itertools.permutations([1,2,3], 10)不报错而返回空迭代器，因数学上从3个元素取10个排列不存在，函数按定义合法返回空；需手动检查r > len(iterable)以拦截逻辑错误，并避免传入单次耗尽型生成器。
itertools 本身不解决“海量数据”的问题，它只保证生成过程内存友好——但如果你直接 list() 或 np.array(list(...))，立刻爆内存。关键不是换函数，而是控制消费方式。
为什么 itertools.permutations([1,2,3], 10) 不报错却返回空？
数学上不存在“从 3 个元素取 10 个的排列”，itertools.permutations 按定义返回空迭代器，不抛异常。这容易掩盖逻辑错误：
- 检查
r是否超过输入长度：if r > len(iterable): raise ValueError("r exceeds length") - 输入不能是单次耗尽型迭代器（如
(x for x in range(10))），否则第二次调用就为空；可用itertools.tee()复制，或转成tuple/list再传入 -
range(1000)可以，但map(str, range(1000))是单次迭代器，需先list()固化
如何避免 list(itertools.product(...)) 导致 OOM？
笛卡尔积增长极快（比如 product(range(10), repeat=20) 有 10²⁰ 项），绝不能 list() 全展开：
Python 3.14.2
下载
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
- 用
itertools.islice()分块读取：for batch in iter(lambda: list(islice(prod_iter, 1000)), []): process(batch) - 配合
np.fromiter()仅适用于一维平坦序列；若要二维数组，先展平再.reshape()，或改用np.stack([np.array(x) for x in islice(..., 1000)]) - 写文件时直接
for item in product_iter: f.write(str(item) + "\n")，别攒列表
含重复元素时，itertools.combinations 为何输出 (1,1)？
它按索引工作，不按值去重。输入 [1, 1, 2] 中两个 1 被视为不同位置的元素：
- 要“值层面”去重组合，得先
sorted(set(items))，但注意这会丢失原始顺序语义 - 若需保留顺序且去重，用
dict.fromkeys(items)去重并保序（Python 3.7+） -
combinations_with_replacement允许同一索引被多次选中，但不会凭空多出超出原集合频次的组合（如[1,1,2]中r=3不会出现(1,1,1)）
真正卡住性能的，往往不是函数选错，而是没意识到：你到底需要全部结果、只要数量、还是只需随机采样？itertools 只负责生成，后续怎么拿、怎么存、要不要跳过中间项，全靠你自己控制消费节奏。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
