目录
1. 引言2. accumulate() 函数3. compress() 函数4. groupby() 函数5. 排列组合操作6 总结1. 引言
在Python开发中,itertools
库经常被忽视,实际上该库中抱恨了一些非常棒的函数,特别是用于处于数据流的函数。在本文中,我们将讨论该库中的十分使用的几个函数,并重点介绍什么时候我们应该考虑使用它们。
闲话少说,我们直接开始吧!
2. accumulate() 函数
第三方库itertools
提供的函数accumulate()
,可以帮助我们对数据流执行累积操作。换句话说,假设我们有一个数据列表[a,b,c,d,e]和一个运算f,那么函数accumulate()
可以帮助我们计算f(a,b)
,f(f(a,b),c)
,f(f(f(a,b),c),d)
,等等。
文字有点不直观,那我们来举个累加的栗子吧!
样例代码如下:
import itertools data = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] res = itertools.accumulate(data, lambda x,y:x+y) print(list(res)) # [3, 7, 13, 15, 16, 25, 25, 32, 37, 45]
上述函数accumulate()
的作用是:先把3和4相加,然后得到7,再和6相加,得到另一个值,依此类推。
需要注意的是:如果要执行给定3个或更多值的累计操作,则不允许使用该函数,因为accumulate()只接受迭代器,迭代器每次调用next()返回至多1个元素。
3. compress() 函数
函数compress()
可以根据我们的喜好来过滤内容。与函数filter()
函数不同,函数compress()
需要传入相应的标志位来决定是否应该保留每个值。
举个例子会更加直观,相关样例代码如下:
import itertools data = [3, 4, 6, 2, 1, 9, 0, 7, 5, 8] selector = [1, 0, 0, 0, 1, 1, 0, 1, 1, 0] res = itertools.compress(data, selector) print(list(res)) # [3, 1, 9, 7, 5]
在上面的示例中,如果数据是奇数,则选择器将为 1,否则为 0。因此,函数compress()
操作的结果将只是保留原始数据中的奇数。
4. groupby() 函数
在许多情况下,我们会在 Python 中以随机顺序获得一个元组列表,假如我们希望按值对它们进行分组。此时是函数 groupby()
发挥作用的完美场景!
函数 groupby()
将接受一个可迭代的参数和一个返回值的函数,然后它将按函数返回的值对元组列表进行分组。
例如,我们想按国家对以下城市进行分组:
import itertools data = [("New York", "US"), ("Shanghai", "China"), ("LA", "US"),("Chongqing", "China")] for city, group in itertools.groupby(sorted(data, key=lambda x: x[1]), lambda x: x[1]): for i in group: print("%s is in %s." % (i[0], city)) print("") # Shanghai is in China. # Chongqing is in China. # New York is in US. # LA is in US.
5. 排列组合操作
排列组合可能是 itertools
库中最令人惊叹的函数之一,它提供了排列组合运算符!
我们唯一需要做的就是将正确的关键字与输出元组的长度一起传递给相应的函数,
如下例所示:
import itertools data = [3, 4, 6] com_res = itertools.combinations(data, 2) print(list(com_res)) # [(3, 4), (3, 6), (4, 6)] com_res = itertools.permutations(data, 2) print(list(com_res)) # [(3, 4), (3, 6), (4, 3), (4, 6), (6, 3), (6, 4)] com_without_replacement_res = itertools.combinations_with_replacement(data, 2) print(list(com_without_replacement_res)) # [(3, 3), (3, 4), (3, 6), (4, 4), (4, 6), (6, 6)] product_res = itertools.product(data, data) print(list(product_res)) # [(3, 3), (3, 4), (3, 6), (4, 3), (4, 4), (4, 6), (6, 3), (6, 4), (6, 6)]
6 总结
库itertools
对大多数人来说,是一个未被充分利用甚至很少听到的库,但它确实包含一些非常好用的函数。这些函数通常可以帮助我们将代码行数减少到仅一行,使我们的代码看起来更加简洁优雅!
到此这篇关于Python中itertools库的四个函数介绍的文章就介绍到这了,更多相关Python中itertools库内容请搜索脚本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脚本之家!
X 关闭
X 关闭
- 15G资费不大降!三大运营商谁提供的5G网速最快?中国信通院给出答案
- 2联想拯救者Y70发布最新预告:售价2970元起 迄今最便宜的骁龙8+旗舰
- 3亚马逊开始大规模推广掌纹支付技术 顾客可使用“挥手付”结账
- 4现代和起亚上半年出口20万辆新能源汽车同比增长30.6%
- 5如何让居民5分钟使用到各种设施?沙特“线性城市”来了
- 6AMD实现连续8个季度的增长 季度营收首次突破60亿美元利润更是翻倍
- 7转转集团发布2022年二季度手机行情报告:二手市场“飘香”
- 8充电宝100Wh等于多少毫安?铁路旅客禁止、限制携带和托运物品目录
- 9好消息!京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 10名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处?