|
import time
from itertools import accumulate
from functools import reduce
l_data = [1, 2, 3, 4]
data = accumulate(l_data, lambda x, y: x + y, initial=2)
print(list(data))
start = time.time()
for i in range(100000):
data = accumulate(l_data, lambda x, y: x + y, initial=2)
print(time.time() - start)
start = time.time()
for i in range(100000):
data = reduce(lambda x, y: x + y, l_data)
print(time.time() - start)
#输出
[2, 3, 5, 8, 12]
0.027924537658691406
0.03989362716674805Aus den obigen Ergebnissen ist ersichtlich, dass die Akkumulation eine etwas bessere Leistung als die Reduzierung aufweist und auch den Zwischenverarbeitungsprozess ausgeben kann.
chain(*iterables)
iterables: Mehrere iterierbare Objekte empfangen
Die Elemente mehrerer iterierbarer Objekte nacheinander zurückgeben und einen Iterator zurückgeben, Bei der Ausgabe von Elementen aus einem Wörterbuch wird standardmäßig der Schlüssel des Wörterbuchs ausgegeben betrieben #🎜 🎜# r: Die Anzahl der extrahierten TeilsequenzelementeBetreibt das iterierbare Objekt und gibt die Teilsequenz entsprechend der Anzahl der zu extrahierenden Teilsequenzen zurück sind ebenfalls geordnet, nicht wiederholbar und werden in Form von Tupeln dargestellt. from itertools import chain
import time
list_data = [1, 2, 3]
dict_data = {"a": 1, "b": 2}
set_data = {4, 5, 6}
print(list(chain(list_data, dict_data, set_data)))
list_data = [1, 2, 3]
list_data2 = [4, 5, 6]
start = time.time()
for i in range(100000):
chain(list_data, list_data2)
print(time.time() - start)
start = time.time()
for i in range(100000):
list_data.extend(list_data2)
print(time.time() - start)
#输出
[1, 2, 3, 'a', 'b', 4, 5, 6]
0.012955427169799805
0.013965129852294922combinations_with_replacement(iterable: Iterable, r) ähnelt den oben genannten Kombinationen (iterable: Iterable, r), der Unterschied besteht jedoch darin, dass die Elemente der Teilfolge von Kombinationen_mit_Ersatz können, auch in der Reihenfolge, wie folgt wiederholt werden: from itertools import combinations
data = range(5)
print(tuple(combinations(data, 2)))
str_data = "asdfgh"
print(tuple(combinations(str_data, 2)))
#输出
((0, 1), (0, 2), (0, 3), (0, 4), (1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4))
(('a', 's'), ('a', 'd'), ('a', 'f'), ('a', 'g'), ('a', 'h'), ('s', 'd'), ('s', 'f'), ('s', 'g'), ('s', 'h'), ('d', 'f'), ('d', 'g'), ('d', 'h'), ('f', 'g'), ('f', 'h'), ('g', 'h')) compress(data: Iterable, selectors: Iterable)data: iterierbares Objekt, das bedient werden muss #🎜 🎜##🎜 🎜#Selektoren: Iterierbares Objekt zur Bestimmung des wahren Werts, kann nicht str sein, vorzugsweise Liste, Tupel usw. Geben Sie den entsprechenden Index in den Daten aus, je nachdem, ob das Element in den Selektoren vorhanden ist sind wahre Elemente, je nachdem, welches das kürzeste ist, gibt einen Iterator zurück. from itertools import combinations_with_replacement
data = range(5)
print(tuple(combinations_with_replacement(data, 2)))
str_data = "asdfgh"
print(tuple(combinations_with_replacement(str_data, 2)))
#输出
((0, 0), (0, 1), (0, 2), (0, 3), (0, 4), (1, 1), (1, 2), (1, 3), (1, 4), (2, 2), (2, 3), (2, 4), (3, 3), (3, 4), (4, 4))
(('a', 'a'), ('a', 's'), ('a', 'd'), ('a', 'f'), ('a', 'g'), ('a', 'h'), ('s', 's'), ('s', 'd'), ('s', 'f'), ('s', 'g'), ('s', 'h'), ('d', 'd'), ('d', 'f'), ('d', 'g'), ('d', 'h'), ('f', 'f'), ('f', 'g'), ('f', 'h'), ('g', 'g'), ('g', 'h'), ('h', 'h'))
count(start, step)start: Das Startelement step: Die Schrittlänge des Elementwachstums seit dem Start #🎜 🎜## 🎜🎜#Generieren Sie einen steigenden Iterator mit dem Startpunkt und dem steigenden Schritt als gegebenem Wert. Es wird empfohlen, die Methode next() zu verwenden, um Elemente rekursiv abzurufen. from itertools import compress
data = "asdfg"
list_data = [1, 0, 0, 0, 1, 4]
print(list(compress(data, list_data)))
#输出
['a', 'g'] cycle(iterable)iterable: Iterierbares Objekt, das von der Schleife ausgegeben werden muss Gibt einen Iterator zurück und führt die Elemente von aus das iterierbare Objekt. Wie bei count ist es am besten, das Ergebnis nicht in ein iterierbares Objekt umzuwandeln, da es sich um eine Schleife handelt. Daher wird empfohlen, next() oder eine for-Schleife zu verwenden, um Elemente abzurufen. from itertools import count
c = count(start=10, step=20)
print(next(c))
print(next(c))
print(next(c))
print(next(c))
print(c)
#输出
10
30
50
70
count(90, 20) dropwhile(predicate, iterable)predicate: Kriterien dafür, ob Elemente gelöscht werden solleniterable: iterierbares Objekt#🎜🎜 #Durch Filtern der Berechnungsergebnisse des Prädikats einen Iterator zurückgeben und die Elemente verwerfen, deren Berechnungsergebnisse in diesem Iterator wahr sind. Unabhängig davon, ob das folgende Element wahr oder falsch ist, wird es ausgegeben, wenn das Prädikat falsch ist. from itertools import cycle
a = "asdfg"
data = cycle(a)
print(next(data))
print(next(data))
print(next(data))
print(next(data))
#输出
a
s
d
f filterfalse(predicate, iterable)
predicate: Kriterien dafür, ob Elemente verworfen werden sollen
iterable: iterierbares Objekt #🎜🎜 #Generieren Sie einen Iterator und bestimmen Sie, ob er die Prädikatbedingung erfüllt, bevor Sie Operationen für jedes Element ausführen. Ähnlich der Filtermethode, aber das Gegenteil von Filter.from itertools import dropwhile
list_data = [1, 2, 3, 4, 5]
print(list(dropwhile(lambda i: i < 3, list_data)))
print(list(dropwhile(lambda x: x < 5, [1, 4, 6, 4, 1])))
#输出
[3, 4, 5]
[6, 4, 1] Aus den obigen Ergebnissen ist ersichtlich, dass sich die Leistung von filterfalse und filter nicht wesentlich unterscheidetgroupby (iterierbar, Schlüssel = Keine) iterierbar: iterierbares Objekt Schlüssel: Optional, die Bedingung, die anhand des Elements beurteilt werden muss, der Standardwert ist x == x. Gibt einen Iterator zurück, der aufeinanderfolgende Schlüssel und Gruppen entsprechend dem Schlüssel zurückgibt (kontinuierliche Elemente, die die Schlüsselbedingung erfüllen). Beachten Sie, dass Sie sie sortieren müssen, bevor Sie Groupby zum Gruppieren verwenden. import time
from itertools import filterfalse
print(list(filterfalse(lambda i: i % 2 == 0, range(10))))
start = time.time()
for i in range(100000):
filterfalse(lambda i: i % 2 == 0, range(10))
print(time.time() - start)
start = time.time()
for i in range(100000):
filter(lambda i: i % 2 == 0, range(10))
print(time.time() - start)
#输出
[1, 3, 5, 7, 9]
0.276653528213501
0.2768676280975342islice(iterable, stop)islice(iterable, start, stop[, step])iterable: Iterierbares Objekt, das bedient werden muss #🎜 🎜 #start: Die Indexposition, an der die Operation beginnt
stop: Die Indexposition, an der die Operation endet
step: Schrittlänge
Gibt eine zurück Iterator. Ähnlich wie beim Slicing, aber sein Index unterstützt keine negativen Zahlen. from itertools import groupby
str_data = "babada"
for k, v in groupby(str_data):
print(k, list(v))
str_data = "aaabbbcd"
for k, v in groupby(str_data):
print(k, list(v))
def func(x: str):
print(x)
return x.isdigit()
str_data = "12a34d5"
for k, v in groupby(str_data, key=func):
print(k, list(v))
#输出
b ['b']
a ['a']
b ['b']
a ['a']
d ['d']
a ['a']
a ['a', 'a', 'a']
b ['b', 'b', 'b']
c ['c']
d ['d']
1
2
a
True ['1', '2']
3
False ['a']
4
d
True ['3', '4']
5
False ['d']
True ['5']Aus den obigen Ergebnissen ist ersichtlich, dass die Slicing-Leistung etwas besser ist als die Islice-Leistung.
pairwise(iterable)
Iterierbares Objekt, das bedient werden muss
Gibt einen Iterator zurück und gibt aufeinanderfolgende überlappende Paare im iterierbaren Objekt zurück, abzüglich Rückgaben null für beide. from itertools import islice
import time
list_data = [1, 5, 4, 2, 7]
#学习中遇到问题没人解答？小编创建了一个Python学习交流群：725638078
start = time.time()
for i in range(100000):
data = list_data[:2:]
print(time.time() - start)
start = time.time()
for i in range(100000):
data = islice(list_data, 2)
print(time.time() - start)
print(list(islice(list_data, 1, 3)))
print(list(islice(list_data, 1, 4, 2)))
#输出
0.010963201522827148
0.01595783233642578
[5, 4]
[5, 2]
0.010963201522827148
0.01595783233642578
[5, 4]
[5, 2]permutations(iterable, r=None)
iterable: Iterierbares Objekt, das bedient werden muss
r: Extrahierte Teilsequenz #🎜🎜 # Ähnlich wie Kombinationen extrahieren sie Teilsequenzen iterierbarer Objekte. Permutationen sind jedoch nicht wiederholbar und ungeordnet, genau das Gegenteil von Kombinationen_mit_Ersetzung. from itertools import pairwise
str_data = "asdfweffva"
list_data = [1, 2, 5, 76, 8]
print(list(pairwise(str_data)))
print(list(pairwise(list_data)))
#输出
[('a', 's'), ('s', 'd'), ('d', 'f'), ('f', 'w'), ('w', 'e'), ('e', 'f'), ('f', 'f'), ('f', 'v'), ('v', 'a')]
[(1, 2), (2, 5), (5, 76), (76, 8)]
product(*iterables, repeat=1)iterables: iterierbares Objekt, kann mehrere sein repeat: iterierbares Objekt Die Anzahl der Wiederholungen Das heißt, die Anzahl der Kopien gibt den Iterator zurück. Analoge Permutationen und Kombinationen erzeugen iterierbare Objekte kartesischer Produkte. Die Produktfunktion ähnelt der Zip-Funktion, aber während zip Elemente eins zu eins zuordnet, erstellt das Produkt eine Eins-zu-viele-Beziehung. from itertools import permutations
data = range(5)
print(tuple(permutations(data, 2)))
str_data = "asdfgh"
print(tuple(permutations(str_data, 2)))
#输出
((0, 1), (0, 2), (0, 3), (0, 4), (1, 0), (1, 2), (1, 3), (1, 4), (2, 0), (2, 1), (2, 3), (2, 4), (3, 0), (3, 1), (3, 2), (3, 4), (4, 0), (4, 1), (4, 2), (4, 3))
(('a', 's'), ('a', 'd'), ('a', 'f'), ('a', 'g'), ('a', 'h'), ('s', 'a'), ('s', 'd'), ('s', 'f'), ('s', 'g'), ('s', 'h'), ('d', 'a'), ('d', 's'), ('d', 'f'), ('d', 'g'), ('d', 'h'), ('f', 'a'), ('f', 's'), ('f', 'd'), ('f', 'g'), ('f', 'h'), ('g', 'a'), ('g', 's'), ('g', 'd'), ('g', 'f'), ('g', 'h'), ('h', 'a'), ('h', 's'), ('h', 'd'), ('h', 'f'), ('h', 'g')) repeat(object[, times])object: jedes zulässige Objekt times: Optional, die Häufigkeit, mit der das Objekt Objekt ist generiert, wenn keine Zeiten übergeben werden, gibt eine Endlosschleife einen Iterator zurück und generiert wiederholt Objektobjekte basierend auf Zeiten. from itertools import product
list_data = [1, 2, 3]
list_data2 = [4, 5, 6]
print(list(product(list_data, list_data2)))
print(list(zip(list_data, list_data2)))
# 如下两个含义是一样的，都是将可迭代对象复制一份， 很方便的进行同列表的操作
print(list(product(list_data, repeat=2)))
print(list(product(list_data, list_data)))
# 同上述含义
print(list(product(list_data, list_data2, repeat=2)))
print(list(product(list_data, list_data2, list_data, list_data2)))
#输出
[(1, 4), (1, 5), (1, 6), (2, 4), (2, 5), (2, 6), (3, 4), (3, 5), (3, 6)]
[(1, 4), (2, 5), (3, 6)]
[(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)]
[(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)]
[(1, 4, 1, 4), (1, 4, 1, 5), (1, 4, 1, 6), (1, 4, 2, 4), (1, 4, 2, 5), (1, 4, 2, 6), (1, 4, 3, 4), (1, 4, 3, 5), (1, 4, 3, 6), (1, 5, 1, 4), (1, 5, 1, 5), (1, 5, 1, 6), (1, 5, 2, 4), (1, 5, 2, 5), (1, 5, 2, 6), (1, 5, 3, 4), (1, 5, 3, 5), (1, 5, 3, 6), (1, 6, 1, 4), (1, 6, 1, 5), (1, 6, 1, 6), (1, 6, 2, 4), (1, 6, 2, 5), (1, 6, 2, 6), (1, 6, 3, 4), (1, 6, 3, 5), (1, 6, 3, 6), (2, 4, 1, 4), (2, 4, 1, 5), (2, 4, 1, 6), (2, 4, 2, 4), (2, 4, 2, 5), (2, 4, 2, 6), (2, 4, 3, 4), (2, 4, 3, 5), (2, 4, 3, 6), (2, 5, 1, 4), (2, 5, 1, 5), (2, 5, 1, 6), (2, 5, 2, 4), (2, 5, 2, 5), (2, 5, 2, 6), (2, 5, 3, 4), (2, 5, 3, 5), (2, 5, 3, 6), (2, 6, 1, 4), (2, 6, 1, 5), (2, 6, 1, 6), (2, 6, 2, 4), (2, 6, 2, 5), (2, 6, 2, 6), (2, 6, 3, 4), (2, 6, 3, 5), (2, 6, 3, 6), (3, 4, 1, 4), (3, 4, 1, 5), (3, 4, 1, 6), (3, 4, 2, 4), (3, 4, 2, 5), (3, 4, 2, 6), (3, 4, 3, 4), (3, 4, 3, 5), (3, 4, 3, 6), (3, 5, 1, 4), (3, 5, 1, 5), (3, 5, 1, 6), (3, 5, 2, 4), (3, 5, 2, 5), (3, 5, 2, 6), (3, 5, 3, 4), (3, 5, 3, 5), (3, 5, 3, 6), (3, 6, 1, 4), (3, 6, 1, 5), (3, 6, 1, 6), (3, 6, 2, 4), (3, 6, 2, 5), (3, 6, 2, 6), (3, 6, 3, 4), (3, 6, 3, 5), (3, 6, 3, 6)]
[(1, 4, 1, 4), (1, 4, 1, 5), (1, 4, 1, 6), (1, 4, 2, 4), (1, 4, 2, 5), (1, 4, 2, 6), (1, 4, 3, 4), (1, 4, 3, 5), (1, 4, 3, 6), (1, 5, 1, 4), (1, 5, 1, 5), (1, 5, 1, 6), (1, 5, 2, 4), (1, 5, 2, 5), (1, 5, 2, 6), (1, 5, 3, 4), (1, 5, 3, 5), (1, 5, 3, 6), (1, 6, 1, 4), (1, 6, 1, 5), (1, 6, 1, 6), (1, 6, 2, 4), (1, 6, 2, 5), (1, 6, 2, 6), (1, 6, 3, 4), (1, 6, 3, 5), (1, 6, 3, 6), (2, 4, 1, 4), (2, 4, 1, 5), (2, 4, 1, 6), (2, 4, 2, 4), (2, 4, 2, 5), (2, 4, 2, 6), (2, 4, 3, 4), (2, 4, 3, 5), (2, 4, 3, 6), (2, 5, 1, 4), (2, 5, 1, 5), (2, 5, 1, 6), (2, 5, 2, 4), (2, 5, 2, 5), (2, 5, 2, 6), (2, 5, 3, 4), (2, 5, 3, 5), (2, 5, 3, 6), (2, 6, 1, 4), (2, 6, 1, 5), (2, 6, 1, 6), (2, 6, 2, 4), (2, 6, 2, 5), (2, 6, 2, 6), (2, 6, 3, 4), (2, 6, 3, 5), (2, 6, 3, 6), (3, 4, 1, 4), (3, 4, 1, 5), (3, 4, 1, 6), (3, 4, 2, 4), (3, 4, 2, 5), (3, 4, 2, 6), (3, 4, 3, 4), (3, 4, 3, 5), (3, 4, 3, 6), (3, 5, 1, 4), (3, 5, 1, 5), (3, 5, 1, 6), (3, 5, 2, 4), (3, 5, 2, 5), (3, 5, 2, 6), (3, 5, 3, 4), (3, 5, 3, 5), (3, 5, 3, 6), (3, 6, 1, 4), (3, 6, 1, 5), (3, 6, 1, 6), (3, 6, 2, 4), (3, 6, 2, 5), (3, 6, 2, 6), (3, 6, 3, 4), (3, 6, 3, 5), (3, 6, 3, 6)] starmap(Funktion, iterierbar)Funktion: Funktion des Scope-Iterator-Objektelementsiterable: iterierbares Objekt #🎜🎜 #Gib einen Iterator zurück und wende die Funktion auf alle Elemente des iterierbaren Objekts an (alle Elemente müssen iterierbare Objekte sein, auch wenn nur ein Wert vorhanden ist, müssen sie mit einem iterierbaren Objekt wie einem Tupel (1,) umschlossen werden.) , ähnlich der Kartenfunktion; wenn der Funktionsparameter mit dem iterierbaren Objektelement übereinstimmt, wird anstelle des Elements ein Tupel verwendet, z. B. pow(a, b), was [(2,3), (3, 3)].
Der Unterschied zwischen Map und Starmap besteht darin, dass Map normalerweise funktioniert, wenn eine Funktion nur einen Parameter hat, während Starmap funktionieren kann, wenn eine Funktion mehrere Parameter hat. from itertools import starmap
list_data = [1, 2, 3, 4, 5]
list_data2 = [(1, 1), (2, 2), (3, 3), (4, 4), (5, 5)]
list_data3 = [(1,), (2,), (3,), (4,), (5,)]
print(list(starmap(lambda x, y: x + y, list_data2)))
print(list(map(lambda x: x * x, list_data)))
print(list(starmap(lambda x: x * x, list_data)))
print(list(starmap(lambda x: x * x, list_data3)))
#输出
[2, 4, 6, 8, 10]
[1, 4, 9, 16, 25]
Traceback (most recent call last):
File "c:\Users\ts\Desktop\2022.7\2022.7.22\test.py", line 65, in <module>
print(list(starmap(lambda x: x * x, list_data)))
TypeError: 'int' object is not iterabletakewhile(predicate, iterable)
predicate：判断条件，为真就返回
iterable: 可迭代对象
当predicate为真时返回元素，需要注意的是，当第一个元素不为True时，则后面的无论结果如何都不会返回，找的前多少个为True的元素。 from itertools import takewhile
#学习中遇到问题没人解答？小编创建了一个Python学习交流群：725638078
list_data = [1, 5, 4, 6, 2, 3]
print(list(takewhile(lambda x: x > 0, list_data)))
print(list(takewhile(lambda x: x > 1, list_data))) zip_longest(*iterables, fillvalue=None)
iterables：可迭代对象
fillvalue：当长度超过时，缺省值、默认值， 默认为None
返回迭代器, 可迭代对象元素一一对应生成元组，当两个可迭代对象长度不一致时，会按照最长的有元素输出并使用fillvalue补充，是zip的反向扩展，zip为最小长度输出。 from itertools import zip_longest
list_data = [1, 2, 3]
list_data2 = ["a", "b", "c", "d"]
print(list(zip_longest(list_data, list_data2, fillvalue="-")))
print(list(zip_longest(list_data, list_data2)))
print(list(zip(list_data, list_data2)))
[(1, 'a'), (2, 'b'), (3, 'c'), ('-', 'd')]
[(1, 'a'), (2, 'b'), (3, 'c'), (None, 'd')]
[(1, 'a'), (2, 'b'), (3, 'c')] 总结
accumulate(iterable: Iterable, func: None, initial:None)：
进行可迭代对象元素的累计运算，可以设置初始值，类似于reduce，相比较reduce,accumulate可以输出中间过程的值，reduce只能输出最后结果，且accumulate性能略好于reduce。
chain(*iterables)
依次输出迭代器中的元素，不会循环输出，有多少输出多少。当输出字典元素时，默认会输出字典的键；而对于列表，则相当于使用extend函数。
combinations(iterable: Iterable, r)：
抽取可迭代对象的子序列，其实就是排列组合，不过只返回有序、不重复的子序列，以元组形式呈现。
combinations_with_replacement(iterable: Iterable, r)
类似于combinations，从可迭代对象中提取子序列，但是返回的子序列是无序且不重复的，以元组的形式呈现。
compress(data: Iterable, selectors: Iterable)
根据selectors中的元素是否为True或者False返回可迭代对象的合法元素，selectors为str时，都为True，并且只会决定长度。
count(start, step)：
从start开始安装step不断生成元素，是无限循环的，最好控制输出个数或者使用next(),send()等获取、设置结果
cycle(iterable)
循环输出可迭代对象的元素，相当于对chain函数进行无限循环。建议控制输出数据的数量，或使用next()、send()等函数获取或设置返回结果。
dropwhile(predicate, iterable)
根据predicate是否为False来返回可迭代器元素，predicate可以为函数， 返回的是第一个False及之后的所有元素，不管后面的元素是否为True或者False。这个函数适用于舍弃迭代器或可迭代对象的开头部分，比如在写入文件时忽略文档注释
filterfalse(predicate, iterable)
类似于filter方法，返回所有满足predicate条件的元素，作为一个可迭代对象。
groupby(iterable, key=None)
输出连续符合key要求的键值对，默认为x == x。
islice(iterable, stop)\islice(iterable, start, stop[, step])
对可迭代对象进行切片，和普通切片类似，但是这个不支持负数。这种方法适用于迭代对象的切片，比如你需要获取文件中的某几行内容
pairwise(iterable)
返回连续的重叠对象（两个元素）， 少于两个元素返回空，不返回。
permutations(iterable, r=None)
从可迭代对象中抽取子序列，与combinations类似，不过抽取的子序列是无序、可重复。
product(*iterables, repeat=1)
输出可迭代对象的笛卡尔积，类似于排序组合，不可重复,是两个或者多个可迭代对象进行操作，当是一个可迭代对象时，则返回元素，以元组形式返回。
repeat(object[, times])
重复返回object对象，默认时无限循环
starmap(function, iterable)
批量操作可迭代对象中的元素，操作的可迭代对象中的元素必须也要是可迭代对象，与map类似，但是可以对类似于多元素的元组进行操作。
takewhile(predicate, iterable)
返回前多少个predicate为True的元素，如果第一个为False，则直接输出一个空。
zip_longest(*iterables, fillvalue=None)
将可迭代对象中的元素一一对应，组成元组形式存储，与zip方法类似，不过zip是取最短的，而zip_longest是取最长的，缺少的使用缺省值。
|
