在Python/ target=_blank class=infotextkey>Python中,迭代器可以帮助你编写更多Pythonic的代码,并在处理长序列时提高效率。内置的itertools
模块提供了几个有用的函数来创建迭代器。
【itertools
】:https://docs.python.org/3/library/itertools.html
当你只需要遍历迭代器、检索序列中的元素并对其进行处理,而无需将它们存储在内存中时,这些函数尤其有用。今天本文将学习如何使用以下四个itertools
过滤函数:
filterfalse
takewhile
dropwhile
islice
接下来跟随本文开始吧!
在本教程中:
我们将讨论的所有四个函数都返回了迭代器。为了清楚起见,本文将使用简单的序列,并使用list()
获取包含迭代器返回的所有元素的列表。但在处理长序列时,除非必要,否则请不要这样做,因为这样做会失去迭代器带来的内存节省。
对于简单的谓词函数,也可以使用lambdas
。但为了提高可读性,本文将定义常规函数并将它们用作谓词。
如果你在Python中编程已经有一段时间了,可能已经使用过内置的filter
函数,语法如下:
filter(pred,seq)
# pred:谓词函数
# seq:任何有效的Python可迭代对象
filter
函数返回一个迭代器,该迭代器返回谓词函数返回True
的序列中的元素。
示例如下:
nums = list(range(1,11)) #[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
def is_even(n):
return n % 2 == 0
在这里,nums
列表和is_even
函数分别是序列和谓词。
要获取nums
中所有偶数的列表,需要使用如下所示的filter
:
nums_even = filter(is_even, nums)
print(list(nums_even))
Output >>> [2, 4, 6, 8, 10]
现在跟随本文来学习一下filterfalse
。本文将从itertools
模块中导入filterfalse
函数(以及本文将要讨论的所有其他函数)。
正如其名称所示,filterfalse
执行与filter
函数相反的操作。它返回一个迭代器,该迭代器返回谓词返回False
的元素。以下是使用filterfalse
函数的语法:
from itertools import filterfalse
filterfalse(pred,seq)
is_even
函数对于nums
中的所有奇数返回False
。因此,使用filterfalse
得到的nums_odd
列表是nums
中所有奇数的列表:
from itertools import filterfalse
nums_odd = filterfalse(is_even, nums)
print(list(nums_odd))
Output >>> [1, 3, 5, 7, 9]
使用takewhile
函数的语法如下:
from itertools import takewhile
takewhile(pred,seq)
takewhile
函数返回了一个迭代器,只要谓词函数返回True
,它就会返回元素。当谓词函数第一次返回False
时,它就停止返回元素。
对于长度为n的序列,如果seq[k]
是第一个使谓词函数返回False
的元素,则迭代器会返回seq[0]
、seq[1]
、...、seq[k-1]
。
考虑以下的nums
列表和谓词函数is_less_than_5
。本文使用takewhile
函数,如下所示:
from itertools import takewhile
def is_less_than_5(n):
return n < 5
nums = [1, 3, 5, 2, 4, 6]
filtered_nums_1 = takewhile(is_less_than_5, nums)
print(list(filtered_nums_1))
在这里,谓词is_less_than_5
对于数字5
首次返回False
:
Output >>> [1, 3]
从功能上讲,dropwhile
函数的作用与takewhile
函数相反。
以下是如何使用dropwhile
函数的示例:
from itertools import dropwhile
dropwhile(pred,seq)
dropwhile
函数返回一个迭代器,只要谓词为True
,该迭代器就会持续删除元素。也就是说,迭代器在谓词第一次返回False
之前不返回任何元素。一旦谓词返回False
,迭代器就会返回序列中的所有后续元素。
对于长度为n的序列,如果谓词函数第一次返回False
的元素是seq[k]
,那么迭代器会返回seq[k]
、seq[k+1]
、…、seq[n-1]
。
接下来使用相同的序列和谓词函数:
from itertools import dropwhile
def is_less_than_5(n):
return n < 5
nums = [1, 3, 5, 2, 4, 6]
filtered_nums_2 = dropwhile(is_less_than_5, nums)
print(list(filtered_nums_2))
由于谓词函数is_less_than_5
第一次返回False
是在元素5上,因此本文得到从5开始的序列中的所有元素:
Output >>> [5, 2, 4, 6]
你可能已经熟悉了对Python可迭代对象(如列表、元组和字符串)进行切片操作。切片的语法是:iterable[start:stop:step]
。
然而,这种切片操作具有以下缺点:
在处理大型序列时,每个切片或子序列都是一个占用内存的副本,这可能会降低效率。
由于步长也可以取负值,使用起始、停止和步长值会影响可读性。
islice
函数解决了上述限制:
它返回一个迭代器。
它不允许步长取负值。
可以按以下方式使用islice
函数:
from itertools import islice
islice(seq,start,stop,step)
下面是使用islice
函数的几种不同方式:
使用islice(seq, stop)
函数返回一个迭代器,该迭代器遍历切片seq[0]
、seq[1]
、...、seq[stop - 1]
。
如果指定了起始和停止值:islice(seq, start, stop)
,该函数会返回一个迭代器,该迭代器遍历切片seq[start]
、seq[start + 1]
、...、seq[start + stop - 1]
。
当指定起始、停止和步长参数时,该函数返回一个迭代器,该迭代器遍历切片seq[start]
、seq[start + step]
、seq[start + 2*step]
、...、seq[start + k*step]
,其中start + k*step < stop
且start + (k+1)*step >= stop
。
接下来以一个示例列表来更好地理解这个问题:
nums = list(range(10)) #[0,1, 2, 3, 4, 5, 6, 7, 8, 9]
现在,跟随本文使用已学过的islice
函数的语法。
这里本文只指定停止索引:
from itertools import islice
# 仅指定停止索引
sliced_nums = islice(nums, 5)
print(list(sliced_nums))
以下是输出结果:
Output >>> [0, 1, 2, 3, 4]
在这里,本文同时使用起始值和停止值:
# 指定起始和停止索引
sliced_nums = islice(nums, 2, 7)
print(list(sliced_nums))
切片从索引2开始,一直延伸到索引7但不包括索引7:
Output >>> [2, 3, 4, 5, 6]
当本文使用起始、停止和步长值时:
# 使用起始、停止和步长
sliced_nums = islice(nums, 2, 8, 2)
print(list(sliced_nums))
得到一个从索引2开始、一直延伸到索引8但不包括索引8的切片,步长为2(每隔一个元素返回一次))。
Output >>> [2, 4, 6]
希望本教程能帮助你理解itertools
过滤函数的基础知识。通过查看一些简单的示例,可以更好地理解这些函数的工作原理。