1 23abcEnd

2. Drop While

我们可以传递一个iterable和一个条件，这个方法将开始对每个元素计算条件，直到条件对一个元素返回False为止。一旦某个元素的条件值为False，该函数将返回可迭代的其余元素。

例如，假设我们有一个作业列表，并且我们希望遍历元素，并且只有在不满足条件时才返回元素。一旦条件的值为False，我们期望返回迭代器的其余元素。

jobs = ['job1', 'job2', 'job3', 'job10', 'job4', 'job5'] dropwhile = it.dropwhile(lambda x : len(x)==4, jobs) for i in dropwhile:     print(i)

结果：

job10 job4job5

该方法返回了上面的三项，因为元素job10的长度不等于4个字符，因此返回了job10和其他元素。

3. Take While

这个方法与dropwhile()方法相反。本质上，它返回一个iterable的所有元素，直到第一个条件返回False，然后它不返回任何其他元素。

例如，假设我们有一个作业列表，并且希望在不满足条件时立即停止返回作业。

jobs = ['job1', 'job2', 'job3', 'job10', 'job4', 'job5'] takewhile = it.takewhile(lambda x : len(x)==4, jobs) for i in takewhile:     print(i)

结果：

job1 job2job3

4. GroupBy

这个函数在将可迭代的连续元素分组之后构造一个迭代器。该函数返回一个键、值对的迭代器，其中键是组键，值是按键分组的连续元素的集合。

考虑以下代码片段：

iterable = 'FFFAARRHHHAADDMMAAALLIIKKK' my_groupby = it.groupby(iterable)for key, group in my_groupby:     print('Key:', key)     print('Group:', list(group))

注意，group属性是可迭代的，因此我将其具体化为一个列表。

因此，这将打印：

Key: F Group: [‘F’, ‘F’, ‘F’] Key: A Group: [‘A’, ‘A’] Key: R Group: [‘R’, ‘R’] Key: H Group: [‘H’, ‘H’, ‘H’] Key: A Group: [‘A’, ‘A’] Key: D Group: [‘D’, ‘D’] Key: M Group: [‘M’, ‘M’] Key: A Group: [‘A’, ‘A’, ‘A’] Key: L Group: [‘L’, ‘L’] Key: I Group: [‘I’, ‘I’] Key: K Group: [‘K’, ‘K’, ‘K’]

5. Tee

该方法可以拆分一个迭代，并从输入中生成新的迭代。输出也是一个迭代器，它返回给定数量的项的可迭代值。为了更好地理解它，请看下面的代码片段：

iterable = 'FM' tee = it.tee(iterable, 5) for i in tee:    print(list(i))

这个方法返回整个可迭代FM, 5次：

[‘F’, ‘M’] [‘F’, ‘M’][‘F’, ‘M’][‘F’, ‘M’][‘F’, ‘M’]

四、组合迭代器

1. Permutations

通过使用permutation方法，我们可以创建一个迭代器来返回输入iterable中元素的连续排列。

我们可以传入一个参数来指定排列的长度。它默认为可迭代的长度。

这意味着当缺少长度时，该方法将生成所有可能的全长排列。

iterable = 'FM1' length = 2 permutations = it.permutations(iterable, length) for i in permutations:     print(i)

结果：

(‘F’, ‘M’, ‘1’) (‘F’, ‘1’, ‘M’)(‘M’, ‘F’, ‘1’)(‘M’, ‘1’, ‘F’)(‘1’, ‘F’, ‘M’)(‘1’, ‘M’, ‘F’)

如果长度为2，则生成：

(‘F’, ‘M’) (‘F’, ‘1’)(‘M’, ‘F’)(‘M’, ‘1’)(‘1’, ‘F’)(‘1’, ‘M’)(‘F’, ‘M’)(‘F’, ‘1’)(‘M’, ‘1’)

2.binations

最后，我想解释一下如何生成iterable的组合。

给定一个可迭代器，我们可以构造一个迭代器来返回给定长度的元素的子序列。

根据它们的位置，元素被视为唯一的，并且只返回不同的元素。

iterable = 'FM1' binations = itbinations(iterable, 2) for i in binations:    print(i)

结果：

(‘F’, ‘M’) (‘F’, ‘1’)(‘M’, ‘1’)